Les techniques telles que les réseaux de neurones artificiels, sont les plus couramment utilisées pour l'aide au diagnostic médicale et sont développés par de grand nombre d'équipes de recherche, grâce à leurs simplicités du raisonnement et de leurs performances d'apprentissage inspirés du raisonnement humain. Mais avec la présence d'attributs redondants ou d'attributs fortement bruités dans les bases de données, la performance du système peut se décliner, ce qui nécessite l'utilisation des techniques de sélection de variables qui ont pour objectif de sélectionner ou d'extraire un sous-ensemble optimal de caractéristiques pertinentes pour faire un meilleur apprentissage et assurer une bonne performance du système de classication. Pour éffectuer cette tâche nous avons proposé une méthode appelée OCD (Optimal Cell Damage), elle fait sa sélection en parallèle avec le processus d'apprentissage du réseau de neurones artificiel en se basant sur la notion de pertinence des entrées du réseau.