Kavya Kopparapu, một thiếu niên sống ở Virginia, đã sử dụng điện thoại thông minh, máy in 3D và trí tuệ nhân tạo để phát triển tiên lượng. Một hệ thống chẩn đoán di động và rẻ để chẩn đoán Bệnh võng mạc tiểu đường. Căn bệnh này là một biến chứng của bệnh tiểu đường làm hỏng mạch máu trên võng mạc của một người và có thể dẫn đến suy giảm thị lực.
Kopparapu, đã quan tâm đến khoa học trong suốt cuộc đời của mình và sau khi tham dự một hội thảo lập trình do Trung tâm Quốc gia về Phụ nữ và Công nghệ Thông tin tổ chức, cô đã thêm lập trình vào sở thích của mình.
Ông nội của Kopparapu, sống ở Ấn Độ, bắt đầu xuất hiện các triệu chứng của bệnh ở 2013. Nó thường có thể không được chú ý và mặc dù cuối cùng nó đã được chẩn đoán và điều trị, tầm nhìn của anh ấy kém đi. Theo Kopparapu, trong tổng số 415 triệu người mắc bệnh tiểu đường, một phần ba sẽ phát triển bệnh võng mạc tiểu đường, và mặc dù thuốc và phẫu thuật có thể ngăn chặn hoặc thậm chí đảo ngược tổn thương mắt nếu mắc phải theo thời gian, 50% sẽ không được chẩn đoán, một nửa số bệnh nhân ở thể nặng sẽ bị mù sau XNUMX năm.
“Thiếu chẩn đoán là thách thức lớn nhất. Ở Ấn Độ, có những chương trình cử bác sĩ đến các ngôi làng và khu ổ chuột, nhưng có rất nhiều bệnh nhân và chỉ có nhiều bác sĩ nhãn khoa.
Anh ấy tự hỏi liệu có một cách dễ dàng và không tốn kém để chẩn đoán bệnh, và ý tưởng về Mí mắt xuất hiện, một hệ thống có thể biến một quy trình chẩn đoán tốn kém và kéo dài thành một buổi chụp ảnh đơn giản. Kopparapu phải làm việc, dành nhiều thời gian trên Google và gửi email cho các bác sĩ và nhà nghiên cứu, trước khi lập kế hoạch. Cô ấy đã hợp tác với anh trai và bạn cùng lớp của mình, và đã sử dụng một mạng nơ-ron phức hợp (CNN) để thiết lập AI chẩn đoán đằng sau Eyeagnosis. Mạng nơron phân tích các tập dữ liệu lớn và tìm kiếm các mẫu tương tự, Vì thiết kế giống với hệ thống thị giác của não người, CNNs rất tốt để phân loại.
Nó đã sử dụng ResNet-50, một CNN do các nhà nghiên cứu của Microsoft phát triển, để xây dựng mạng của mình và sử dụng 34.000 máy quét võng mạc tìm thấy trong cơ sở dữ liệu gen mắt từ Viện Y tế Quốc gia Hoa Kỳ (NIH) như dữ liệu học tập, do đó, cô và nhóm của mình có thể dạy hệ thống AI nhận biết các dấu hiệu bệnh tật trong ảnh chụp mắt và đưa ra chẩn đoán sơ bộ. Nhiều hình ảnh trong cơ sở dữ liệu bị phơi sáng kém hoặc bị mờ, nhưng theo Kopparapu, chi tiết này đã giúp cải thiện hệ thống.
«Chất lượng của hình ảnh được sử dụng trong việc học mạng nơ-ron rất đại diện cho các điều kiện có được khi sử dụng điện thoại thông minh«
Nhóm của anh ấy đã đào tạo ResNet-50 để phát hiện bệnh võng mạc tiểu đường chính xác như một nhà bệnh lý học thực sự. Nó cũng phát hiện vi mạch và mạch máu trong mỗi hình ảnh mà không cần tiêm thuốc nhuộm huỳnh quang vào mắt được chẩn đoán.
Mùa thu năm ngoái, Aditya Jyot Eye Bệnh viện ở Mumbai đã đồng ý thử nghiệm ứng dụng Eyeagnosisvà vào tháng 3, nó đã gửi nguyên mẫu in XNUMXD đầu tiên đến bệnh viện và hệ thống đã hđã chẩn đoán chính xác cho năm bệnh nhân.
Eyeagnosis còn một chặng đường dài để chẩn đoán một số lượng lớn các trường hợp để chứng minh rằng nó là một hệ thống đáng tin cậy. Các quy trình thẩm định mà mọi dự án liên quan đến y học đều phải tuân theo rất nghiêm ngặt và chắc chắn bạn sẽ rất khó để có được một công ty lớn muốn giúp đỡ bạn. Nhưng tất cả những khó khăn đó không làm chùn bước thành tích tuyệt vời của cậu thiếu niên này.