Automated Disease Prediction and Prescription System with Regional Kannada Synonym Integration

Résumé Technique : Système Automatisé de Prédiction de Maladies et de Prescription avec Intégration de Synonymes Régionaux en Kannada

Énoncé du Problème
L'efficacité de la prestation des soins de santé repose largement sur une communication claire entre les prestataires et les patients. Dans les régions multilingues, les barrières linguistiques entraînent fréquemment des erreurs de diagnostic, des erreurs de médication et des résultats sous-optimaux pour les patients. Bien que la traduction automatique neuronale (NMT) ait progressé de manière significative, les solutions existantes telles que Google Translate et Whisper échouent souvent à traduire avec précision les langues à faibles ressources, particulièrement lorsqu'il s'agit de dialectes régionaux et de synonymes médicaux. Au Karnataka, en Inde, les patients décrivent souvent la même maladie en utilisant différents termes synonymes du kannada régional que les outils de traduction standards interprètent mal ou traduisent littéralement (par exemple, traduire un terme régional pour « démangeaison » par « petit-déjeuner » ou « irritation »). De plus, l'absence de jeux de données médicaux publics et de grande échelle pour ces paires de langues spécifiques limite le développement de modèles de traduction robustes et adaptables au domaine.

Méthodologie
Les auteurs proposent un système automatisé qui intègre la conversion de la parole en texte, une traduction automatique sensible aux synonymes régionaux et la prédiction de maladies. Le pipeline technique central comprend :

1. Collecte et Prétraitement des Données : Un jeu de données personnalisé d'environ 900 paires de phrases Kannada-Anglais a été créé, se concentrant sur les symptômes des patients et les descriptions de maladies. Les données ont subi un nettoyage (mise en minuscule, suppression des caractères spéciaux), une tokenisation et la création d'un vocabulaire.
2. Architecture du Modèle : Le système utilise une architecture de réseau de neurones récurrents (RNN), utilisant spécifiquement des unités de mémoire à long et court terme (Long Short-Term Memory - LSTM) pour gérer les données séquentielles et les dépendances à long terme.
   • Cadre Encodeur-Décodeur : Un encodeur traite le texte kannada d'entrée en un vecteur de dimension fixe (états cachés et de cellule), tandis qu'un décodeur génère la traduction anglaise.
   • Mécanismes d'Attention : Le modèle intègre des mécanismes d'attention générale et globale pour permettre au décodeur de se concentrer dynamiquement sur les parties pertinentes de la phrase source, atténuant ainsi le goulot d'étranglement informationnel des modèles encodeur-décodeur standards.
   • Stratégie d'Entraînement : L'algorithme de Teacher Forcing est utilisé pendant l'entraînement pour fournir au décodeur des sorties de référence précises, améliorant ainsi la convergence.
   • Décodage : Les approches de décodage glouton (Greedy Decoding) et de recherche par faisceau (Beam Search) ont été évaluées pour optimiser la fluidité et la précision de la traduction.
3. Intégration des Synonymes : Une composante clé de la méthodologie est la capacité du système à reconnaître les synonymes régionaux du kannada pour les maladies. Contrairement aux traducteurs standards qui peuvent échouer sur les variations dialectales, ce modèle est entraîné pour mapper ces variations régionales vers la terminologie médicale correcte en anglais.
4. Prédiction de Prescription : Une fois le texte traduit et la maladie identifiée, le système interroge un jeu de données pour prédire la médication correspondante.

Principales Contributions

• Gestion des Synonymes Régionaux : Le développement d'un modèle de traduction spécifiquement conçu pour gérer les paires Kannada-Anglais avec un accent sur les synonymes médicaux régionaux, comblant une lacune où les outils comme Google Translate échouent fréquemment.
• Implémentation Architecturale : L'intégration des mécanismes d'attention et de l'algorithme de teacher forcing au sein d'un cadre RNN-LSTM pour améliorer la qualité de la traduction pour les langues à faibles ressources.
• Évaluation Comparative : Une comparaison exhaustive du modèle proposé par rapport à Google Translate et au traducteur Whisper, démontrant une performance supérieure dans des contextes médicaux spécifiques.
• Création de Jeu de Données : La création d'un jeu de données spécialisé d'environ 900 phrases de symptômes de patients pour faciliter l'entraînement et l'évaluation dans ce domaine.

Résultats
Le système proposé a été évalué à l'aide des métriques NMT standards : BLEU, METEOR et Translation Edit Rate (TER).

• Précision de Traduction : Le modèle proposé a atteint une plage de scores BLEU de 41,5–31,8 et un score METEOR de 52,2 %, surpassant Google Translator (BLEU 35,8–28,4, METEOR 39,5 %) et le traducteur Whisper (BLEU 39,8–30,8, METEOR 41,5 %).
• Réduction des Erreurs : Le modèle a démontré un taux d'édition de traduction (TER) plus faible de 53,1 % par rapport à 69,2 % pour Google et 64,6 % pour Whisper.
• Reconnaissance de Synonymes : Lors de tests qualitatifs, le modèle proposé a correctement identifié les termes régionaux pour des maladies telles que « Démangeaison » (traduisant correctement divers termes régionaux en kannada), « Asthme » et « Varices », alors que Google et Whisper produisaient des traductions littérales ou incorrectes (par exemple, traduisant un terme régional pour la démangeaison par « Petit-déjeuner »).
• Prédiction de Prescription : Le système a rapporté une précision de 95 % dans la prédiction des médicaments basés sur les descriptions de maladies traduites, bien que cela soit évalué par rapport aux erreurs de prédiction au sein du contexte spécifique du jeu de données.

Signification et Revendications
L'article affirme que le système parvient à combler le fossé de communication dans les soins de santé pour les populations parlant le kannada en traduisant avec précision les dialectes régionaux et les synonymes que les outils standards ignorent. En permettant aux robots ou aux systèmes automatisés de comprendre les entrées des patients en langage naturel et de prévoir les médicaments appropriés, le système vise à aider les professionnels de santé à gérer plus efficacement les volumes élevés de patients. Les auteurs soulignent que, bien que le système présente des résultats prometteurs, il est conçu pour soutenir, et non remplacer, les professionnels de la santé ; toutes les prescriptions prédites sont destinées à être vérifiées par des spécialistes humains pour garantir la sécurité, reconnaissant les limites de l'IA pour garantir une précision absolue.