Kavya Kopparapu, un'adolescente vivendo in Virginia, ha utilizzato uno smartphone, una stampante 3D e un'intelligenza artificiale per sviluppare diagnosi oculari. un sistema diagnostico portatile ed economico da diagnosticare retinopatia diabetica. Questa malattia è una complicanza del diabete danneggia i vasi sanguigni sulla retina di una persona e può portare a problemi di vista.
Kopparapu, si è interessata alla scienza per tutta la vita e dopo aver frequentato un seminario di programmazione organizzato dal Centro nazionale per le donne e la tecnologia dell'informazione, ha aggiunto la programmazione ai suoi hobby.
Il nonno di Kopparapu, che vive in India, ha iniziato a mostrare i sintomi della malattia in 2013. Spesso può passare inosservato e, sebbene alla fine sia stato diagnosticato e trattato, la sua vista è peggiorata. Secondo Kopparapu, su un totale di 415 milioni di persone con diabete, un terzo svilupperà la retinopatia diabeticae sebbene farmaci e interventi chirurgici possano fermare o addirittura invertire i danni agli occhi se presi nel tempo, il Il 50% non verrà diagnosticato, la metà dei pazienti con forme gravi diventerà cieca in cinque anni.
«La mancanza di diagnosi è la sfida più grande. In India ci sono programmi che inviano medici nei villaggi e nei bassifondi, ma ci sono molti pazienti e solo molti oftalmologi.
Si chiese se ci fosse un file modo semplice ed economico per diagnosticare la malattia, ed è nata l'idea di Eyagnosis, un sistema che potrebbe trasformare una procedura diagnostica lunga e costosa in una semplice sessione fotografica. Kopparapu si è messo al lavoro, trascorrendo molto tempo su Google e inviando email a medici e ricercatori, prima di formulare un piano. Ha collaborato con suo fratello e compagno di classe, e ha utilizzato una rete neurale convoluzionale (CNN) per stabilire l'IA diagnostica dietro Eyeagnosis. Reti neurali analizzare set di dati di grandi dimensioni e cercare modelli simili, Poiché il design ricorda il sistema visivo del cervello umano, le CNN sono eccellenti per la classificazione.
Ha usato ResNet-50, una CNN sviluppata da ricercatori Microsoft, per costruire la sua rete e ha usato il 34.000 scanner retinici trovato in banca dati Eye Gene dal National Institute of Health in America (NIH) come dati di apprendimento, così lei e il suo team potrebbero insegnare al sistema di intelligenza artificiale a riconoscere i segni della malattia nelle foto degli occhi e fornire una diagnosi preliminare. Molte delle immagini nel database erano scarsamente esposte o sfocate, ma secondo Kopparapu, questo dettaglio ha contribuito a migliorare il sistema.
«La qualità delle immagini utilizzate nell'apprendimento della rete neurale è molto rappresentativa delle condizioni che si otterrebbero con l'uso di uno smartphone«
Il suo team ha addestrato ResNet-50 a rilevare la retinopatia diabetica con la stessa precisione di un vero patologo. Rileva anche microaneurismi e vasi sanguigni in ciascuna immagine senza la necessità di iniettare colorante fluorescente nell'occhio diagnosticato.
Lo scorso autunno, l'Aditya Jyot Eye L'ospedale di Mumbai ha accettato di testare l'app Eyeagnosise a novembre ha inviato all'ospedale il primo prototipo stampato in 3D e il sistema ha già hfatto diagnosi accurate per cinque pazienti.
Eyeagnosis ha ancora molta strada da fare per diagnosticare un numero enorme di casi per dimostrare che si tratta di un sistema affidabile. I processi di validazione che ogni progetto relativo alla medicina deve seguire sono molto rigorosi e sarà sicuramente difficile per te convincere una grande azienda a volerti aiutare. Ma tutte queste difficoltà non sminuiscono il grande risultato di questo adolescente.