XTRACTIS POUR LA MÉDECINE PRÉDICTIVE
Diagnostic génétique du cancer de la prostate
Benchmark: XTRACTIS VS forêts aléatoires & boosted trees
Cette étude a pour objectif de poser un diagnostic médical automatisé du cancer de la prostate. Elle illustre la capacité de l’IA de Confiance xtractis à induire automatiquement des connaissances sous forme de relations mathématiques prédictives et intelligibles, à partir de données issues du séquençage génétique de tissus.
Au final, xtractis génère un modèle de classification binomiale composé de 4 règles décisionnelles sans chaînage, utilisant les niveaux d’expression de seulement 7 gènes, parmi 12 600, et prédit un diagnostic pour l’infinité des points de l’espace de décision avec une fiabilité éprouvée.
Les avantages :
- Aider les (futurs) urologues et oncologues à comprendre les relations causales entre certains gènes et la présence de cancer.
- Aider le corps médical à prendre une décision plus précoce et plus individualisée, grâce à des diagnostics rapides et systématiques.
- Améliorer la prise en charge des patients (douleurs, survie, durée du traitement) et l’accès aux diagnostics même dans les déserts médicaux.
Sommaire :
– Type de Modélisation et données de référence
– Processus xtractis d’induction automatique
– Top-CVE : Modèle complexe, mais garantissant la capacité prédictive
– Performances du top-CVE
– Modèle intelligible par rétro-ingénierie du CVE : le REV
– Performances du REV
– Refus de décision
– Intelligibilité du modèle et Explicabilité de la décision
– Exemple : Prédiction pour le Patient #21
– Ressources du processus xtractis (Induction + Validation + Déduction)
– Benchmark xtractis versus forêt aléatoire & boosted trees
– Conclusions et Avantages de l’IA de Confiance xtractis
