Essa garota de 16 anos provavelmente mudou o futuro de milhões de pessoas!

Eu sempre fico fascinado pelo que uma – apenas uma – pessoa motivada pode fazer. Claro, resultados geralmente exigem equipes, mas sempre há aquela personalidade de destaque que impulsiona esse resultado. Como você está prestes a ver e ler, Kavya Kopparapu é uma dessas pessoas notáveis.

Com apenas 16 anos de idade, Kavya desenvolveu uma maneira facilmente acessível e muito barata de diagnosticar a retinopatia diabética. A retinopatia diabética é a causa mais comum de perda de visão entre pessoas com diabetes. É uma das principais causas de cegueira entre adultos em idade produtiva, respondendo por cerca de 8% de toda a cegueira somente nos EUA. No entanto, o diagnóstico precoce pode resultar em cura total!

552 milhões de nós seremos diabéticos até 2030!

De acordo com a Federação Internacional de Diabetes, mais de 400 milhões adultos atualmente tem diabetes. Considere estas estatísticas (2015):

• Um em cada 11 adultos tem diabetes
• Um em cada dois (46,5 por cento) não foi diagnosticado
• Cerca de 35% desenvolverão retinopatia diabética, levando muitos à cegueira evitável
• Em 2015, 12 por cento de global as despesas de saúde foram destinadas à diabetes (673 mil milhões de dólares)
• 542.000 crianças têm diabetes tipo 1
• A cada seis segundos uma pessoa morre de diabetes

O que é realmente interessante (para mim, pelo menos), é que Kavya não é o típico “gênio” ou “nerd” de computador. Ela é simplesmente uma pessoa que viu uma necessidade e decidiu fazer algo a respeito…

Cuando Kavya Kopparapu, de 16 anos, não estava participando de conferências, dando discursos, presidindo a sociedade de bioinformática de sua escola, organizando um simpósio de pesquisa, tocando piano e administrando uma organização sem fins lucrativos, ela se preocupou com o que fazer com todo seu tempo livre.

Era junho de 2016, o verão depois de seu penúltimo ano no ensino médio, e Kopparapu estava procurando um novo projeto que usasse suas habilidades em ciência da computação. Seus pensamentos rapidamente se voltaram para seu avô, que mora em uma pequena cidade na costa leste da Índia.

Em 2013, ele começou a apresentar sintomas de retinopatia diabética, uma complicação do diabetes que danifica os vasos sanguíneos da retina e pode levar à cegueira. Eventualmente, ele foi diagnosticado e tratado, mas não antes de sua visão se deteriorar. Ainda assim, ele teve sorte: embora tratamentos como medicamentos e cirurgia possam interromper ou até mesmo reverter os danos oculares se a doença for detectada precocemente, a maioria dos pacientes nunca recebe cuidados.

Kopparapu conhece as estatísticas de cor: De 415 milhões de diabéticos no mundo, um terço desenvolverá retinopatia. Cinquenta por cento não serão diagnosticados. Dos pacientes com formas graves, metade ficará cega em cinco anos. A maioria será pobre.

“A falta de diagnóstico é o maior desafio”, diz Kopparapu. “Na Índia, há programas que enviam médicos para vilas e favelas, mas há muitos pacientes e apenas alguns oftalmologistas .” E se houvesse uma maneira fácil e barata para os clínicos locais encontrarem novos casos e encaminhá-los para um hospital?

Essa foi a gênese do Eyeagnosis, um aplicativo para smartphone com lentes impressas em 3D que busca mudar o procedimento de diagnóstico de um exame de 2 horas que exige um imageador de retina de milhares de dólares para uma rápida foto tirada com um telefone.

Kopparapu e sua equipe — incluindo seu irmão de 15 anos, Neeyanth, e seu colega de escola Justin Zhang — treinaram um sistema de inteligência artificial para reconhecer sinais de retinopatia diabética em fotos de olhos e oferecer um diagnóstico preliminar. Ela apresentou o sistema na conferência O’Reilly Artificial Intelligence, na cidade de Nova York, no mês passado.

“O dispositivo é ideal para tornar a triagem muito mais eficiente e acessível a uma população mais ampla”, diz J. Fielding Hejtmancik, especialista em doenças visuais no National Institutes of Health (NIH). Outros grupos de pesquisa, incluindo Google e Peek Vision, anunciaram recentemente sistemas semelhantes, mas Hejtmancik está impressionado com a engenhosidade dos alunos. “Essas crianças montaram as coisas de uma maneira muito boa, um pouco mais barata e simples do que a maioria (sistemas projetados por pesquisadores) — que, a propósito, todos têm diplomas avançados!”

Kopparapu sempre teve uma mente científica. Crescendo em Herndon, Virgínia, ela e seu irmão construíram criações K’nex, assistiram MythBusters e Cosmos, e leram Scientific American juntos no café da manhã. Mas ela não se viciou em computadores até participar de um workshop de programação administrado pelo National Center for Women and Information Technology.

“Fui para casa e aprendi sozinha Java, HTML, Python, C”, ela diz. “Minha mãe teve que me tirar do computador. Eu esquecia de comer.”

