Cet article propose un cadre d'analyse d'images mobile pour le diagnostic précoce de l'arsenicose, un grave problème de santé publique en Asie du Sud et du Sud-Est. Nous avons constitué un ensemble de données sur les maladies cutanées induites par l'arsenic et d'autres affections cutanées, contenant plus de 11 000 images, et comparé et évalué des modèles basés sur CNN et Transformer. Le modèle Swin Transformer a obtenu les meilleures performances, avec une précision de 86 %. L'interprétabilité du modèle a été améliorée grâce à LIME et Grad-CAM. Son applicabilité pratique a également été démontrée grâce à un outil de diagnostic en ligne. Cette étude démontre le potentiel d'un diagnostic de l'arsenicose non invasif, accessible et explicable grâce à des images mobiles.
