Un abonnement JoVE est requis pour visualiser ce contenu. Connectez-vous ou commencez votre période d'essai gratuite.

Article de méthode

Diagnostic précoce de l’hypothyroïdie dans la province orientale de l’Arabie saoudite à l’aide de techniques d’intelligence computationnelle

180 vues

⸱

DOI :

10.3791/70065

⸱

22 mai 2026

 ,  ,  ,  ,  ,  ,  ,  ,  ,  , 
1Department of Computer Engineering, College of Computer Science and Information Technology, Imam Abdulrahman Bin Faisal University, 2Department of Data Science and Artificial Intelligence, Faculty of Computing, Adekunle Ajasin University, 3Department of Computer Science, College of Computer Science and Information Technology, Imam Abdulrahman Bin Faisal University, 4Department of Computer Science, Kettering University, 5Department of Information Technology, School of Engineering and Technology, Nagaland University

Dans cet article

Résumé

Cette étude étudie quatre algorithmes d’apprentissage automatique : K-plus proches voisins (KNN), machine à vecteurs de support (SVM), augmentation extrême du gradient (XGBoost) et un classificateur d’ensemble à vote doux dans le diagnostic proactif de l’hypothyroïdie. Les algorithmes ont été présélectionnés sur la base d’une revue critique de la littérature et utilisés sur un ensemble de données collecté localement en Arabie saoudite.

Résumé

L’hypothyroïdie est l’une des affections médicales les plus courantes mais aussi sous-diagnostiquées en Arabie Saoudite. Elle est plus fréquente chez les femmes âgées et enceintes ainsi que chez les patientes diabétiques et atteintes d’apnée du sommeil. L’hypothyroïdie se caractérise par une production insuffisante d’hormones thyroïdiennes, ce qui peut entraîner d’autres maladies chroniques si elle n’est pas traitée. Pour cette raison, cette étude propose des techniques d’apprentissage automatique pour diagnostiquer de manière préventive cette maladie à l’aide d’un ensemble de données clinique simple provenant d’Arabie Saoudite. Compte tenu de la taille des données, ce travail sert de preuve de concept. Des algorithmes tels que KNN, SVM, Gradient boosting et soft voting ensemble classificateurs ont été choisis pour leurs performances prometteuses dans le diagnostic proactif de l’hypothyroïdie et des maladies associées, comparés à d’autres algorithmes de la littérature. Le modèle le plus performant était le classificateur d’ensemble à vote souple, qui a atteint une précision de 94,7 %. SVM, KNN et XGBoost ont obtenu respectivement des précisions de 94 %, 93,42 % et 92,1 %. Ces résultats ont été obtenus grâce à une validation croisée 10 fois et à la sélection séquentielle des caractéristiques en avant.

Introduction

Le dysfonctionnement thyroïdien (TD) est l’une des maladies endocriniennes chroniques les plus courantes, avec une prévalence variable selon la population1. Les deux troubles les plus courants des glandes thyroïdes sont l’hypothyroïdie et l’hyperthyroïdie. L’hypothyroïdie est une affection répandue résultant d’une production insuffisante d’hormones thyroïdiennes. Bien qu’il soit généralement gérable par traitement, dans les cas graves, il peut être fatal s’il n’est pas pris en charge. Les symptômes les plus courants de l’hypothyroïdie chez l’adulte incluent la fatigue, la constipation, la léthargie, la prise de poids, la peau sèche et les changements de la voix. Cependant, les présentations cliniques peuvent varier selon l’âge, le sexe et d’autresfacteurs 3. Il est rapporté que la maladie touche 5 % de la population générale, et 5 % supplémentaires restent non diagnostiqués, tandis que 99 % de ces patients souffrent d’hypothyroïdie primaire. Il est répandu dans les États du Golfe Arabique, bien qu’il reste souventsous-diagnostiqué 4. L’hypothyroïdie congénitale touche environ un bébé sur 3 450 en Arabie Saoudite. D’autres études transversales portant uniquement sur les femmes ont rapporté des taux de prévalence plus élevés, allant de 13 % à 35 %. De plus, cela prouve que les femelles sont plus susceptibles que lesmâles 6. L’hypothyroïdie, s’il n’est pas traité, peut entraîner une dyslipidémie, un trouble cognitif, de l’hypertension, de l’infertilité et des dysfonctionnementsneuromusculaires 7. Par conséquent, cette étude vise à utiliser des méthodes d’apprentissage automatique pour diagnostiquer de manière proactive l’hypothyroïdie à partir d’un ensemble de données du King Fahad Specialist Hospital (KFUH) à Dammam, en Arabie Saoudite.

L’hypothyroïdie peut être difficile à diagnostiquer car les symptômes sont souvent confondus avec ceux d’autresmaladies 8. De plus, un diagnostic tardif d’hypothyroïdie peut affecter négativement les capacités intellectuelles d’unpatient 9. Le test de l’hormone thyroïdienne (TSH) est la méthode diagnostique la plus utilisée pour détecter l’hypothyroïdie9. Cependant, l’arrivée des approches, stratégies et outils de l’intelligence artificielle et de l’apprentissage automatique a permis de résoudre des problèmes diagnostiques et pronostiques dans divers domaines médicaux. L’apprentissage automatique est utilisé pour évaluer l’importance des facteurs cliniques et leurs combinaisons pour le pronostic, tels que la prédiction de la progression de la maladie, l’extraction de connaissances médicales pour la recherche sur les résultats, la planification et le soutien thérapeutiques, ainsi que la prise en charge globale dupatient 10. Avec de grands volumes de données médicales disponibles, les praticiens disposent désormais d’une ressource précieuse pour découvrir de nouvelles connaissances potentiellement précieuses grâce à l’apprentissageautomatique 11,12.

