Etudiant : ELMOUSSAOUI KHALID

Filière : Master Big Data Analytics & Smart Systems (BDSaS)

Encadrant : Pr. El FAR MOHAMED

Annèe : 2025

Résumé : Ce travail s’inscrit dans le contexte de la lutte contre les maladies cardiovasculaires, première cause de mortalité dans le monde. Face aux limites des approches cliniques traditionnelles, ce mémoire explore l’apport du Machine Learning dans la prédiction précoce de plusieurs pathologies cardiaques, à travers quatre études indépendantes, chacune exploitant un jeu de données médical spécifique : (1) la prédiction du risque global de maladie cardiaque, (2) la prédiction de l’infarctus du myocarde, (3) la détection de l’hypertension et de l’athérosclérose couplée à l’analyse de l’impact d’un régime alimentaire, et (4) la prédiction de variables cliniques critiques (mortalité, durée d’hospitalisation, etc.) à partir de données hospitalières complexes. Ces études ont mobilisé plusieurs algorithmes de classification (Random Forest, XGBoost, régression logistique, etc.), évalués via des métriques rigoureuses (accuracy, F1-score, AUC-ROC), avec des performances remarquables dépassant 92 % dans plusieurs cas. En complément, une application mobile Android dédiée à la prédiction du risque d’infarctus a été développée, permettant une saisie structurée des données cliniques et une prédiction personnalisée en temps réel, illustrant ainsi la transposition des modèles en outils médicaux pratiques. Enfin, pour renforcer la précision diagnostique, une intégration future de données multimodales, incluant l’analyse d’images médicales par Deep Learning, est envisagée.