Kavya Kopparapu, una adolescente que vive en Virginia, usó un smartphone, una impresora 3D y inteligencia artificial para desarrollar Eyeagnosis. Un sistema de diagnóstico portátil y barato para diagnosticar la retinopatÃa diabética. Esta enfermedad es una complicación de la diabetes que daña los vasos sanguÃneos en la retina de una persona y puede conducir a la discapacidad visual.
Kopparapu, se ha interesado por la ciencia toda su vida y después de asistir a un taller de programación organizado por el Centro Nacional para la Mujer y la TecnologÃa de la Información ha añadido a sus aficiones la programación
El abuelo de Kopparapu, que vive en la India, comenzó a mostrar sÃntomas de la enfermedad en 2013. A menudo puede pasar desapercibido, y aunque finalmente fue diagnosticado y tratado, su visión se deterioró. De acuerdo con Kopparapu, de un total de 415 millones de personas con diabetes, un tercio desarrollará retinopatÃa diabética, y aunque la medicación y la cirugÃa pueden detener o incluso revertir los daños oculares si se capturan en el tiempo, el 50% no serán diagnosticados, la mitad de los pacientes con formas graves se quedarán ciegos en cinco años.
«La falta de diagnóstico es el mayor desafÃo. En la India, hay programas que envÃan a los médicos a las aldeas y a los barrios marginales, pero hay muchos pacientes y sólo muchos oftalmólogos «
Se preguntó si habÃa una manera fácil y barata de diagnosticar la enfermedad, y surgió la idea de Eyagnosis, un sistema que podrÃa convertir un procedimiento de diagnóstico largo y costoso en una simple sesión de fotos. Kopparapu se puso a trabajar, pasando mucho tiempo en Google y enviando correos electrónicos a médicos e investigadores, antes de formular un plan. Ella se asoció con su hermano y compañero de clase, y usaron una red neuronal convolucional (CNN) para establecer la IA diagnóstica detrás del Eyeagnosis. Las redes neuronales analizan grandes conjuntos de datos y buscan patrones similares, ya que el diseño se asemeja al sistema visual del cerebro humano, las CNN son excelentes para la clasificación.
Utilizó ResNet-50, una CNN desarrollada por investigadores de Microsoft, para construir su red, y utilizó los 34.000 escáneres retinales encontrados en la base de datos EyeGene del Instituto Nacional de Salud en América (NIH) como datos de aprendizaje, por lo que ella y su equipo podrÃa enseñar el sistema de AI para reconocer los signos de la enfermedad en las fotos de los ojos y dar un diagnóstico preliminar. Muchas de las imágenes de la base de datos estaban mal expuestas o borrosas, pero según Kopparapu, este detalle ha ayudado a mejorar el sistema.
«La calidad de las imágenes utilizadas en el aprendizaje de la red neuronal es muy representativa de las condiciones que se obtendrÃan con el uso de un teléfono inteligente «
Su equipo entrenó a ResNet-50 para detectar la retinopatÃa diabética con la misma precisión que un patólogo real. También detecta microaneurismas y vasos sanguÃneos en cada imagen sin necesidad de tener que inyectar colorante fluorescente en el ojo diagnosticado.
El otoño pasado, el Aditya Jyot Eye Hospital en Mumbai aceptó probar la aplicación Eyeagnosis, y en noviembre, envió el primer prototipo impreso 3D al hospital, y el sistema ya ha hecho diagnósticos precisos para cinco pacientes.
A Eyeagnosis le queda un largo camino por delante en el que diagnosticar un enorme cantidad de casos para demostrar que es un sistema fiable. Los procesos de validación que debe seguir todo proyecto relacionado con la medicina son muy rigurosos y seguramente le será difÃcil conseguir que alguna gran empresa quiera ayudarle. Pero todas estas dificultades no restan mérito al gran logro de esta adolescente.