Kavya Kopparapu, una adolescent que viu a Virgínia, va usar un smartphone, una impressora 3D i intel·ligència artificial per desenvolupar Eyeagnosis. Un sistema de diagnòstic portàtil i barat per diagnosticar la retinopatia diabètica. Aquesta malaltia és una complicació de la diabetis que danya els vasos sanguinis a la retina d'una persona i pot conduir a la discapacitat visual.
Kopparapu, s'ha interessat per la ciència tota la seva vida i després d'assistir a un taller de programació organitzat pel Centre Nacional per a la Dona i la Tecnologia de la Informació ha afegit a les seves aficions la programació
L'avi de Kopparapu, Que viu a l'Índia, començar a mostrar símptomes de la malaltia en 2013. Sovint pot passar desapercebut, i encara que finalment va ser diagnosticat i tractat, la seva visió es va deteriorar. D'acord amb Kopparapu, d'un total de 415 milions de persones amb diabetis, un terç desenvoluparà retinopatia diabètica, I tot i que la medicació i la cirurgia poden aturar o fins i tot revertir els danys oculars si es capturen en el temps, el 50% no seran diagnosticats, La meitat dels pacients amb formes greus es quedaran cecs en cinc anys.
«La manca de diagnòstic és el major desafiament. A l'Índia, hi ha programes que envien els metges a les aldees i als barris marginals, però hi ha molts pacients i només molts oftalmòlegs «
Es va preguntar si hi havia una manera fàcil i barata de diagnosticar la malaltia, I va sorgir la idea d'Eyagnosis, un sistema que podria convertir un procediment de diagnòstic llarg i costós en una simple sessió de fotos. Kopparapu es va posar a treballar, passant molt de temps a Google i enviant correus electrònics a metges i investigadors, abans de formular un pla. Ella es va associar amb el seu germà i company de classe, i van usar una xarxa neuronal convolucional (CNN) per establir la IA diagnòstica darrere de l'Eyeagnosis. Les xarxes neuronals analitzen grans conjunts de dades i busquen patrons similars, ja que el disseny s'assembla a el sistema visual de el cervell humà, les CNN són excel·lents per a la classificació.
Va utilitzar ResNet-50, una CNN desenvolupada per investigadors de Microsoft, per construir la seva xarxa, i va utilitzar els 34.000 escàners retinals trobats en la base de dades EyeGene de l'Institut Nacional de Salut a Amèrica (NIH) com a dades d'aprenentatge, De manera que ella i el seu equip podria ensenyar el sistema d'AI per reconèixer els signes de la malaltia en les fotos dels ulls i donar un diagnòstic preliminar. Moltes de les imatges de la base de dades estaven mal exposades o borroses, però segons Kopparapu, aquest detall ha ajudat a millorar el sistema.
«La qualitat de les imatges utilitzades en l'aprenentatge de la xarxa neuronal és molt representativa de les condicions que s'obtindrien amb l'ús d'un telèfon intel·ligent«
El seu equip va entrenar a ResNet-50 per detectar la retinopatia diabètica amb la mateixa precisió que un patòleg real. També detecta microaneurismes i gots sanguinis en cada imatge sense necessitat d'haver de injectar colorant fluorescent a l'ull diagnosticat.
La tardor passat, el Aditya Jyot Eye Hospital a Mumbai va acceptar provar l'aplicació Eyeagnosis, I al novembre, va enviar el primer prototip imprès 3D a l'hospital, i el sistema ja ha fet diagnòstics precisos per a cinc pacients.
A Eyeagnosis li queda un llarg camí per davant en el qual diagnosticar un enorme quantitat de casos per demostrar que és un sistema fiable. Els processos de validació que ha de seguir tot projecte relacionat amb la medicina són molt rigorosos i segurament li serà difícil aconseguir que alguna gran empresa vulgui ajudar-lo. Però totes aquestes dificultats no resten mèrit a la gran fita d'aquesta adolescent.