Si Kavya Kopparapu, isang binatilyo nakatira sa Virginia, gumamit ng isang smartphone, 3D printer, at artipisyal na katalinuhan upang magkaroon ng eyeagnosis. Isang portable diagnostic system at murang ma-diagnose retinopathy ng diabetes. Ang sakit na ito ay isang komplikasyon ng diabetes na nakakasira ng mga daluyan ng dugo sa retina ng isang tao at maaaring humantong sa kapansanan sa paningin.
Si Kopparapu ay interesado sa agham sa buong buhay niya at pagkatapos na dumalo sa isang workshop sa programa na inayos ng National Center for Women and Information Technology, nagdagdag siya ng programa sa kanyang mga libangan.
Lolo ni Kopparapu, na nakatira sa India, nagsimulang magpakita ng mga sintomas ng sakit sa 2013. Madalas itong mapansin, at bagaman sa huli ay nasuri at nagamot ito, lumala ang kanyang paningin. Ayon kay Kopparapu, sa kabuuan ng 415 milyong mga taong may diabetes, isang ikatlo ay magkakaroon ng retinopathy ng diabetes, at kahit na ang gamot at pagtitistis ay maaaring tumigil o kahit mabaligtad ang pagkasira ng mata kung nahuli sa paglipas ng panahon, ang 50% ay hindi masuri, kalahati ng mga pasyente na may malubhang anyo ay magbubulag sa loob ng limang taon.
"Ang kakulangan ng diagnosis ay ang pinakamalaking hamon. Sa India, may mga programa na nagpapadala ng mga doktor sa mga nayon at mga slum, ngunit maraming mga pasyente at maraming ophthalmologist lamang.
Iniisip niya kung may a madali at murang paraan upang masuri ang sakit, at ang ideya para sa Eyagnosis ay lumitaw, isang system na maaaring gawing isang simpleng sesyon ng larawan ang isang mahaba at mamahaling pamamaraang diagnostic. Nagtrabaho si Kopparapu, gumugol ng maraming oras sa Google at nag-email sa mga doktor at mananaliksik, bago bumuo ng isang plano. Nakipagtulungan siya sa kanyang kapatid at kamag-aral, at gumamit ng isang convolutional neural network (CNN) upang maitaguyod ang diagnostic AI sa likod ng Eyeagnosis. Mga neural network pag-aralan ang malalaking hanay ng data at hanapin ang mga katulad na pattern, Dahil ang disenyo ay kahawig ng visual system ng utak ng tao, ang mga CNN ay mahusay para sa pag-uuri.
Gumamit ito ng ResNet-50, isang CNN na binuo ng mga mananaliksik ng Microsoft, upang mabuo ang network nito, at ginamit ang 34.000 retinal scanners matatagpuan sa database EyeGene mula sa National Institute of Health in America (NIH) bilang pag-aaral ng data, sa gayon siya at ang kanyang pangkat ay maaaring magturo sa sistema ng AI upang makilala ang mga palatandaan ng sakit sa mga larawan ng mga mata at magbigay ng paunang pagsusuri. Marami sa mga imahe sa database ay hindi nakalantad o malabo, ngunit ayon kay Kopparapu, ang detalyeng ito ay nakatulong mapabuti ang sistema.
«Ang kalidad ng mga larawang ginamit sa pag-aaral ng neural network ay napaka kinatawan ng mga kundisyon na makukuha sa paggamit ng isang smartphone«
Sinanay ng kanyang koponan ang ResNet-50 hanggang tiktikan ang retinopathy ng diabetes nang tumpak bilang isang tunay na pathologist. Nakita rin nito ang mga microaneurysms at daluyan ng dugo sa bawat imahe nang hindi na kinakailangang mag-iniksyon ng fluorescent na tina sa na-diagnose na mata.
Huling taglagas, ang Aditya Jyot Eye Sumang-ayon ang ospital sa Mumbai na subukan ang Eyeagnosis app, at noong Nobyembre, ipinadala nito ang unang naka-print na 3D na prototype sa ospital, at ang system ay mayroon nang hgumawa ng tumpak na mga pagsusuri para sa limang mga pasyente.
Ang eyeagnosis ay may mahabang paraan upang mag-diagnose ng napakaraming kaso upang mapatunayan na ito ay isang maaasahang sistema. Ang mga proseso ng pagpapatunay na dapat sundin ang anumang proyekto na nauugnay sa gamot ay napakahigpit at tiyak na magiging mahirap para sa iyo na makakuha ng isang malaking kumpanya na nais na tulungan ka. Ngunit ang lahat ng mga paghihirap na ito ay hindi makakaalis sa mahusay na nakamit ng teenager na ito.