L'UTILISATION DE L'APPRENTISSAGE AUTOMATIQUE DANS LE DÉPISTAGE PRÉCOCE DU CANCER DU COL DE L'UTÉRUS

Résumé

Resumé: Introduction : Le cancer du col de l’utérus est l’une des principales causes de morbidité et de mortalité chez les femmes dans le monde, responsable d’environ 604 000 nouveaux cas et 342 000 décès chaque année, selon les estimations de l’Organisation mondiale de la Santé. Objectif : Analyser, par une revue intégrative de la littérature, l’état de l’art et l’efficacité des algorithmes d’apprentissage automatique appliqués au dépistage précoce du cancer du col de l’utérus. Méthode : Revue narrative de la littérature menée dans la base de données MEDLINE à l’aide de la Bibliothèque virtuelle en santé, en utilisant les descripteurs standardisés de DeCS. Après recherche, filtrage et évaluation de l’éligibilité des études, 9 articles ont constitué l’échantillon final. Résultats : Les techniques d’apprentissage automatique identifiées dans les études, notamment les réseaux neuronaux convolutifs, les algorithmes supervisés et les méthodes hybrides, ont démontré des taux de précision élevés dans l’identification des lésions cervicales. Les résultats ont également indiqué une réduction de la subjectivité diagnostique, une plus grande standardisation et un élargissement potentiel de l’accès au dépistage dans les régions aux infrastructures limitées, ainsi qu’une amélioration de la rapidité et de l’efficacité du processus diagnostique. En conclusion, l’apprentissage automatique se révèle prometteur pour le diagnostic précoce du cancer du col de l’utérus, susceptible de renforcer les politiques publiques et de réduire les inégalités en matière de santé. Toutefois, sa mise en œuvre nécessite des validations locales, la correction des biais algorithmiques et le respect des directives éthiques et réglementaires afin de garantir sa sécurité et son efficacité.

Mots-clés: Apprentissage automatique ; Cancer du col de l’utérus ; Diagnostic précoce ; Soins infirmiers en gynécologie.