Theo NVIDIA, Neeyanth Kopparapu, 17 tuổi, đã nghiên cứu và xây dựng ra một mô hình Deep Learning mang tên PDGAN, giúp hỗ trợ các chuyên gia trong việc chẩn đoán bệnh Parkinson từ các ảnh chụp MRI.

Khi có một người chị đầy thành công, học tại Đại học Havard, nhận được bằng khen từ Tổng thống Hoa Kỳ, cũng như vào top 25 người trẻ tuổi có sức ảnh hưởng nhất của tạp chí Time, mọi người hẳn sẽ cảm thấy vô cùng áp lực.

Tuy nhiên, Neeyanth Kopparapu, 17 tuổi, lại có thể vững vàng tạo ra chỗ đứng cho riêng mình khi xây dựng ra một mô hình Deep Learning mang tên PDGAN, giúp hỗ trợ các chuyên gia trong việc chẩn đoán bệnh Parkinson từ các ảnh chụp MRI.

Và đây thậm chí không phải công trình AI đầu tiên của cậu – Tại Hội nghị Cộng nghệ GPU năm ngoái, Kopparapu đã giới hiệu một mô hình xử lý ngôn ngữ tự nhiên có khả năng chẩn đoán chứng trầm cảm từ các bài đăng trên mạng xã hội.

Neeyanth Kopparapu, 17 tuổi, đã nghiên cứu và xây dựng ra một mô hình Deep Learning mang tên PDGAN.

Ngoài ra, cặp chị em này đã từng cộng tác để tạo ra một công cụ Deep Learning giúp chẩn đoán chứng mù do tiểu đường tại các vùng hạn chế về cơ sở y tế. Họ cũng đã sáng lập ra tổ chức phi lợi nhuận GirlsComputingLeague vào năm 2015, trong công cuộc đa dạng hóa nhân lực ngành khoa học máy tính.

Nhiệm vụ của GAN

Parkinson là căn bệnh gây rối loạn và suy giảm thần kinh ảnh hưởng tới hơn 10 triệu người trên thế giới, gây ra các triệu chứng run, co cứng, khó khăn trong chuyển động và giữ thăng bằng. Sau khi ông của Kopparapu bị chẩn đoán với căn bệnh này vào 2 năm trước, gia đình đã vô cùng đau lòng khi biết được việc chẩn đoán muộn đã khiến căn bệnh trở nên vô phương cứu chữa.

“Cũng như nhiều bệnh nhân khác, ông đã bị chẩn đoán quá muộn, khi các phương thức chữa trị không còn hiệu quả nữa”, Kopparapu nói. “Trước đó, chúng tôi nghĩ gia đình chỉ đơn thuần là không may mắn nên mới phát hiện ra căn bệnh này quá muộn màng. Tuy nhiên, sau khi nghiên cứu về việc chữa trị, tôi mới nhận ra vấn đề không nằm ở may mắn, mà nằm ở hệ thống chăm sóc sức khỏe.”

Và cậu tin rằng AI sẽ giúp giải quyết được vấn đề này. Sử dụng một bộ dữ liệu có chú thích, bao gồm khoảng 1.000 bản scan MRI của não, được lấy từ Đại học Nam California, Kopparapu đã bắt đầu huấn luyện một mạng nơ-ron có khả năng phát hiện các triệu chứng Parkinson. Do bộ dữ liệu này còn khá hạn chế, độ chính xác hiện tại của mô hình đang đạt ngưỡng khoảng 90%.

Con số này đã là một tiến bộ lớn so với tình hình chẩn đoán hiện tại. Tuy nhiên, Kopparapu vẫn còn chưa hài lòng.

Cậu bày tỏ: “Cách duy nhất để cải thiện mô hình là tăng lượng dữ liệu được sử dụng. Và cũng vào lúc này, tôi đã nghe về GAN, và chợt nảy ra ý tưởng: Tại sao lại không sử dụng công cụ này để mở rộng bộ dữ liệu với các bản scan nhân tạo?”

