Кав'я Коппарапу, підліток проживаючи у Вірджинії, використовував для цього смартфон, 3D-принтер та штучний інтелект розробити очну діагностику. портативна система діагностики і дешево діагностувати діабетична ретинопатія. Це захворювання є ускладненням діабету пошкоджує судини на сітківці людини і може призвести до погіршення зору.
Коппарапу все життя цікавилася наукою, і після відвідування семінару-програміста, організованого Національним центром для жінок та інформаційних технологій, вона додала програмування до своїх хобі.
Дід Коппарапу, який живе в Індії, почав проявляти симптоми хвороби в 2013. Це часто може залишатися непоміченим, і хоча з часом його діагностували та лікували, зір погіршився. За словами Коппарапу, із загальної кількості 415 мільйонів людей з діабетом, у третини розвинеться діабетична ретинопатія, і хоча ліки та хірургічне втручання можуть зупинити або навіть повернути пошкодження очей, якщо з часом виявити, 50% не будуть діагностовані, половина пацієнтів з важкими формами осліпнуть через п’ять років.
«Відсутність діагнозу - це найбільша проблема. В Індії існують програми, які направляють лікарів у села та нетрі, але є багато пацієнтів та лише багато офтальмологів.
Він задався питанням, чи є простий і недорогий спосіб діагностики захворювання, і з’явилася ідея Eyagnosis - системи, яка може перетворити тривалу і дорогу діагностичну процедуру на просту фотосесію. Коппарапу приступив до роботи, проводячи багато часу в Google та надсилаючи електронною поштою лікарям та дослідникам, перш ніж скласти план. Вона об'єдналася зі своїм братом та однокласником, і використовували згорткову нейронну мережу (CNN) встановити діагностичний ШІ, що стоїть за очною діагностикою. Нейронні мережі аналізувати великі масиви даних і шукати подібні закономірності, Оскільки конструкція нагадує зорову систему людського мозку, CNN чудово підходять для класифікації.
Він побудував свою мережу ResNet-50, CNN, розроблену дослідниками Microsoft, і використав 34.000 XNUMX сканерів сітківки знайдено в база даних EyeGene від Національного інституту охорони здоров’я в Америці (NIH) як дані навчання, щоб вона та її команда могли навчити систему ШІ розпізнавати ознаки захворювання на фотографіях очей та поставити попередній діагноз. Багато зображень у базі даних були погано експоновані або розмиті, але за словами Коппарапу, ця деталь допомогла вдосконалити систему.
«Якість зображень, що використовуються при вивченні нейронної мережі, дуже репрезентативно відповідає умовам, які можна отримати при використанні смартфона»
Його команда тренувала ResNet-50 виявити діабетичну ретинопатію так само точно, як справжній патолог. Він також виявляє мікроаневризми та судини на кожному зображенні без необхідності вводити флуоресцентний барвник у діагностоване око.
Минулої осені, Очі Адіті Джіот Лікарня в Мумбаї погодилася протестувати додаток Eyeagnosis, а в листопаді він надіслав перший лікарський зразок із надрукованим 3D-зображенням, і система вже має hпоставили точні діагнози п’ятьом пацієнтам.
Очному діагнозу потрібно пройти довгий шлях, щоб діагностувати величезну кількість випадків, щоб довести, що це надійна система. Процеси перевірки, яких повинен дотримуватися будь-який проект, пов’язаний з медициною, дуже суворі, і вам, безсумнівно, буде важко змусити велику компанію захотіти вам допомогти. Але всі ці труднощі не применшують великих досягнень цього підлітка.