Le rein est un organe vital dont la défaillance entraîne des conséquences graves. La maladie rénale chronique (MRC) est une pathologie progressive dont les symptômes précoces sont peu visibles, ce qui rend le diagnostic précoce particulièrement difficile. Selon les statistiques, environ 850 millions de personnes dans le monde souffrent d’une maladie rénale et jusqu’à 10 millions dépendent de la dialyse ou d’une greffe. L’importance d’un diagnostic précoce de la MRC est donc évidente.
Pour relever ce défi, les chercheurs explorent l’intelligence artificielle et le machine learning (ML) afin de développer des outils automatisés améliorant l’efficacité et la précision du dépistage. Une équipe du College of Engineering and Computer Science de la Florida Atlantic University a fait progresser ce domaine en étudiant comment l’informatique quantique peut renforcer les performances des systèmes de diagnostic de la MRC basés sur le machine learning. Sous la direction du Dr Arslan Munir, les chercheurs ont développé et comparé deux systèmes : un classificateur à vecteurs de support classique (CSVM) et un classificateur quantique (QSVM).
L’équipe a d’abord prétraité le jeu de données sur la MRC pour garantir la fiabilité des résultats, puis appliqué deux techniques de réduction dimensionnelle – l’analyse en composantes principales (PCA) et la décomposition en valeurs singulières (SVD) – afin de diminuer le bruit et d’améliorer l’efficacité computationnelle.
Les résultats sont éloquents :
- avec PCA, le CSVM atteint 98,75 % de précision contre seulement 87,5 % pour le QSVM ;
- avec SVD, le CSVM obtient 96,25 % contre 60 % pour le QSVM. Le CSVM est également jusqu’à 42 fois plus rapide dans certains cas. Le Dr Munir souligne toutefois que les limites actuelles du QSVM proviennent surtout des capacités matérielles actuelles et non d’un manque de potentiel des algorithmes quantiques. À court terme, des systèmes hybrides classique-quantique pourraient combiner les forces des deux approches et améliorer la précision diagnostique.
« Ce qui rend notre travail unique, c’est l’application simultanée de méthodes classiques et quantiques de machine learning au dépistage de la maladie rénale chronique », explique le Dr Munir. « Cette comparaison directe nous offre une vision précieuse de l’état actuel des technologies et de la manière dont l’informatique quantique façonnera l’avenir de l’analyse en santé. » L’équipe prévoit d’élargir ses recherches à d’autres algorithmes quantiques, de tester sur des jeux de données plus vastes et d’optimiser la sélection de caractéristiques pour créer des outils diagnostiques encore plus fiables et efficaces.
