Résumé

Ce projet explore l’intégration de la blockchain et du machine learning pour sécuriser et améliorer la gestion des données médicales, avec un focus sur les maladies cardiaques. En utilisant la blockchain pour garantir l’intégrité et la traçabilité des données, et des algorithmes de machine learning pour analyser et prédire les diagnostics, l’objectif est d’offrir des outils avancés pour le diagnostic précoce et le traitement des maladies.

Une architecture combinant méthodes agiles et modèle en cascade a été adoptée pour développer un système performant, incluant un modèle de classification basé sur XGBoost atteignant une précision de 93 %. La blockchain assure une sécurité renforcée en rendant les données immuables et transparentes, tandis que le machine learning exploite des volumes massifs de données médicales pour détecter des modèles complexes.

Cette étude met également en évidence des défis, notamment l’accès limité à Internet, les coûts élevés d’implémentation, et la nécessité d’améliorer les infrastructures techniques, tout en soulignant le potentiel de ces technologies pour transformer la gestion des données dans divers domaines de la santé.

Mots-clés : Blockchain, Machine Learning, Données Médicales, Maladies Cardiaques, Sécurité, Diagnostic Prédictif, Santé Numérique.