En utilisant un simple ensemble de données cliniques issu de l’ensemble de données saoudien, cette étude vise à aider les professionnels de santé du pays à diagnostiquer précocement l’hypothyroïdie et à mettre en œuvre ce système prédictif dans des hôpitaux disposant de ressources informatiques et d’équipements limités. De plus, les études antérieures dans ce domaine n’ont pas utilisé le jeu de données saoudien. Cela offre une opportunité d’intégrer l’ensemble de données saoudien aux côtés de recherches antérieures. Les études ont utilisé un ensemble de données saoudien pour prédire respectivement les maladies rénales, le diabète, la thyroïde et la maladie d’Alzheimer, atteignant une précisionélevée de 13, 14 et 15. Cette expérience motive à appliquer ces méthodes à d’autres maladies en Arabie saoudite. Ces études comptent parmi les travaux les plus récents en apprentissage automatique et intelligence artificielle dans le domainemédical 16,17,18,19.

L’étude proposée discute du déploiement de techniques d’apprentissage automatique sur un ensemble de données clinique saoudien simple pour l’hypothyroïdie afin de prédire la présence de la maladie avant qu’elle ne devienne pleinement symptomatique. L’objectif est de développer un système basé sur l’apprentissage automatique qui fournit des avertissements précoces d’une occurrence potentielle d’hypothyroïdie. Cela facilitera également l’utilisation de ce système de diagnostic par les hôpitaux locaux disposant d’équipements limités. Cette étude est la première à examiner cette maladie en utilisant le jeu de données saoudien, en se concentrant sur le stade pré-symptomatique. Le jeu de données couvre une large population de patients hospitalisés saoudiens locaux, avec une large tranche d’âge, un mélange de cas positifs et négatifs d’hyperthyroïdie.

Cette étude a utilisé quatre algorithmes d’apprentissage automatique : machine à vecteurs de support (SVM), K-plus proches voisins (KNN), amplification du gradient d’eXtreme (XGBoost), et un classificateur d’ensemble de vote doux composé de SVM et KNN. Chacun des quatre algorithmes a prouvé ses capacités dans le domaine médical. L’algorithme KNN a été sélectionné pour sa simplicité et pour avoir atteint une précision de 77,5 % dans le diagnostic préventif du diabète sucré (DM)20. Parallèlement, la MVS a été choisie pour sa robustesse21, et elle a récemment été utilisée pour prédire le risque de mortalité chez les patientsCOVID-19 22. De plus, XGBoost a été sélectionné pour sa forte performance23, obtenant un score prédictif précis de 94 % pour les résultats d’hypertension, et un empilement a été utilisé pour améliorer les résultats des algorithmes les plus performants.  De plus, un classificateur d’ensemble de vote a été utilisé pour identifier les troubles thyroïdiens avec une précision de 100% 24.

L’objectif principal de la présente étude est un diagnostic précoce de l’hypothyroïdie chez une population saoudienne à l’aide de données cliniques originales de routine et d’algorithmes d’apprentissage automatique de pointe. Les quatre techniques utilisées dans cette étude ont été mises en œuvre sur la plateforme Jupyter en utilisant le langage de programmation Python, en s’appuyant sur le jeu de données sur l’hypothyroïdie. Une validation croisée 10 fois avec réglage par hyperparamètres a été utilisée pour améliorer les performances. La sélection séquentielle des caractéristiques avec une technique de sélection avancée a ensuite été mise en œuvre, ce qui a permis au classificateur de l’ensemble de vote d’atteindre la plus grande précision de 94,7 %. SVM, KNN et XGBoost l’ont suivie respectivement. Concernant le rappel, le classificateur d’ensemble à vote doux a obtenu le score le plus élevé à 95,5 %. Dans l’ensemble, le modèle optimal pour le diagnostic préventif de l’hypothyroïdie était le classificateur d’ensemble à vote doux, qui a obtenu le score le plus élevé sur toutes les mesures de performance évaluées dans cette étude.

Plusieurs études ont été menées sur le diagnostic des troubles thyroïdiens généraux et sur la mise en œuvre de technologies, en particulier l’apprentissage automatique, comme solution assistée par ordinateur. LSTM-CNN, AlexNet, les modèles ajustés GoogLeNet, IndRNN–CNN et ResNet ajustés ont été déployés par spectroscopie Raman pour distinguer des échantillons séromiques de 32 patients hypothyroïdiens, 38 patients hyperthyroïdiens et 29 sujets témoins. Leur modèle a obtenu une précision de 84 %, 91 %, 75 %, 82 % et 71 %, respectivement25 %.

Des algorithmes d’apprentissage automatique tels que SVM, KNN, régression logistique et forêt aléatoire ont été utilisés pour prédire l’incidence de l’hypothyroïdie induite par les radiations chez les patients atteints de carcinome nasopharyngé26. Leur modèle a atteint une valeur AUC de 0,7. De plus, les auteurs ont utilisé divers algorithmes d’apprentissage automatique pour prédire la tendance du traitement des patients hypothyroïdiens subissant un traitement LT4. Parmi 10 classificateurs, le classificateur extra-arbre a obtenu la plus grande précision de 84 %.

Dans une autre étude, les auteurs ont créé et testé une stratégie d’apprentissage automatique pour identifier les personnes atteintes d’hyperthyroïdie et d’hypothyroïdie qui bénéficieraient d’un traitement médicalimmédiat 27. Ils ont déployé un arbre de décision de gradient boosting (GBDT), SVM, ANN et des algorithmes de régression logistique. Leurs modèles ont obtenu un taux d’AUROC de 93,8 % et 90,9 % pour l’hyperthyroïdie et l’hypothyroïdie, respectivement. Dans une autre étude, les auteurs ont utilisé l’apprentissage automatique pour détecter les troubles thyroïdiens, qui comprennent l’hypothyroïdie et l’hyperthyroïdie. Leurs modèles comprenaient SVM, ANN, KNN, régression logistique et arbre décisionnel, avec la plus grande précision de 96,92 % atteinte par la régression logistique28. Récemment, un groupe de chercheurs a appliqué différentes méthodes, dont la SVM, l’arbre de décision, Naïve Bayes et l’ensemble, pour prédire et détecter l’hypothyroïdie. L’arbre de décision a obtenu la plus grande précision, avec 97,6 %29. Une autre étude a appliqué l’algorithme de Naïve Bayes basé sur le noyau hybride d’évolution différentielle pour réduire les attributs d’un ensemble de données thyroïdiennes des maladies liées à l’hyperthyroïdie et à l’hypothyroïdie de 21 à 10. Ils ont ensuite appliqué le classificateur Naïve Bayes basé sur le noyau au sous-ensemble de caractéristiques, atteignant une précisionde 97,97 % de 30. De même, dans une autre étude, les auteurs ont utilisé plusieurs algorithmes d’apprentissage automatique pour prédire le risque de maladie thyroïdienne sur le jeu de données sur les maladies euthyroïdiennes de l’Université de Californie. Leur expérience a démontré que le RNA surpassait toutes les autres méthodes, atteignant une précision de 95 %31. De plus, Jha et al. ont utilisé des techniques d’augmentation de caractéristiques proposées basées sur des réseaux neuronaux profonds pour prédire les maladies thyroïdiennes, atteignant une précision exceptionnelle de 99,95 %32.

