Kavya Kopparapu, bir genç Virginia'da yaşayan, akıllı telefon, 3D yazıcı ve yapay zeka kullanarak göz teşhisi geliştirmek. bir taşınabilir teşhis sistemi ve teşhis edilmesi ucuz Diyabetik retinopati. Bu hastalık, diyabetin bir komplikasyonudur. kan damarlarına zarar verir bir kişinin retinasında ve görme bozukluğuna yol açabilir.
Kopparapu hayatı boyunca bilimle ilgilenmiş ve Ulusal Kadın ve Bilgi Teknolojileri Merkezi tarafından düzenlenen programlama atölyesine katıldıktan sonra hobilerine programlamayı da eklemiştir.
Kopparapu'nun büyükbabasıHindistan'da yaşayanlar, semptomlar göstermeye başladı Hastalığın 2013. Genellikle fark edilmeyebilir ve sonunda teşhis edilip tedavi edilmesine rağmen, görüşü kötüleşti. Kopparapu'ya göre, toplamda 415 milyon diyabetli insan, üçte biri diyabetik retinopati geliştirecekve ilaç ve ameliyat zamanla yakalanırsa göz hasarını durdurabilir veya hatta tersine çevirebilirse de, % 50 teşhis edilmeyecekşiddetli formları olan hastaların yarısı beş yıl içinde kör olacak.
"Teşhis eksikliği en büyük zorluktur. Hindistan'da, doktorları köylere ve gecekondu mahallelerine gönderen programlar var, ancak çok sayıda hasta ve yalnızca çok sayıda göz doktoru var.
Olup olmadığını merak etti hastalığı teşhis etmenin kolay ve ucuz yoluve uzun ve pahalı bir teşhis prosedürünü basit bir fotoğraf seansına dönüştürebilen bir sistem olan Eyagnosis fikri ortaya çıktı. Kopparapu, bir plan oluşturmadan önce Google'da çok zaman geçirerek ve doktorlara ve araştırmacılara e-posta göndererek çalışmaya başladı. Erkek kardeşi ve sınıf arkadaşıyla takım oluşturdu ve evrişimli bir sinir ağı (CNN) kullandı Eyeagnosis'in arkasındaki tanısal yapay zekayı kurmak için. Nöral ağlar büyük veri kümelerini analiz edin ve benzer kalıpları arayın, Tasarım insan beyninin görsel sistemine benzediğinden, CNN'ler sınıflandırma için mükemmeldir.
Ağını oluşturmak için Microsoft araştırmacıları tarafından geliştirilen bir CNN olan ResNet-50'yi kullandı ve 34.000 retina tarayıcı bulundu veritabanı GözGen Amerika Ulusal Sağlık Enstitüsü'nden (NIH) öğrenme verileri olarak, böylece o ve ekibi, AI sistemine gözlerin fotoğraflarındaki hastalık belirtilerini tanımayı ve bir ön teşhis koymayı öğretebilir. Veritabanındaki görüntülerin çoğu yetersiz pozlanmış veya bulanıklaştırılmıştı, ancak Kopparapu'ya göre bu ayrıntı sistemin iyileştirilmesine yardımcı oldu.
«Sinir ağını öğrenmede kullanılan görüntülerin kalitesi, bir akıllı telefon kullanımıyla elde edilecek koşulların çok temsilcisidir«
Ekibi, ResNet-50'yi diyabetik retinopatiyi gerçek bir patolog kadar doğru bir şekilde tespit edin. Ayrıca, teşhis edilen göze floresan boya enjekte etmeye gerek kalmadan her görüntüdeki mikroanevrizmaları ve kan damarlarını tespit eder.
Geçen sonbaharda Aditya Jyot Eye Bombay'daki hastane Eyeagnosis uygulamasını test etmeyi kabul ettiKasım ayında, ilk 3 boyutlu basılmış prototipi hastaneye gönderdi ve sistem şimdiden hbeş hasta için doğru teşhis koydu.
Eyeagnosis'in güvenilir bir sistem olduğunu kanıtlamak için çok sayıda vakayı teşhis etmek için gidecek uzun bir yolu vardır. Tıpla ilgili herhangi bir projenin takip etmesi gereken doğrulama süreçleri çok titizdir ve büyük bir şirketin size yardım etmesini istemeniz kesinlikle zor olacaktır. Ancak tüm bu zorluklar, bu gencin büyük başarısını azaltmıyor.