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。」