Selon la littérature antérieure, un ensemble de vote homogène avec sélection multiple d’attributs a été utilisé pour identifier les maladies thyroïdiennes, en employant les algorithmes suivants : forêt aléatoire, augmentation du gradient, arbre de décision et régression logistique, obtenant une précisionde 100 % 24. De plus, les auteurs ont appliqué le modèle machine d’apprentissage extrême au jeu de données en libre accès sur l’hypothyroïdie sur Kaggle, atteignant une précision de 92 %. Le jeu de données contenait 3772 échantillons : 3481 hypothyroïdiens et les autresnégatifs 33. Récemment, dans une étude, les auteurs ont utilisé du CART en sachet pour classer l’hypothyroïdie. Leur modèle proposé a atteint une précision impressionnante de 99,9 %. De plus, la T4U, la TSH et la TBG ont été identifiées comme les facteurs les plus significatifs associés à l’hypothyroïdie34. Dans une autre étude, les auteurs ont proposé et comparé différents modèles d’apprentissage automatique et d’apprentissage profond, dans lesquels l’arbre de décision et la forêt aléatoire ont obtenu respectivement une précision de 99,5 % et 99,3 %. Ils ont utilisé un jeu de données Weka contenant 30 attributs et 3772 échantillons35.

Cette brève revue de littérature démontre que, bien que la plupart des méthodes employées aient obtenu des résultats très bons à excellents, aucune n’a utilisé un ensemble de données clinique simple provenant d’Arabie Saoudite. Il a également été noté que la plupart des publications examinées utilisaient des ensembles de données d’imagerie, ce qui augmentait le travail nécessaire à la collecte des données et rendait difficile l’application de modèles très complexes créés par des personnes non techniques. De plus, la plupart de ces travaux portaient sur des troubles thyroïdiens généraux, avec très peu de publications mettant l’accent sur l’hypothyroïdie. Cette situation offre l’opportunité d’étudier des modèles d’apprentissage automatique de base sur un jeu de données clinique simple issu de l’ensemble de données saoudien, afin d’aider les hôpitaux locaux disposant d’équipements informatisés limités à diagnostiquer préventivement la maladie.

La brève introduction aux algorithmes étudiés dans l’étude actuelle est donnée dans le Fichier Supplémentaire 1. Les quatre algorithmes sont K-Nearest Neighbor (KNN)36,37,38,39,40, Support Vector Machine (SVM)41,42,43,44,45, Extreme Gradient Boosting (XGBoost)46,47,48, et l’ensemble de vote49,50.

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Protocole

1. Méthodologie

REMARQUE : Comme décrit dans le tableau des matériaux, l’expérience de cette recherche a été menée en Python sur Jupyter Notebook, qui a été utilisée pour développer des modèles d’apprentissage automatique pour un diagnostic préventif de l’hypothyroïdie. Microsoft Excel et la bibliothèque Python Scikit-Learn ont été utilisés lors de la phase de prétraitement. K-plus proche voisin (KNN), machine à vecteurs de support (SVM), augmentation extrême de gradient (XGBoost) et un classificateur d’ensemble de vote doux composé de KNN et SVM ont ensuite été utilisés pour entraîner le jeu de données, avec GridSearchCV et une validation croisée 10 fois pour obtenir des hyperparamètres optimaux. De plus, l’importance des caractéristiques pour chaque classificateur était tracée à l’aide de l’importance par permutation.

  1. Utilisez la sélection séquentielle des caractéristiques en utilisant la technique de transfert de la bibliothèque mxl-tend.
  2. Appliquez le sélecteur de caractéristiques séquentiel à tous les modèles en utilisant une validation croisée 10 fois pour sélectionner le meilleur sous-ensemble de caractéristiques.
  3. Évaluer la précision moyenne, le rappel, la précision, le score F1 et la perte logarithmique de tous les modèles créés par validation croisée 10 fois pour identifier le meilleur modèle.
  4. De plus, générez des matrices de confusion et des zones sous les courbes de caractéristique de fonctionnement du récepteur (AUROC) pour chaque modèle en utilisant les hyperparamètres optimaux et le sous-ensemble de la meilleure caractéristique.
  5. Validez les résultats diagnostiques par une équipe de trois experts en oto-rhino-laryngologie, médecine générale et radiologie. La figure 1 présente le cadre des résultats expérimentaux.

figure-protocol-1
Figure 1 : Cadre expérimental. C’est le cadre expérimental de l’étude. Veuillez cliquer ici pour voir une version agrandie de cette figurine.

REMARQUE : Le jeu de données saoudien sur l’hypothyroïdie a été obtenu auprès de l’hôpital spécialisé King Fahad (KFSH) à Dammam, en Arabie Saoudite. C’est un hôpital public affilié à l’Université Imam Abdulrahman bin Faisal (anciennement connue sous le nom d’Université de Dammam). Dammam se trouve dans la province orientale, et la plupart des patients appartiennent à la même région. Avec l’approbation du comité d’examen institutionnel (IRB), l’ensemble de données a été collecté lors des procédures et essais standards de triage à l’hôpital et enregistré comme dossiers médicaux des patients (PHR) dans le système de gestion hospitalière, enregistrés entre 2020 et 2021. Le jeu de données contient des tests cliniques standards portant sur 152 patients (100 femmes et 52 hommes), âgés de 11 à 92 ans, dont 89 ont été positivement diagnostiqués avec une hypothyroïdie. En revanche, les 63 autres ont été diagnostiqués sans hypothyroïdie mais avec d’autres maladies, comme la maladie d’Alzheimer. Le jeu de données comptait 483 attributs, qui ont été réduits à 18 lors du prétraitement en supprimant les attributs dont les valeurs manquantes dépassaient 30 %. Le tableau 1 présente les caractéristiques utilisées dans cette étude.

