En Ouganda, un tiers des femmes signalent au moins une issue défavorable à leur grossesse au cours de leur vie, avec une incidence plus élevée de perte de grossesse due à un avortement spontané ou provoqué ou à d’autres causes.

L’équipe vise à créer un algorithme d’apprentissage automatique par classification pour prévoir le risque de fausse couche chez les femmes qui fréquentant les services de soins prénataux et identifier les principaux facteurs qui ont une incidence sur les grossesses qui se terminent par une fausse couche. L’objectif de ce projet est de vérifier si les algorithmes d’apprentissage automatique peuvent permettre de détecter les femmes présentant un risque de fausse couche à l’aide des données collectées lors des soins prénatals.

Le chercheur principal de ce projet est James Bumba, étudiant en master de bioinformatique à l’université de Makerere, en Ouganda. Il a de l’expérience dans la conception, le développement et les essais de logiciels, ainsi que dans l’utilisation de l’intelligence artificielle et de l’apprentissage automatique pour développer des algorithmes prédictifs.