Kavya Kopparapu, teenager který žije ve Virginii, používal k tomu smartphone, 3D tiskárnu a umělou inteligenci vyvinout eyeagnosis, přenosný diagnostický systém a levné na diagnostiku diabetická retinopatie. Toto onemocnění je komplikací cukrovky poškozuje krevní cévy na sítnici člověka a může vést k poškození zraku.
Kopparapu se celý život zajímala o vědu a poté, co se zúčastnila programového workshopu pořádaného Národním centrem pro ženy a informační technologie, přidala programování ke svým koníčkům.
Kopparapův dědeček, který žije v Indii, začal projevovat příznaky nemoci v 2013. Často to může zůstat bez povšimnutí, a přestože to bylo nakonec diagnostikováno a léčeno, jeho zrak se zhoršil. Podle Kopparapu z celkového počtu 415 milionů lidí s diabetem, jedna třetina vyvine diabetickou retinopatii, a přestože léky a chirurgický zákrok mohou zastavit nebo dokonce zvrátit poškození očí, pokud jsou zachyceny v průběhu času, 50% nebude diagnostikovánopolovina pacientů s těžkými formami oslepne za pět let.
„Nedostatek diagnózy je největší výzvou. V Indii existují programy, které vysílají lékaře do vesnic a slumů, ale existuje mnoho pacientů a jen mnoho oftalmologů.
Napadlo ho, jestli existuje snadný a levný způsob diagnostiky onemocněnía objevila se myšlenka na Eyagnosis, systém, který by dokázal proměnit zdlouhavý a nákladný diagnostický postup v jednoduchou fotografickou relaci. Kopparapu se pustil do práce, trávil spoustu času na Googlu a e-mailem s lékaři a výzkumníky, než vytvořil plán. Spojila se se svým bratrem a spolužákem a použil konvoluční neuronovou síť (CNN) založit diagnostickou AI za Eyeagnosis. Neuronové sítě analyzovat velké soubory dat a hledat podobné vzory, Vzhledem k tomu, že design připomíná vizuální systém lidského mozku, jsou CNN vynikající pro klasifikaci.
K vybudování své sítě použila ResNet-50, CNN vyvinutou vědci Microsoftu, a použila 34.000 XNUMX sítnicových skenerů nalezen v databáze EyeGene z Národního zdravotního ústavu v Americe (NIH) jako učící se data, takže ona a její tým mohli naučit systém AI rozpoznávat příznaky nemoci na fotografiích očí a stanovit předběžnou diagnózu. Mnoho obrázků v databázi bylo špatně exponovaných nebo rozmazaných, ale podle Kopparapu tento detail pomohl vylepšit systém.
«Kvalita obrázků použitých při učení neuronové sítě je velmi reprezentativní pro podmínky, které by byly získány použitím smartphonu«
Jeho tým trénoval ResNet-50 na detekovat diabetickou retinopatii stejně přesně jako skutečný patolog. Detekuje také mikroaneuryzma a krevní cévy v každém snímku, aniž by bylo nutné injikovat fluorescenční barvivo do diagnostikovaného oka.
Minulý podzim oko Aditya Jyot Nemocnice v Bombaji souhlasila s testováním aplikace Eyeagnosisa v listopadu poslal do nemocnice první 3D tištěný prototyp a systém již hstanovila přesné diagnózy pro pět pacientů.
Eyeagnóza má před sebou dlouhou cestu k diagnostice enormního počtu případů, aby se dokázalo, že jde o spolehlivý systém. Procesy validace, které musí každý projekt související s medicínou sledovat, jsou velmi přísné a pro vás bude jistě obtížné přimět velkou společnost, aby vám chtěla pomoci. Ale všechny tyto obtíže nesnižují velký úspěch tohoto teenagera.