CaractéristiquesDescription 
ÂgeL’âge en années.
SexeHomme ou femme.
Globules blancs (globules blancs)Numération leucocytaire.
TempératureTempérature corporelle en degrés Celsius (°C).
Globules rouges (globules rouges)Comptage des globules rouges.
PlaquettesNombre de plaquettes.
MPVVolume moyen des plaquettes
OxygèneLa mesure de l’oxygène dans le sang (saturation en oxygène).
MCHHémoglobine corpusculaire médiocre.
RDWLargeur de distribution des globules rouges.
MCVVolume corpusculaire moyen.
MCHCConcentration moyenne d’hémoglobine corpusculaire
PulseFréquence cardiaque.
HématocriteLe volume des globules rouges.
PA – SystoliqueLa tension artérielle la plus élevée.
HémoglobineTaux d’hémoglobine dans le sang.
TA – DiastoliqueLa pression la plus basse.
Fréquence respiratoireFréquence respiratoire par minute.

Tableau 1 : Description de l’ensemble de données. Ce tableau présente le jeu de données de description.

2. Analyse statistique

REMARQUE : L’analyse statistique de l’ensemble aide à visualiser et comprendre le schéma de l’ensemble pour une meilleure pré-traitement et modélisation des données. Le tableau 2 présente l’analyse statistique du jeu de données sur la maladie hypothyroïdie, en comparant les résultats des groupes HT et non-HT.

  1. Pour vérifier si les caractéristiques démographiques sont déséquilibrées entre les groupes positifs et négatifs, effectuez une analyse statistique sur le logiciel SPSS (version : 26.0, IBM, USA).
  2. Compiler les données quantitatives à l’aide d’un test t d’échantillon indépendant si la distribution normale et l’homogénéité de la variance étaient satisfaites, ou le test Man-Whitney U.
  3. Compiler les données catégorielles en utilisant le test du chi-carré ou le test exact de Fisher.
VariableHypothyroïdie (n = 89)Non-hypothyroïdie (n = 63)valeur t / uValeur p
Âge43.00 (33.00, 54.00)76.00 (70.00, 80.50)5.388< 0,001
Fréquence respiratoire20.00 (20.00, 20.00)20.00 (20.00, 21.50)2.5610.004
PA – Systolique117,72 ± 16,46127,85 ± 17,773.3020.001
TA – Diastolique73.00 (68.00, 79.00)72.95 (65.00, 80.25)2.0760.892
Pulse79.09 ± 12.1982,35 ± 12,721.470.145
Température36.60 (36.50, 36.80)36.70 (36.60, 36.90)2.5760.029
Oxygène99.00 (99.00, 100.00)99.00 (98.00, 99.00)1.0880.005
Hématocrite38.20 (35.88, 40.23)37.30 (31.30, 41.30)1.4710.318
Globules rouges4.52 (4.26, 4.81)4.37 (3.81, 4.89)1.360.104
Hémoglobine12.70 (11.70, 13.53)12.30 (10.00, 13.85)1.4810.345
RDW13.80 (13.38, 14.93)14.90 (13.80, 16.45)2.2120.002
MCV83,54 ± 6,8585,05 ± 8,531.0420.3
Plaquettes261,23 ± 63,97223,62 ± 68,88−2,9450.004
MCHC33.60 (32.80, 34.02)33.20 (32.30, 34.00)1.3140.06
MCH28.00 (26.55, 29.57)28.10 (26.55, 30.20)1.780.468
MPV8,81 ± 0,878,79 ± 1,38−0,0740.941
Globules blancs6.10 (4.80, 7.43)7.20 (5.70, 8.90)2.0750.017

Tableau 2 : Analyse statistique des caractéristiques. Ce tableau montre l’analyse statistique des caractéristiques des groupes HT et non-HT. Abréviations ; HT = hypothyroïdie.

REMARQUE : Dans le tableau 2, les groupes TH et non-TH diffèrent significativement en âge, fréquence respiratoire, pression systolique, température, saturomètre, RDW, plaquettes et globules blancs. Par conséquent, des caractéristiques physiologiques peuvent être utilisées pour différencier les deux groupes.

3. Prétraitement des données

  1. Chargement des données CSV brutes. Le jeu de données utilisé pour cette étude est au format CSV. D’abord, le fichier CSV était importé dans son format brut. Elle est donnée ci-dessous :
    clean_data =. DataFrame (normalisé, colonnes=['sexe', 'Âge', 'Pouls', 'TA - Systolique', 'PA - Diastolique', 'Température', 'Fréquence respiratoire', 'MCV', 'MCH', 'HÉMATOCRITE', 'GLOBULES BLANCS', 'HÉMOGLOBINE', 'GLOBULES ROUGES', 'RDW', 'PLAQUETTES', 'MPV', 'OXYGÈNE DE POULS', 'DESCRIPTION'])
  2. Effectuer le prétraitement des données, y compris la suppression des valeurs aberrantes, la gestion des valeurs manquantes et la normalisation, afin d’améliorer la représentation et la précision des données du modèle.
  3. Utilisez Microsoft Excel pour le traitement initial du jeu de données, y compris la suppression des valeurs aberrantes. Supprimez les valeurs aberrantes dans « Oxygène de pouls », « BP-Systolique », « BP-Diastolique » et « Fréquence respiratoire » par un nuage de points et remplacez-les par leurs moyennes respectives.
  4. Traitement des valeurs manquantes
    L’importation du jeu de données a été importée en Python et prétraitée en utilisant les bibliothèques NumPy, Pandas et Scikit-learn. Utilisez l’imputateur KNN de la bibliothèque sklearn pour gérer les valeurs manquantes.
    REMARQUE : La métrique euclidienne et une valeur de voisin le plus proche de 5 ont été utilisées. Elle est donnée ci-dessous :
    imputer = KNNImputer(n_neighbors=5)
    données = imputer.fit_transform(clean_data)
    scaler = MinMaxScaler()
    scaler.fit(data)
  5. Encodez les chaînes en binaire.
    REMARQUE : La valeur entière un représentait « Positive » et « Féminin » dans « Description » et « Genre », respectivement, tandis que zéro représentait « Négatif » et « Homme » dans « Description » et « Genre », respectivement. Le jeu de données a ensuite été mis à l’échelle à l’aide du MinMaxScaler de la bibliothèque sklearn, en associant les valeurs à la plage 0–1. Elle est donnée ci-dessous :
    normalisé = scaler.transform(data)

