Kavya Kopparapu, uma adolescente morando na Virgínia, usei um smartphone, impressora 3D e inteligência artificial para desenvolver diagnóstico visual. um sistema de diagnóstico portátil e barato para diagnosticar retinopatia diabética. Esta doença é uma complicação do diabetes que danifica os vasos sanguíneos na retina de uma pessoa e pode causar deficiência visual.
Kopparapu sempre se interessou por ciências e depois de participar de um workshop de programação organizado pelo Centro Nacional para Mulheres e Tecnologia da Informação, ela acrescentou programação a seus hobbies.
Avô de Kopparapu, que mora na Índia, começou a mostrar sintomas da doença em 2013. Muitas vezes, pode passar despercebido e, embora tenha sido eventualmente diagnosticado e tratado, a visão dele deteriorou. De acordo com Kopparapu, de um total de 415 milhões de pessoas com diabetes, um terço desenvolverá retinopatia diabética, e embora a medicação e a cirurgia possam interromper ou até reverter os danos aos olhos se detectados com o tempo, 50% não serão diagnosticados, metade dos pacientes com formas graves ficará cega em cinco anos.
«A falta de diagnóstico é o maior desafio. Na Índia, existem programas que enviam médicos para vilas e favelas, mas há muitos pacientes e apenas muitos oftalmologistas.
Ele se perguntou se havia um maneira fácil e barata de diagnosticar a doença, e surgiu a ideia do Eyagnosis, um sistema que poderia transformar um procedimento de diagnóstico demorado e caro em uma simples sessão de fotos. Kopparapu começou a trabalhar, passando muito tempo no Google e mandando e-mails para médicos e pesquisadores antes de formular um plano. Ela se juntou a seu irmão e colega de classe, e usou uma rede neural convolucional (CNN) para estabelecer o diagnóstico AI por trás do Eyeagnosis. Redes neurais analisar grandes conjuntos de dados e procurar padrões semelhantes, Uma vez que o design se assemelha ao sistema visual do cérebro humano, as CNNs são excelentes para classificação.
Ele usou o ResNet-50, um CNN desenvolvido por pesquisadores da Microsoft, para construir sua rede, e usou o 34.000 scanners de retina encontrado no banco de dados EyeGene do National Institute of Health in America (NIH) como dados de aprendizagem, para que ela e sua equipe pudessem ensinar o sistema de IA a reconhecer os sinais de doenças em fotos dos olhos e fornecer um diagnóstico preliminar. Muitas das imagens do banco de dados estavam mal expostas ou desfocadas, mas de acordo com Kopparapu, esse detalhe ajudou a melhorar o sistema.
«A qualidade das imagens utilizadas na aprendizagem da rede neural é muito representativa das condições que seriam obtidas com a utilização de um smartphone«
Sua equipe treinou o ResNet-50 para detectar retinopatia diabética com a mesma precisão de um patologista real. Ele também detecta microaneurismas e vasos sanguíneos em cada imagem sem a necessidade de injetar corante fluorescente no olho diagnosticado.
No outono passado, o Aditya Jyot Eye Hospital em Mumbai concordou em testar o aplicativo Eyeagnosis, e em novembro, enviou o primeiro protótipo impresso em 3D para o hospital, e o sistema já hfez diagnósticos precisos para cinco pacientes.
Eyeagnosis tem um longo caminho a percorrer para diagnosticar um enorme número de casos para provar que é um sistema confiável. Os processos de validação que todo projeto relacionado à medicina deve seguir são muito rigorosos e certamente será difícil para você conseguir que uma grande empresa queira te ajudar. Mas todas essas dificuldades não diminuem a grande conquista desse adolescente.