Và Kopparapu đã sử dụng các mạng đối kháng sinh mẫu (generative adversarial networks), còn gọi là GAN, để nâng độ chính xác của mô hình AI này lên tới 96,5%, thậm chí còn chính xác tới 98% khi sử dụng trên các bản scan của bệnh nhân ở giai đoạn sau căn bệnh. Các mạng Deep Learning này đã được huấn luyện bằng NVIDIA Tesla GPU trên nền tảng đám mây AWS.

Thông thường, Parkinson sẽ được chẩn đoán khi bệnh nhân bắt đầu cho thấy các triệu chứng vật lý, và các scan thường chỉ là công cụ bổ trợ. Tuy nhiên, Kopparapu hi vọng rằng, sau khi được kiểm nghiệm lâm sàng, PDGAN sẽ được ứng dụng để đưa ra chẩn đoán nhanh chóng hơn, giúp người bệnh có hy vọng điều trị hơn.

Học nằm lòng khoa học máy tính

Cũng như rất nhiều kỹ sư phần mềm khác, sự yêu thích máy tính của Kopparapu bắt nguồn từ game. Khi còn nhỏ, cậu đã mong muốn được tạo ra một phiên bản riêng của series game Pokémon.

Nhưng hiện tại, Kopparapu đã không còn thời gian cho game nữa.

Thay vào đó, cậu chú tâm vào lĩnh vực khoa học máy tính và toán học. Cậu bắt đầu học cách code trên mạng từ khi còn học cấp 2, và sau đó tham gia một lớp học AI khi nhập học vào trường cấp 3 chuyên về Khoa học và Công nghệ Thomas Jefferson.

Kopparapu đặc biệt yêu thích phần toán học nằm phía sau AI, và dự kiến sẽ thử sức với chuyên ngành toán ứng dụng hoặc khoa học máy tính khi vào Đại học.

Và dù đã vô cùng chuyên nghiệp với việc sử dụng NVIDIA GPU trên máy chủ tại trường học và trên nền tảng đám mây, Kopparapu lại đặc biệt mơ ước về một hệ thống AI được nhắc tới bởi nhà sáng lập kiếm CEO của NVIDIA, Jensen Huang tại GTC.

“Tôi nghĩ, việc được sử dụng một hệ thống DGX-2 sẽ thực sự tuyệt vời,” Kopparapu chia sẻ.

Chị em cùng cộng hưởng

Chia sẻ mối quan tâm về các ứng dụng AI trong y tế, Kopparapu tin rằng, lý do lớn cho mối quan tâm này xuất phát từ người chị của mình – Người đã luôn đóng vai trò đối tác nghiên cứu và kinh doanh.

“Chị ấy bắt đầu với việc yêu thích sinh học và y tế, và sau đó mới tìm hiểu về khoa học máy tính sau 2 chúng tôi cùng hợp tác, còn tôi thì ngược lại – Tôi bắt đầu yêu thích y tế là do chị”, Kopparapu chia sẻ.

Công cụ AI đầu tiên của cặp chị em này là một ứng dụng smartphone mang tên Eyeagnosis, đã được thử nghiệm trong phát hiện các chứng bệnh thị giác do tiểu đường bởi bệnh viện mắt Aditya Jyot tại Mumbai, Ấn Độ. Còn tổ chức phi lợi nhuận của họ đã thu hút tới vài chục tình nguyện viên là học sinh tới tổ chức sự kiện và các buổi workshop dành cho những học sinh cấp 3 tới từ những cộng đồng thiểu số.

Nhưng dù thành công đến đâu trong sự nghiệp, cả 2 chị em cũng thống nhất rằng, việc học mới là quan trọng nhất.

“Rất nhiều người đã khuyên chúng tôi nên thành lập một startup của 2 chị em”, Kopparapu nói, “nhưng tôi chưa muốn thử sức với điều này ít nhất là hoàn thành xong bậc đại học”.

Nguồn: Nâng cao chất lượng công tác chăm sóc sức khoẻ cán bộ Trung ương