4. Construction et évaluation de modèles

REMARQUE : Séparation des données pour la validation croisée : Après diverses expériences avec différents plis, la validation croisée 10 fois s’est avérée optimale et a ensuite été employée.

  1. Entraînez chaque modèle avec des hyperparamètres spécifiés.
  2. Effectuez la sélection des caractéristiques et re-entraînez les modèles sur des éléments sélectionnés.
    REMARQUE : Dans l’étude proposée, une technique de sélection des caractéristiques séquentielle en avant a été employée. Les modèles étaient ensuite optimisés pour obtenir le meilleur ensemble de fonctionnalités. Pour les étapes 4.1 à 4.2, le segment de code suivant a été déployé :
    de sklearn.model_selection importation train_test_split, GridSearchCV, StratifiedKFold
    kf = StratifiéKFold(n_splits=10,mélanger=Vrai, random_state=1)
    Le gridearch utilisait un pliage k stratifié avec 10 fractions et la précision était la métrique de pointage. Le code ci-dessous explique comment cela a été exécuté avec un exemple utilisant SVM.
    paramètres = {
    « noyau » : [« linéaire », « poly », « rbf », « sigmoïde »],
    « C » : [1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 100],
    « gamma » : [1, 0,1, 0,01, 0,001, 0,0001]
    }svm = SVC(random_state = 1)
    svm_GS = GridSearchCV(svm,
    paramètres,
    cv=kf,
    score='précision'
    )
    svm_GS.fit(X, y)
    fig = plot_cv_results(svm_GS.cv_results_, 'C', 'kernel')
    sfs1 = SFS(estimateur=svm,
    k_features=(1, 18),
    en avant=Vrai,
    flottant=Faux,
    scoreing='précision',
    cv=kf)
  3. Évaluez les indicateurs de performance et choisissez le modèle final.
    REMARQUE : Mesure de performance : Cette étude a utilisé les mesures de performance les plus utilisées en classification, à savoir : précision, précision, rappel, F1–Score et perte de log. Ces mesures de performance sont brièvement décrites ci-dessous, ainsi que leurs formules.
    Précision (PR) : Le nombre d’observations véritablement positives qui font partie du total des observations positives attendues. Elle est donnée par la formule suivante :
    figure-protocol-2(1)
    Rappel (RE) : Représente le nombre de cas positifs réels prédits comme positifs. Elle est donnée par la formule suivante :
    figure-protocol-3(2)
    Précision (CA) : C’est le pourcentage de prédictions correctes faites par le modèle. Elle est donnée par :
    figure-protocol-4(3)
    Où :
    Vrai positif (TP) : Nombre d’hypothyroïdies correctement classifiés.
    Faux positif (FP) : Nombre d’hypothyroïdies mal classés.
    True Negative (TN) : Nombre d’instances non hypothyroïdiennes correctement classées.
    Faux négatif (FN) : Nombre d’instances non hypothyroïdiennes mal classées.
    F1–Score : C’est la moyenne pondérée du rappel et de la précision. Elle est donnée par
    figure-protocol-5(4)
    Perte logarithmique : C’est à quel point la probabilité prédite correspond à la valeur réelle réelle. Ça
    est donné par la formule suivante :
    figure-protocol-6(5)
    Où N et M désignent respectivement le nombre d’échantillons et de caractéristiques, Yij indique si l’i-ièmeéchantillon appartient ou non à la jième classe, Pij désigne la probabilité que le i-èmeéchantillon appartienne à la j-ièmeclasse. Cette étude a également tracé la caractéristique de fonctionnement du récepteur (ROC), ce qui est utile pour prédire la probabilité d’un résultat binaire. Cela a été fait pour aider à visualiser les performances des modèles à différents seuils. Le ROC indique à quel point un modèle est efficace pour distinguer les classes.
  4. Stratégie d’optimisation
    REMARQUE : L’optimisation des hyperparamètres ne peut être surestimée pour obtenir les meilleurs résultats dans toute étude d’apprentissage automatique. Cette étude a utilisé GridSearchCV avec une validation croisée stratifiée de 10 fois pour déterminer les hyperparamètres optimaux pour chaque modèle. GridSearchCV est un outil pour affiner les paramètres d’un modèle. Il fonctionne en bouclant tous les paramètres fournis dans la grille de paramètres et en sélectionnant les meilleures combinaisons. L’ajustement par hyperparamètres est crucial pour identifier la plus grande précision dans chaque modèle. Les hyperparamètres de chaque modèle, y compris la plage, la meilleure valeur et la précision qu’ils ont produite, sont présentés dans le tableau 3.
AlgorithmeNom d’hyperparamètrePlage d’hyperparamètresMeilleur rapport qualité-prixPrécision utilisant la meilleure valeur
K-NNMétrique« Minkowski », « Manhattan », « Euclidien »Minkowski84.21%
N_neighbors3, 5, 7, 9, 11, 135
SVMNoyau« linéaire », « poly », « rbf », « sigmoïde »Linéaire92.76%
Coût (C)1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 1009
Gamma1, 0.1, 0.01, 0.001, 0.00011
XGBoostN_estimators5,01,00,15,02,00,25020089.47%

Tableau 3 : Hyperparamètre optimal. Cela montre l’hyperparamètre optimal de chaque modèle.

