Kavya Kopparapu, ein Teenager lebte in Virginia, benutzte ein Smartphone, einen 3D-Drucker und künstliche Intelligenz, um Eyeagnose entwickeln. ein tragbares Diagnosesystem und billig zu diagnostizieren diabetische Retinopathie. Diese Krankheit ist eine Komplikation von Diabetes, die schädigt Blutgefäße auf der Netzhaut einer Person und kann zu Sehstörungen führen.
Kopparapu hat sich ihr ganzes Leben lang für Wissenschaft interessiert und nach dem Besuch eines Programmierworkshops, der vom Nationalen Zentrum für Frauen und Informationstechnologie organisiert wurde, hat sie ihre Hobbys um Programmierung erweitert.
Kopparapus Großvater, der in Indien lebt, begann Symptome zu zeigen der Krankheit in 2013. Es kann oft unbemerkt bleiben, und obwohl es schließlich diagnostiziert und behandelt wurde, sein Sehvermögen verschlechterte sich. Laut Kopparapu von insgesamt 415 Millionen Menschen mit Diabetes, Ein Drittel entwickelt eine diabetische Retinopathieund obwohl Medikamente und Operationen Augenschäden stoppen oder sogar rückgängig machen können, wenn sie im Laufe der Zeit gefangen werden, kann die 50% werden nicht diagnostiziertDie Hälfte der Patienten mit schweren Formen erblindet in fünf Jahren.
«Mangelnde Diagnose ist die größte Herausforderung. In Indien gibt es Programme, die Ärzte in Dörfer und Slums schicken, aber es gibt viele Patienten und nur viele Augenärzte.
Er fragte sich, ob es eine gab einfache und kostengünstige Möglichkeit, die Krankheit zu diagnostizierenund die Idee für Eyagnosis entstand, ein System, das ein langwieriges und teures Diagnoseverfahren in eine einfache Fotositzung verwandeln könnte. Kopparapu machte sich an die Arbeit, verbrachte viel Zeit bei Google und schickte Ärzte und Forscher per E-Mail, bevor er einen Plan formulierte. Sie tat sich mit ihrem Bruder und Klassenkameraden zusammen und ein Faltungs-Neuronales Netzwerk (CNN) verwendet die diagnostische KI hinter Eyeagnosis zu etablieren. Neuronale Netze große Datenmengen analysieren und nach ähnlichen Mustern suchen, Da das Design dem visuellen System des menschlichen Gehirns ähnelt, eignen sich CNNs hervorragend zur Klassifizierung.
Er nutzte ResNet-50, ein von Microsoft-Forschern entwickeltes CNN, um sein Netzwerk aufzubauen, und nutzte das 34.000 Netzhaut-Scanner gefunden in der Datenbank EyeGene vom National Institute of Health in Amerika (NIH) als LerndatenSo konnten sie und ihr Team dem KI-System beibringen, die Anzeichen von Krankheiten auf Fotos der Augen zu erkennen und eine vorläufige Diagnose zu stellen. Viele der Bilder in der Datenbank waren schlecht belichtet oder verschwommen, aber laut Kopparapu hat dieses Detail zur Verbesserung des Systems beigetragen.
«Die Qualität der Bilder, die beim Erlernen des neuronalen Netzwerks verwendet werden, ist sehr repräsentativ für die Bedingungen, die mit der Verwendung eines Smartphones erzielt werden würden.«
Sein Team trainierte ResNet-50 zu Erkennen Sie die diabetische Retinopathie genauso genau wie einen echten Pathologen. Es erkennt auch Mikroaneurysmen und Blutgefäße in jedem Bild, ohne dass fluoreszierender Farbstoff in das diagnostizierte Auge injiziert werden muss.
Im vergangenen Herbst das Aditya Jyot Eye Das Krankenhaus in Mumbai erklärte sich bereit, die Eyeagnosis-App zu testenund im November schickte es den ersten 3D-gedruckten Prototyp ins Krankenhaus, und das System hat bereits hmachte genaue Diagnosen für fünf Patienten.
Eyeagnosis hat noch einen langen Weg vor sich, um eine enorme Anzahl von Fällen zu diagnostizieren und zu beweisen, dass es sich um ein zuverlässiges System handelt. Die Validierungsprozesse, denen jedes Projekt in Bezug auf Medizin folgen muss, sind sehr streng und es wird sicherlich schwierig für Sie sein, ein großes Unternehmen dazu zu bringen, Ihnen helfen zu wollen. Aber all diese Schwierigkeiten beeinträchtigen nicht die große Leistung dieses Teenagers.