Kavya Kopparapu, tinédzser Virginiában él, okostelefont, 3D nyomtatót és mesterséges intelligenciát használt fejleszteni a szemdiagnózist. egy hordozható diagnosztikai rendszer és olcsó diagnosztizálni Diabéteszes retinopátia. Ez a betegség a cukorbetegség szövődménye, amely károsítja az ereket az ember retináján, és látásromláshoz vezethet.
Kopparapu egész életében a tudomány iránt érdeklődött, és miután részt vett az Országos Női és Információs Technológiai Központ által szervezett programozási műhelyen, hobbijaihoz programozást adott.
Kopparapu nagyapja, aki Indiában él, tüneteket kezdtek mutatni a betegség 2013. Gyakran észrevétlen maradhat, és bár végül diagnosztizálták és kezelték, látása romlott. Kopparapu szerint az összesből 415 millió cukorbeteg ember, egyharmada diabéteszes retinopathiát fog kialakítani, és bár a gyógyszeres kezelés és a műtét megállíthatja vagy akár visszafordíthatja a szem károsodását, ha idővel elkapja őket, a 50% -át nem diagnosztizálják, a súlyos formájú betegek fele öt év múlva megvakul.
«A diagnózis hiánya jelenti a legnagyobb kihívást. Indiában vannak olyan programok, amelyek falvakba és nyomornegyedekbe küldik az orvosokat, de sok a beteg, és csak sok a szemész.
Kíváncsi volt, van-e a a betegség diagnosztizálásának egyszerű és olcsó módja, és megjelent az Eyagnosis ötlete, egy olyan rendszer, amely hosszú és drága diagnosztikai eljárást egyszerű fotómunkává alakíthat. Kopparapu dolgozni kezdett, sok időt töltött a Google-n, és e-mailt küldött az orvosoknak és a kutatóknak, mielőtt megfogalmazta volna a tervet. Összeállt testvérével és osztálytársával, és konvolúciós ideghálózatot (CNN) használt hogy létrehozza a diagnosztikai AI-t az Eyeagnosis mögött. Ideghálózatok elemezzen nagy adathalmazokat és keressen hasonló mintákat, Mivel a kialakítás hasonlít az emberi agy vizuális rendszeréhez, a CNN-ek kiválóan osztályozhatók.
A ResNet-50-et, a Microsoft kutatói által fejlesztett CNN-t használta hálózatának kiépítéséhez, és a 34.000 XNUMX retinaszkenner megtalálható a adatbázis EyeGene az Amerikai Nemzeti Egészségügyi Intézettől (NIH) mint tanulási adatok, így ő és csapata megtaníthatná az AI rendszert a betegség jeleinek felismerésére a szemfotókon és előzetes diagnózis felállítására. Az adatbázisban található képek közül sok rosszul volt kitéve vagy elmosódott, de Kopparapu szerint ez a részlet hozzájárult a rendszer fejlesztéséhez.
"Az ideghálózat elsajátításához használt képek minősége nagyon reprezentatív az okostelefon használatával elérhető feltételekhez képest."
Csapata arra képezte a ResNet-50-et ugyanolyan pontosan fedezze fel a diabéteszes retinopathiát, mint egy igazi patológus. Ezenkívül minden képen észleli a mikroaneurizmákat és az ereket anélkül, hogy fluoreszcens festéket kellene beadni a diagnosztizált szembe.
Tavaly ősszel az Aditya Jyot Eye A mumbai kórház beleegyezett az Eyeagnosis alkalmazás tesztelésébe, és novemberben elküldte az első 3D nyomtatott prototípust a kórházba, és a rendszer már hpontos diagnózist állapított meg öt betegnél.
A szemdiagnózisnak hosszú utat kell megtennie, hogy rengeteg esetet diagnosztizálhasson annak bizonyítására, hogy ez egy megbízható rendszer. Az ellenőrzési folyamatok, amelyeket az orvostudományhoz kapcsolódó projekteknek követniük kell, nagyon szigorúak, és biztosan nehéz lesz elérni, hogy egy nagyvállalat segíteni akarjon Önnek. De ezek a nehézségek nem vonják le e tinédzser nagy teljesítményét.