Kavya Kopparapu, teismeline Virginias elav nutitelefon, 3D-printer ja tehisintellekt arendada silma diagnoosi. kaasaskantav diagnostikasüsteem ja odav diagnoosida Diabeetiline retinopaatia. See haigus on diabeedi komplikatsioon, mis kahjustab veresooni inimese võrkkestal ja võib põhjustada nägemishäireid.
Kopparapu on kogu elu teaduse vastu huvi tundnud ning pärast riikliku naiste- ja infotehnoloogia keskuse korraldatud programmeerimistoas osalemist on ta oma hobidesse lisanud programmeerimise.
Kopparapu vanaisa, kes elab Indias, hakkasid ilmnema sümptomid aastal haigusest 2013. Sageli võib see jääda märkamatuks ja kuigi see lõpuks diagnoositi ja raviti, tema nägemine halvenes. Kopparapu sõnul kokku 415 miljonit diabeetikut, kolmandikul tekib diabeetiline retinopaatiaja kuigi ravimid ja kirurgia võivad aja jooksul kinni jääda, võivad silmakahjustused peatada või isegi tagasi pöörata 50% ei diagnoosita, pooled raskete vormidega patsientidest pimestavad viie aasta pärast.
«Diagnoosi puudumine on suurim väljakutse. Indias on programme, mis suunavad arste küladesse ja slummidesse, kuid on palju patsiente ja ainult palju silmaarste.
Ta mõtles, kas seal on a lihtne ja odav viis haiguse diagnoosimiseksja tekkis Eyagnosis'i idee - süsteem, mis võib muuta pika ja kuluka diagnostilise protseduuri lihtsaks fotosessiooniks. Kopparapu asus tööle, veetis enne plaani koostamist palju aega Google'is ning saatis arstidele ja teadlastele meilisõnumeid. Ta tegi koostööd oma venna ja klassikaaslasega ning kasutas konvolutsioonilist närvivõrku (CNN) diagnostilise tehisintellekti loomiseks silmadiagnoosi taga. Närvivõrgud analüüsida suuri andmekogumeid ja otsida sarnaseid mustreid, Kuna disain sarnaneb inimese aju visuaalsüsteemiga, on CNN-id klassifitseerimiseks suurepärased.
Ta kasutas oma võrgu ehitamiseks Microsofti teadlaste välja töötatud CNN-i ResNet-50 ja kasutas seda 34.000 XNUMX võrkkesta skannerit leitud andmebaas EyeGene Ameerika Riiklikust Tervishoiuinstituudist (NIH) õppimisandmetena, nii et tema ja tema meeskond võiksid õpetada tehisintellekti süsteemi silmade fotodel haigusnähtude tuvastamiseks ja esialgse diagnoosi panemiseks. Paljud andmebaasi kujutised olid halvasti säritatud või hägused, kuid Kopparapu sõnul on see detail aidanud süsteemi parandada.
«Närvivõrgu õppimisel kasutatavate piltide kvaliteet esindab väga palju tingimusi, mis oleks võimalik saada nutitelefoni kasutamisel«
Tema meeskond õpetas ResNet-50-d treenima tuvastada diabeetiline retinopaatia sama täpselt kui tõeline patoloog. Samuti tuvastab see igal pildil mikroaneurüsmid ja veresooned, ilma et oleks vaja diagnoositud silma fluorestsentsvärvi süstida.
Eelmisel sügisel Aditya Jyot Eye Mumbai haigla nõustus rakendust Eyeagnosis testimaja novembris saatis see haiglasse esimese 3D-prinditud prototüübi ja süsteem on juba hpani viie patsiendi kohta täpsed diagnoosid.
Silma diagnoosimisel on vaja teha tohutult palju juhtumeid, et tõestada, et see on usaldusväärne süsteem. Valideerimisprotsessid, mida kõik meditsiiniga seotud projektid peavad järgima, on väga ranged ja kindlasti on teil raske saada suurt ettevõtet soovima teid aidata. Kuid kõik need raskused ei vähenda selle teismelise suurt saavutust.