Les figures 2 à 4 présentent l’approche de recherche en grille pour la recherche par hyperparamètres des techniques KNN, SVM et XGBoost ainsi que la manière dont elles ont été implémentées en utilisant toutes les fonctionnalités.

figure-protocol-7
Figure 2 : Performance KNN. C’est la performance de KNN sur différents indicateurs et nombres de voisins. Abréviations ; KNN = K voisin le plus proche. Veuillez cliquer ici pour voir une version agrandie de cette figurine.

figure-protocol-8
Figure 3 : Performance des SVM. Voici les performances de SVM avec les valeurs du noyau et de la fonction de coût. Veuillez cliquer ici pour voir une version agrandie de cette figure.

figure-protocol-9
Figure 4 : Performance XGBoost. C’est la performance XGBoost avec des valeurs de booster et de N_estimator différentes. Abréviations ; XGBoost = Augmentation extrême du gradient. Veuillez cliquer ici pour voir une version agrandie de cette figurine.

  1. Créer un classificateur de vote souple pour améliorer encore les performances du modèle en combinant les meilleurs paramètres obtenus à partir des classificateurs KNN et SVM. Il comprend un classificateur KNN et deux classificateurs SVM.
  2. Remplacez un des noyaux de la SVM par « rbf », le deuxième meilleur noyau après « linéaire ».
  3. REMARQUE : Les classificateurs et leurs hyperparamètres respectifs ont été choisis car ils offraient les meilleures performances après de nombreuses tentatives d’essais et d’erreurs sur tous les classificateurs et leurs hyperparamètres. De plus, sur la base d’une longue histoire de traitement des problèmes de diagnostic préventif pour diverses maladies à l’aide de jeux de données cliniques collectés de manière similaire à ceux de14,15, cette combinaison montre une précision diagnostique prometteuse, comme le démontrent davantage les sections expérimentales. Le tableau 4 montre les classificateurs utilisés pour le vote souple, leurs hyperparamètres et la précision produite.
AlgorithmeClassificateursHyperparamètresPrécision
Classificateur à vote soupleK-NNMétriqueMinkowski
N_neighbors5
SVM1NoyauLinéaire
Coût (C)988.81%
Gamma1
SVM2NoyauRBF
Coût (C)9
Gamma1

Tableau 4 : Hyperparamètres du classificateur de vote. Cela montre la combinaison du classificateur de vote et les hyperparamètres.

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Résultats

Performance des modèles
Les performances des quatre modèles créés dans cette étude ont été comparées et analysées en fonction de leur précision, de leur rappel et de leurs tests. L’algorithme GridsearchCV a été utilisé pour identifier le meilleur hyperparamètre pour chaque modèle en utilisant toutes les fonctionnalités. La performance de chaque modèle a été évaluée par une validation croisée stratifiée de 10 fois. Le tableau 5 présente les résultats d...

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Discussion

Dans cette étude, des algorithmes d’apprentissage automatique sur un ensemble de données clinique saoudien sont étudiés afin de développer un modèle diagnostique préventif pour l’hypothyroïdie. Quatre modèles ont été créés : KNN, SVM, XGBoost et Soft Voting Ensemble Clasifier. Les quatre modèles ont identifié l’âge et la fréquence respiratoire comme indicateurs significatifs dans le diagnostic préventif de la maladie. Parmi les quatre modèles, le Classificateur de Vote a démontré une per...

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Déclarations de divulgation

Le jeu de données a été obtenu auprès de l’hôpital sous le cadre de l’IRB-2020-09-429. Les auteurs n’ont aucun conflit d’intérêts à signaler concernant l’étude en cours.

Remerciements

Les auteurs souhaitent reconnaître le soutien des professionnels de santé pour la validation des résultats de l’étude.

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Matériaux

Liste des matériaux utilisés dans cet article
NomEntrepriseNuméro de catalogueCommentaires
Ordinateur portable/machineDellXPS9320RAM 16 Go, Intel(R) Core i7-1260P 12e génération
Excel 365MicrosoftExcel 365Utilisé pour stocker des données brutes au format csv
Python 3.12.12Google colab Notebook  ;Python 3.12.12Utilisé pour la formation à la construction de modèles & nbsp ;
Numpy 2.0.2Google colab Notebook  ;Numpy 2.0.2Utilisé pour la formation à la construction de modèles & nbsp ;
Pandas 2.2.2Google colab Notebook  ;Pandas 2.2.2Utilisé pour la formation à la construction de modèles & nbsp ;
Sklearn 1.6.1Google colab Notebook  ;Sklearn 1.6.1Utilisé pour la formation à la construction de modèles & nbsp ;
Mlxtend 0.23.4Google colab Notebook  ;Mlxtend 0.23.4Utilisé pour la formation à la construction de modèles & nbsp ;
XGbbost 3.1.2Google colab Notebook  ;XGbbost 3.1.2Utilisé pour la formation à la construction de modèles & nbsp ;
SPSS  ;IBM, USASklearn 1.6.1Utilisé pour l’analyse statistique.

