Кавья Коппарапу, подросток живя в Вирджинии, использовал смартфон, 3D-принтер и искусственный интеллект для разрабатывать глазную диагностику, портативная диагностическая система и дешево диагностировать диабетическая ретинопатия. Это заболевание является осложнением диабета, которое повреждает кровеносные сосуды на сетчатке человека и может привести к ухудшению зрения.
Коппарапу всю жизнь интересовалась наукой, и после посещения семинара по программированию, организованного Национальным центром женщин и информационных технологий, она добавила программирование к своим хобби.
Дед Коппарапу, который живет в Индии, начали проявлять симптомы болезни в 2013. Это часто может остаться незамеченным, и хотя в конечном итоге было диагностировано и вылечено, его зрение ухудшилось. По словам Коппарапу, из общего числа 415 миллионов человек с диабетом, у одной трети разовьется диабетическая ретинопатия, и хотя лекарства и хирургическое вмешательство могут остановить или даже обратить вспять повреждение глаз, если их поймают с течением времени, 50% не будут диагностированы, половина больных тяжелыми формами ослепнет через пять лет.
«Отсутствие диагностики - самая большая проблема. В Индии есть программы, которые отправляют врачей в деревни и трущобы, но там много пациентов и только много офтальмологов »
Он задавался вопросом, есть ли простой и недорогой способ диагностировать болезнь, и появилась идея Eyagnosis, системы, которая могла бы превратить длительную и дорогостоящую диагностическую процедуру в простую фотосессию. Коппарапу приступил к работе, проводя много времени в Google и отправляя электронные письма врачам и исследователям, прежде чем сформулировать план. Она объединилась со своим братом и одноклассником, и использовали сверточную нейронную сеть (CNN) для установления диагностического AI, лежащего в основе Eyeagnosis. Нейронные сети анализировать большие наборы данных и искать похожие закономерности, Поскольку дизайн напоминает зрительную систему человеческого мозга, CNN отлично подходят для классификации.
Он использовал ResNet-50, CNN, разработанный исследователями Microsoft, для построения своей сети, а также 34.000 сканеров сетчатки найдено в база данных EyeGene от Национального института здоровья в Америке (NIH) как обучающие данные, чтобы она и ее команда могли научить систему искусственного интеллекта распознавать признаки болезни на фотографиях глаз и ставить предварительный диагноз. Многие изображения в базе данных были плохо экспонированы или размыты, но, по словам Коппарапу, эта деталь помогла улучшить систему.
«Качество изображений, используемых при обучении нейронной сети, очень репрезентативно для условий, которые могут быть получены при использовании смартфона»
Его команда обучила ResNet-50 выявлять диабетическую ретинопатию так же точно, как и настоящий патолог. Он также обнаруживает микроаневризмы и кровеносные сосуды на каждом изображении без необходимости вводить флуоресцентный краситель в диагностированный глаз.
Прошлой осенью Aditya Jyot Eye Больница в Мумбаи согласилась протестировать приложение Eyeagnosis, а в ноябре она отправила в больницу первый прототип, напечатанный на 3D-принтере, и система ужепоставил точный диагноз пяти пациентам.
Глазной диагностике предстоит пройти долгий путь, чтобы диагностировать огромное количество случаев и доказать, что это надежная система. Процессы валидации, которым должен следовать любой проект, связанный с медициной, очень строг, и вам наверняка будет сложно заставить крупную компанию захотеть вам помочь. Но все эти трудности нисколько не умаляют большого достижения этого подростка.