年少的人工智慧開發者,發展出腦疾早期檢測工具

作者 Isha Salian

如果有一個像是 19 歲的 Kavya Kopparapu 這樣表現出色的姐姐,可能會讓某些青少年倍感壓力。就讀於哈佛大學二年級的 Kavya Kopparapu,榮獲2018年的美國總統學者獎,也名列《時代》雜誌「全球 25 大最具影響力青少年」榜單。

不過17歲的高中生 Neeyanth Kopparapu 倒是不甘示弱,使用 PDGAN 這項深度學習模型為自己打響名號,而 PDGAN 模型可以幫助醫療專業人員通過 MRI 掃描結果來診斷帕金森氏症。

這並不是他的第一個人工智慧項目,Kopparapu 在去年的 GPU 技術大會上便展示了一張介紹一款自然語言處理模型的海報,這個模型可以從人們的推特發文中偵測是否出現憂鬱症的傾向

這對住在美國華盛頓特區的姐弟合作開發出一款深度學習工具,可以協助在醫療條件有限的地區診斷糖尿病導致的失明。兩人並在2015年成立了非營利組織 GirlsComputingLeague,致力於提增電腦科學領域的多元背景人才。

身懷使命的生成對抗網路

帕金森氏症是一種神經退行性疾病,會引起顫抖、僵硬及運動和平衡障礙,全世界有超過千萬人患有此病。兩年前 Kopparapu 的祖父被診斷出患有帕金森氏症時,家人驚愕地發現,許多現有的治療方法都已無濟於事。

他說:「跟大多數帕金森氏症患者一樣,我祖父被診斷出患有帕金森氏症時所處的階段,已經是藥石罔效。起初我們覺得他被診斷出已是帕金森氏症末期,只是湊巧罷了,不過在對治療方法更深入進行研究後,我們覺得這不是湊巧,而是系統的問題。」

Kopparapu 認為可以使用人工智慧來解決這個問題。他使用南加州大學提供約一千件腦部 MRI 掃描且已加上註釋的資料集,開始訓練神經網路以找出帕金森氏症的特徵。由於資料集的大小有限,訓練後的模型準確性一直維持在 90% 上下。

與目前使用腦部掃描結果來診斷帕金森氏症的臨床準確性相比,這已經有了重大改進,Kopparapu 卻對此並不滿意。

「提高模型準確性的唯一方法,就是增加資料量。我當時聽到生成對抗網路這個東西,就想說萬一我能夠用它,以合成的方式來增加資料集的內容呢?」他說。

Kopparapu 在使用生成對抗網路(GANs)之後,將人工智慧模型的準確度一舉提高到 96.5%,而使用末期患者的 MRI 掃描結果進行診斷的準確率更是達到約 98%。他使用 Amazon Web Services 雲端平台上的 NVIDIA Tesla GPU 來訓練這項深度學習神經網路。

通常患者的身體開始出現某些症狀,才會診斷出已經罹患帕金森氏症,掃描只是診斷過程的一部分。Kopparapu 希望一旦 PDGAN 這類工具通過臨床驗證,便能更早確診,以提供更多的治療選擇。

用心學習電腦科學

Kopparapu 跟許多軟體工程師一樣,對電腦科學的熱情可以追溯到小時候愛打電動一事。他曾經希望創作出自己版本的《精靈寶可夢》系列。

不過他說:「我再也沒有時間打電動了。」

Kopparapu 反而把他的熱情放在電腦科學和數學上,國中時就開始利用網路資源學習程式設計,在就讀湯瑪士.傑佛遜科學科技高中(Thomas Jefferson High school for Science and Technology)時,高一就報讀了一門人工智慧課程。

Kopparapu 最感興趣的是人工智慧背後的數學(高二時學習了多元微積分和線性代數),打算在大學時就讀應用數學或電腦科學。

儘管 Kopparapu 到目前為止有用過雲端環境裡的 NVIDIA GPU 及高中校園裡的伺服器,一直到看見 NVIDIA 創辦人暨執行長黃仁勳在 GTC 大會現場的介紹,才第一次見到自己夢寐以求的人工智慧系統。

 「要是我有一套 DGX-2 系統,那就太棒了。」他說。

有其姐必有其弟

Kopparapu 的姐姐 Kavya 成為他的研究和創業夥伴,催生出他對人工智慧醫療保健應用項目的興趣。

「她最早是對生物學和醫療保健領域感興趣,等到我們開始合作後,她也開始學習電腦科學。我的情況正好相反,我是從她身上開始對醫療保健領域產生興趣。」他說。

名為「Eyeagnosis」的智慧型手機人工智慧應用程式,是這對姐弟的創業作,印度孟買的 Aditya Jyot 眼科醫院已經對這款 app 展開測試,當成篩檢糖尿病視網膜病變的工具。他們成立的非營利組織已經有二十多名志工,為來自弱勢群體的高中生舉辦活動和研討會。

這對姐弟就算已經有了些許出色表現,課業還是他們心目中最重要的。

Kopparapu 說:「很多人建議我們姐弟成立一間新創公司,但我真的很想至少等我念完大學後,再來考慮這件事。」