Références

  1. Biondi, B., Kahaly, G. J., Robertson, R. P. Thyroid dysfunction and diabetes mellitus: two closely associated disorders. Endocr Rev. 40 (3), 789-824 (2018).
  2. Khan, A., Khan, M. M. A., Akhtar, S. Thyroid disorders, etiology and prevalence. J. Med. Sci. 2 (2), 89-94 (2002).
  3. Bianco, A. C. Hypothyroidism. Lancet. 390 (10101), 1550-1562 (2019).
  4. Chiovato, L., Magri, F., Carle, A. Hypothyroidism in context: where we’ve been and where we’re going. Adv. Ther. 36 (2), 47-58 (2019).
  5. Alzahrani, A. S., et al. Diagnosis and management of hypothyroidism in gulf cooperation council (GCC) countries. Adv. Ther. 37 (7), 3097-3111 (2020).
  6. Alhajri, A. H. M., Saleh Al Saad, A. M. S., Idrees, H., Hamednalla Mohamed, O. M., Mohammednoor, M., et al. Prevalence and risk factors of subclinical and overt hypothyroidism in Saudi Arabia: A Systematic Review. Cureus. 17 (6), e86336(2025).
  7. Gaitonde, D. Y., Rowley, K. D., Sweeney, L. B. Hypothyroidism: An update. Am. Fam. Physician. 86 (3), 244-251 (2012).
  8. Bianco, A. C. Emerging therapies in hypothyroidism. Annu. Rev. Med. 75, 307-319 (2024).
  9. Pulungan, A. B., Oldenkamp, M. E., Sarinus, A., Van Trotsenburg, P., Windarti, W., et al. Effect of delayed diagnosis and treatment of congenital hypothyroidism on intelligence and quality of life: an observational study. Horm. Res. Paediatr. 28 (4), 396-401 (2019).
  10. Musleh, D., Rahman, A., Almossaeed, H., Balhareth, F., Alqahtani, G., et al. AI-enabled diagnosis using YOLOv9: leveraging X-Ray image analysis in dentistry. Big Data Cogn. Comput. 10 (1), 16(2026).
  11. Alassaf, R. A., et al. Preemptive diagnosis of chronic kidney disease using machine learning techniques. International Conference on Innovations in Information Technology (IIT), Al Ain, United Arab Emirates, , 99-104 (2018).
  12. Rahman, A., Youldash, M., Alshammari, G., Sebiany, A., Alzayat, J., et al. Diabetic retinopathy detection: a hybrid intelligent approach. Comput. Mat. Contin. 80 (3), 4561-4576 (2024).
  13. Luca, M., Cimitile, M., Iammarino, M., Iammarino, M. Thyroid disease treatment prediction with machine learning approaches. Procedia Comput. Sci. 192, 1031-1040 (2021).
  14. Olatunji, S. O., Alansari, A., Alkhorasani, H., Alsubaii, M., Sakloua, R., et al. Preemptive diagnosis of Alzheimer's disease in the eastern province of Saudi Arabia using computational intelligence techniques. Comput. Intell. Neurosci. 2022, 5476714(2022).
  15. Olatunji, S. O., Alansari, A., Alkhorasani, H., Alsubaii, M., Sakloua, R., et al. A novel ensemble-based technique for the preemptive diagnosis of Rheumatoid Arthritis disease in the eastern province of Saudi Arabia using clinical data. Comput Math Methods Med. 2022, 2339546(2022).
  16. Rahman, A. Geo-spatial disease clustering for public health decision making. Informatica. 46 (6), 21-32 (2022).
  17. Gollapalli, M., Rahman, A., Kudos, S. A., Foula, M. S., Alkhalifa, A. M., et al. Appendicitis diagnosis: ensemble machine learning and explainable artificial intelligence-based comprehensive approach. Big Data Cogn. Comput. 8 (9), 108(2024).
  18. Youldash, M., Rahman, A., Alsayed, M., Sebiany, A., Alzayat, J., et al. Early detection and classification of diabetic retinopathy: a deep learning approach. AI. 5 (4), 2586-2617 (2024).
  19. Zagrouba, R., Khan, M. A., et al. Modelling and simulation of COVID-19 outbreak prediction using supervised machine learning. Comput. Mat. Contin. 66 (3), 2397-2407 (2021).
  20. Wu, X., et al. Top 10 algorithms in data mining. Knowl. Inf. Syst. 14 (1), 1-37 (2008).
  21. Chen, T., Guestrin, C. XGBoost: A Scalable tree boosting system. Proc. ACM SIGKDD, 1, 785-794 (2016).
  22. Atta-ur-Rahman,, Sultan, K., Naseer, I., Majeed, R., Musleh, D., et al. Supervised machine learning-based prediction of COVID-19. Comput. Mat. Contin. 69 (1), 21-34 (2021).
  23. Chang, W., et al. A machine-learning-based prediction method for hypertension outcomes based on medical data. Diagnostics. 9 (4), 178(2019).
  24. Akhtar, T., et al. Effective voting ensemble of homogenous ensembling with multiple attribute-selection approaches for improved identification of thyroid disorder. Electronics. 10 (23), 3026(2021).
  25. Li, Y., et al. Serum Raman spectroscopy combined with deep neural network for analysis and rapid screening of hyperthyroidism and hypothyroidism. Photodiagnosis Photodyn. Ther. 35, 102382(2021).
  26. Ren, W., et al. Dosiomics-based prediction of radiation-induced hypothyroidism in Nasopharyngeal Carcinoma patients. Phys. Medica. 89, 219-225 (2021).
  27. Hu, M., et al. Development and preliminary validation of a machine learning system for thyroid dysfunction diagnosis based on routine laboratory tests. Commun Med. 2 (1), 9(2022).
  28. Chaganti, R., Rustam, F., De La Torre Díez, I., Mazón, J. L. V., Rodríguez, C. L., et al. Thyroid disease prediction using selective features and machine learning techniques. Cancers. 14 (16), 3914(2022).
  29. Almahshi, H. M., Almasri, E. A., Alquran, H., Mustafa, W. A., Alkhayyat, A. Hypothyroidism prediction and detection using machine learning. IICETA, , 159-163 (2022).
  30. Geetha, K., Baboo, S. S. An empirical model for thyroid disease classification using evolutionary multivariate Bayesian prediction method. Glob. J. Comput. Sci. Technol. 16 (1), 1-10 (2016).
  31. Islam, S. S., Haque, S., Miah, M. S. U., Bin, T. Application of machine learning algorithms to predict the thyroid disease risk: an experimental comparative study. PeerJ Comput. Sci. 8 (1), e898 1-35 (2022).
  32. Jha, R., Bhattacharjee, V., Mustafi, A. Increasing the prediction accuracy for thyroid disease: a step towards better health for society. Wirel. Pers. Commun. 122 (2), 1921-1938 (2022).
