Kavya Kopparapu, une adolescente vivant en Virginie, a utilisé un smartphone, une imprimante 3D et une intelligence artificielle pour développer des yeux. un système de diagnostic portable et pas cher à diagnostiquer rétinopathie diabétique. Cette maladie est une complication du diabète qui endommage les vaisseaux sanguins sur la rétine d'une personne et peut entraîner une déficience visuelle.
Kopparapu s'est intéressée à la science toute sa vie et après avoir assisté à un atelier de programmation organisé par le Centre national pour les femmes et les technologies de l'information, elle a ajouté la programmation à ses passe-temps.
Grand-père de Kopparapu, qui vit en Inde, a commencé à montrer des symptômes de la maladie dans 2013. Il peut souvent passer inaperçu, et bien qu'il ait finalement été diagnostiqué et traité, sa vision s'est détériorée. Selon Kopparapu, sur un total de 415 millions de personnes atteintes de diabète, un tiers développera une rétinopathie diabétique, et bien que les médicaments et la chirurgie puissent arrêter ou même inverser les dommages oculaires s'ils sont pris au fil du temps, le 50% ne seront pas diagnostiqués, la moitié des patients atteints de formes sévères deviendront aveugles dans cinq ans.
«Le manque de diagnostic est le plus grand défi. En Inde, il existe des programmes qui envoient des médecins dans les villages et les bidonvilles, mais il y a beaucoup de patients et seulement de nombreux ophtalmologistes.
Il se demanda s'il y avait un moyen simple et peu coûteux de diagnostiquer la maladie, et l'idée d'Eyagnosis a émergé, un système qui pourrait transformer une procédure de diagnostic longue et coûteuse en une simple séance photo. Kopparapu s'est mis au travail, passant beaucoup de temps sur Google et envoyant des courriels aux médecins et aux chercheurs, avant de formuler un plan. Elle a fait équipe avec son frère et son camarade de classe, et utilisé un réseau neuronal convolutif (CNN) pour établir l'IA diagnostique derrière Eyeagnosis. Les réseaux de neurones analyser de grands ensembles de données et rechercher des modèles similaires, Étant donné que la conception ressemble au système visuel du cerveau humain, les CNN sont excellents pour la classification.
Il a utilisé ResNet-50, un CNN développé par des chercheurs de Microsoft, pour construire son réseau, et a utilisé le 34.000 scanners rétiniens trouvé dans le base de données OeilGene du National Institute of Health in America (NIH) comme données d'apprentissage, afin qu'elle et son équipe puissent apprendre au système d'IA à reconnaître les signes de maladie sur les photos des yeux et à poser un diagnostic préliminaire. De nombreuses images de la base de données étaient mal exposées ou floues, mais selon Kopparapu, ce détail a contribué à améliorer le système.
«La qualité des images utilisées dans l'apprentissage du réseau de neurones est très représentative des conditions qui seraient obtenues avec l'utilisation d'un smartphone»
Son équipe a formé ResNet-50 pour détecter la rétinopathie diabétique aussi précisément qu'un vrai pathologiste. Il détecte également les microanévrismes et les vaisseaux sanguins dans chaque image sans qu'il soit nécessaire d'injecter un colorant fluorescent dans l'œil diagnostiqué.
L'automne dernier, l'Aditya Jyot Eye L'hôpital de Mumbai a accepté de tester l'application Eyeagnosis, et en novembre, il a envoyé le premier prototype imprimé en 3D à l'hôpital, et le système a déjà hfait des diagnostics précis pour cinq patients.
L'eyeagnosis a un long chemin à parcourir pour diagnostiquer un nombre énorme de cas pour prouver qu'il s'agit d'un système fiable. Les processus de validation que tout projet lié à la médecine doit suivre sont très rigoureux et il vous sera sûrement difficile de faire en sorte qu'une grande entreprise veuille vous aider. Mais toutes ces difficultés n'enlèvent rien à la grande réussite de cet adolescent.