No ensino médio, ela teve aulas de ciência da computação, depois visão computacional, depois inteligência artificial — mas ficou preocupada ao perceber que, em cada aula, ela era uma das poucas garotas. Ela resolveu começar uma organização para capacitar meninas a seguir a ciência da computação.

“Não acho que o problema seja falta de paixão”, ela diz. “É mais como “não me sinto bom o suficiente” .’”

Ela fundou a Girls Computing League, atraiu patrocinadores como a Amazon Web Services e o presidente do Harvey Mudd College, e agora oferece workshops de codificação para crianças carentes.

O Eyeagnostic começou como a maioria dos empreendimentos faz hoje em dia.Eu pesquisei muito no Google ”, diz Kopparapu. Ela também enviou muitos e-mails — para oftalmologistas, patologistas computacionais, bioquímicos, epidemiologistas, neurocientistas, físicos e especialistas em aprendizado de máquina. Então, ela montou um plano.

Primeiro, sua equipe trabalhou na IA de diagnóstico, escolhendo usar uma arquitetura de aprendizado de máquina conhecida como rede neural convolucional (CNN). As redes neurais estão por trás da recente explosão em inteligência artificial, incluindo avanços em reconhecimento de fala, tradução automática e legendagem de imagens. Eles adquirem essas habilidades analisando vastos conjuntos de dados (milhões de fotos de gatos, por exemplo) e procurando por padrões de similaridade.

CNNs são especialmente boas em classificar imagens, então não é coincidência que seu design se assemelhe ao sistema visual do cérebro. A informação passa por camadas hierárquicas de “neurônios” chamados nós; com cada camada, a rede reconhece características cada vez mais abstratas: Pixels se tornam bordas, se tornam formas, se tornam objetos.

“É engraçado que estejamos usando um sistema baseado em como o sistema da retina funciona para diagnosticar uma doença da retina ”, diz Kopparapu.

Em vez de construir uma rede do zero, ela escolheu um modelo pronto para uso desenvolvido por pesquisadores da Microsoft chamado ResNet-50. Mas, para ensinar o sistema a reconhecer uma doença ocular, ela precisava de dados de treinamento.

Ela encontrou esses dados no banco de dados EyeGene do NIH, que incluía 34.000 exames de retina. Muitas dessas imagens, tiradas sob várias condições com diferentes tipos de câmeras, estavam borradas ou mal expostas. “Mas isso foi realmente uma coisa boa”, diz Kopporapu. “É muito representativo das condições do mundo real que você obteria ao usar um smartphone .”

Em agosto de 2016, sua equipe treinou o ResNet-50 para detectar retinopatia diabética com a precisão de um patologista humano. Em outubro, ela fez acordos com o Aditya Jyot Eye Hospital, em Mumbai, para testar o aplicativo Eyeagnosis, que não apenas detecta doenças, mas também destaca vasos sanguíneos e microaneurismas em uma imagem — um processo que normalmente envolve a injeção de um corante fluorescente no sangue dos pacientes.

“Estamos tentando tornar o mais fácil possível para um oftalmologista analisar todas essas informações e dizer ‘Aqui está meu diagnóstico final.’”

Em novembro, ela enviou seu primeiro protótipo impresso em 3D para a lente do sistema para o hospital. Quando encaixada em um smartphone, a lente foca o flash difuso e descentralizado do telefone para iluminar melhor a retina. O sistema Eyeagnosis completo já foi testado em cinco pacientes no hospital e, em cada caso, fez um diagnóstico preciso.

Hejtmancik, o especialista do NIH, observa que há um longo caminho até a adoção clínica. “O que ela vai precisar é de muitos dados clínicos mostrando que (o Eyeagnosis) é confiável em uma variedade de situações: em hospitais oftalmológicos, no campo, em clínicas no interior da Índia.”, ele diz.

O sistema Eyeagnosis usa uma lente impressa em 3D e um aplicativo de smartphone habilitado para IA para diagnosticar retinopatia diabética.

Ainda assim, Hejtmancik acha que o sistema tem potencial comercial real. O único problema, ele diz, é que é tão barato que as grandes empresas podem não ver o potencial para uma margem de lucro. Mas essa acessibilidade “é exatamente o que você quer em cuidados médicos, na minha opinião ”, ele diz.

Este artigo foi publicado originalmente por Ariel Bleicher no IEEE Spectrum.

POR FALAR NISSO você já se perguntou por que há tantas crianças indianas e chinesas inteligentes? Você já percebeu quantos CFOs, CEOs e COOs de grandes ‘start-ups’ vêm dessas duas culturas? A resposta é mais simples do que parece:

Uma em cada três pessoas neste planeta é indiana ou chinesa!

Sim, talvez suas origens culturais os levem a trabalhar mais e até mesmo, trabalhar de forma mais inteligente. Mas, em média, eles não são mais inteligentes do que qualquer outra raça ou cultura. É que estatisticamente, há muito mais pessoas de ascendência indiana e chinesa. Para colocar isso em perspectiva, há cerca de 150 milhões mais Índios sob 18 do que a população total dos EUA!

Se sentindo inspirado? Kavya pode parecer excepcional, mas você e eu também podemos fazer uma diferença real!