  33. Cicek, I. B., Kucukakcali, Z. Classification of hypothyroid disease with extreme learning Machine Model. J. Cogn. Syst. 5 (2), 64-68 (2020).
  34. Res, A. M., Evren, B. Estimating hypothyroidism with the bagged CART model based on clinical dataset and identification of risk factors. Ann. Med. Res. 29 (10), 1189-1193 (2022).
  35. Guleria, K., Sharma, S., Kumar, S., Tiwari, S. Early prediction of hypothyroidism and multiclass classification using predictive machine learning and deep learning. Meas. Sensors. 24, 100482(2022).
  36. Bach, M. New undersampling method based on the kNN approach. Procedia Comput Sci. 207 (1), 3403-3412 (2022).
  37. Sajjad, M., Ismail, M., Atta-ur-Rahman,, et al. Generalized and open selection approaches for the population mean: accounting for non-response and measurement error in single-phase sampling. J Stat Theory Appl. 24, 394-411 (2025).
  38. Dash, S., Biswa, S., Banerjee, D., Rahman, A. Edge and fog computing in healthcare: a review. Scalable Computing: Practice and Experience. 20 (2), 191-205 (2019).
  39. Hantom, W. H., Rahman, A. Arabic spam tweets classification: A comprehensive machine learning approach. AI. 5 (3), 1049-1065 (2024).
  40. Arafat, H., Alfeilat, A., Hassanat, A. B. A., Lasassmeh, O., Tarawneh, A. S. Effects of distance measure choice on k-nearest neighbor classifier performance: a review. Big Data. 7 (4), 221-248 (2019).
  41. Brereton, R. G., Lloyd, G. R. Support vector machines for classification and regression. Analyst. 135 (2), 230-267 (2010).
  42. Musleh, D. A., Olatunji, S. O., Almajed, A. A., Alghamdi, A. S., Alamoudi, B. K., et al. Ensemble learning based sustainable approach to carbonate reservoirs permeability prediction. Sustainability. 15 (19), 14403(2023).
  43. Vapnik, V., Golowich, S. E., Ave, M., Hill, M. Support vector method for function approximation, regression estimation, and signal processing. NIPS'96: Proceedings of the 10th International Conference on Neural Information Processing Systems, , 281-287 (1996).
  44. Noble, W. S. What is a support vector machine? Nat. Biotechnol. 24 (12), 1565-1567 (2006).
  45. Sharifmousavi, S. S., Borhani, M. S. Support vector machine-based model for diagnosis of multiple sclerosis using the plasma levels of selenium, vitamin B12, and vitamin D3. Informatics Med. Unlocked. 20, 100382(2020).
  46. Brownlee, J. A Gentle introduction to XGBoost for applied machine learning. , MachineLearningMastery.com (2021).
  47. Chen, M., Liu, Q., Chen, S., Liu, Y., Zhang, C., et al. XGBoost-based algorithm interpretation and application on post-fault transient stability status prediction of power system. IEEE Access. 7 (1), 13149-13158 (2019).
  48. Alabbad, D. A., Ajibi, S. Y., Alotaibi, R. B., Alsqer, N. K., Alqahtani, R. A., et al. Birthweight range prediction and classification: a machine learning-based sustainable approach. Mach. Learn. Knowl. Extr. 6 (2), 770-788 (2024).
  49. Ahmed, M. I. B., Zaghdoud, R. A., Al-Abdulqader, M., Kurdi, M., Altamimi, R., et al. Ensemble machine learning based identification of adult epilepsy. Math. Model. Eng. Probl. 10 (1), 84-92 (2023).
  50. Manconi, A., Armano, G., Gnocchi, M., Milanesi, L. A soft-voting ensemble classifier for detecting patients affected by COVID-19. Appl. Sci. 12 (1), 7554(2022).
  51. Gollapalli, M., et al. A novel stacking ensemble for detecting three types of diabetes mellitus using a Saudi Arabian dataset: pre-diabetes, T1DM, and T2DM. Comput. Biol. Med. 147, 105757(2022).
  52. Rahman, A., Abbas, S., Gollapalli, M., Ahmed, R., Aftab, S., et al. Rainfall prediction system using machine learning fusion for smart cities. Sensors. 22 (9), 3504(2022).
  53. Alotaibi, S. M., Atta-ur-Rahman,, Basheer, M. I., Khan, M. A. Ensemble machine learning based identification of pediatric epilepsy. Comput. Mat. Contin. 68 (1), 149-165 (2021).
  54. Adnan Khan, M., Abbas, S., Atta, A., Ditta, A., Alquhayz, H., et al. Intelligent cloud-based heart disease prediction system empowered with supervised machine learning. Comput. Mat. Contin. 65 (1), 139-151 (2020).
  55. Sharma, R., Mahanti, G. K., Panda, G., Rath, A., Dash, S., et al. Comparative performance analysis of binary variants of FOX optimization algorithm with half-quadratic ensemble ranking method for thyroid cancer detection. Sci. Rep. 13 (1), 19598(2023).
  56. Ahmed, M. S., Rahman, A., AlGhamdi, F., AlDakheel, S., Hakami, H., et al. Joint diagnosis of pneumonia, COVID-19, and tuberculosis from chest x-ray images: a deep learning approach. Diagn. 13 (15), 2562(2023).
  57. Dalal, S., Lilhore, U. K., Faujdar, N., et al. Enhancing thyroid disease prediction with improved XGBoost model and bias management techniques. Multimed Tools Appl. 84, 16757-16788 (2025).
  58. Rahman, A. Solar panel surface defect and dust detection: deep learning approach. J. Imaging. 11 (9), 287(2025).
  59. Sadek, S. H., Khalifa, W. A., Azoz, A. M. Pulmonary consequences of hypothyroidism. Ann. Thorac. Med. 12 (3), 204-208 (2017).
  60. Haghbin, M., Razmjooei, F., Abbasi, F., Rouhie, R., Pourabbas, P., et al. Evaluation of the hematological parameters, inflammatory biomarkers, and thyroid hormones in hypothyroidism patients. BMC Res. Notes. 17 (1), 390(2024).

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Réimpressions et autorisations

Mots-clés

Diagnostic de l hypothyro dieApprentissage automatiqueClassifieur vote pond rAlgorithme SVMAlgorithme KNNGradient BoostingJeu de donn es cliniquesS lection de caract ristiques
Contactez-nous
Recommander à la bibliothèque

Confidentialité

Conditions d'utilisation

Politiques

Copyright © 2026 MyJoVE Corporation. Tous droits réservés.