Diagnóstico de sangue usando aprendizado profundo: como transformar um projeto de hackathon em uma startup e arrecadar $ 20,5 milhões

imagem








Esquerda - Tanai Tandon, aos 17 anos em 2014, fundou a startup Athelas para diagnosticar malária usando um smartphone. À direita: Deepika Bodopati, cofundadora da Athelas.



Vários anos atrás, Athelas (YC S16) desenvolveu um protótipo durante a noite no hackathon YC Hacks 2014 . Este mês, começamos a enviar o dispositivo para hospitais e pacientes em todo o país. Durante esse tempo, aprendemos muito e queremos compartilhar algumas reflexões.



imagem



Athelas é um gerador de imagens barato que fornece análise instantânea de sangue usando visão computacional em vez dos tradicionais testes de laboratório. O caminho de um protótipo montado no joelho para um dispositivo pronto para entrega (especialmente na medicina) em todas as fases foi uma mudança de dimensão, e agora é interessante lembrar o primeiro dia.



A versão montada no hackathon usava um pedaço de espuma de borracha e uma lupa esférica acoplada à câmera do smartphone. A amostra de sangue foi realizada embaixo (em um rolo de papel higiênico), a câmera tirou várias fotos e, em seguida, as células da malária foram contadas por visão computacional. O design do dispositivo é muito semelhante ao do microscópio van Leeuwenhoek(considerado um dos primeiros microscópios), que foi usado pela primeira vez na história da humanidade para observar microorganismos. Houve várias tentativas de juntar tudo e passei algumas horas de hackathon fazendo o dispositivo funcionar de forma confiável com meu telefone.





imagem



imagem



imagem



Fragmentos de anotações que tirei alguns meses após o hackathon.



O verdadeiro truque foi a segmentação e a correspondência de padrões combinadas com uma implementação do modelo Fast Random Forest treinado para classificar os traços de glóbulos vermelhos (RBC) extraídos. Os limites das células são reconhecidos e, em seguida, fornecidos a um classificador para determinar se há células parasitas (como a malária ou tripanossomas).



imagem



O protótipo foi feito para uma apresentação bacana, quando os slides com uma amostra de sangue mostram o parasita da malária, mas o sangue de uma pessoa normal não. Durante a demonstração, alguém teve que segurar fisicamente a câmera em um lugar, os óculos com as amostras foram substituídos por um truque inteligente e a luz ainda precisava ser capturada. No final do dia, o protótipo era um brinquedo divertido para experimentar, você deve ter visto o vídeo do Facebook.



Mas eles tinham certeza de que era algo mais. A ideia principal era - se fizermos um dispositivo amplamente aplicável e fácil de usar, por que não fazer um simples exame de sangue em cada consultório médico, sala de exame ou mesmo em casa? Ao voltar para casa, essa ideia nos absorveu completamente e decidimos desenvolvê-la - mas como um produto, e não apenas um protótipo. Isso significou a criação de um mecanismo automatizado para a análise de esfregaços de sangue periférico, uma abordagem de visão computacional mais confiável para vários tipos de células, mecanismos automatizados para obter imagens de toda a amostra sem armazenar lâminas e, mais importante, a realização de estudos de validação clínica.



imagem



Deepika (minha co-fundadora) trabalhou para melhorar o método de coloração rápida das células e descobriu uma maneira de aplicar a tinta em tiras de plástico que você pode usar direto da caixa. Ela trabalhou principalmente no laboratório, sintetizando dezenas de variantes de corantes e conduzindo estudos empíricos sobre a qualidade da exibição celular. Outra parte do problema era a necessidade de comprimir levemente a tira para criar uma "monocamada" ou camada única de células que permite a obtenção de imagens estatisticamente representativas.



imagem



imagem



Trechos de "A velocidade de marcha do menisco capilar em um microcanal", o exemplo a que nos referimos ao simular o fluxo do canal para criar uma "monocamada". Esse desenvolvimento capilar foi finalmente colocado em espera.



Nesse ínterim, concentrei-me na criação de óptica de alta resolução para um dispositivo ainda barato, mas independente. Assim, poderíamos nos concentrar no monitoramento dos tipos de células predominantes, como leucócitos e plaquetas (exceto malária). No centro de tudo estava o sistema de trigger, que combinava algoritmos de focalização de imagens gaussianas para garantir o reconhecimento robusto de células. Aqui está um protótipo na metade:



imagem



Além disso, começamos a construir uma amostra de treinamento de CDC (Centros para Controle e Prevenção de Doenças) e esfregaços de sangue coletados por pesquisadores de Stanford e UCLA - muitas vezes marcados manualmente por mim ou por um patologista. Desse ponto em diante, fomos capazes de usar visão computacional tradicional e abordagens de aprendizado profundo para reconhecer e classificar tipos de células com base em exemplos anteriores verificados por humanos.



imagem



Imagem dos corpos celulares extraídos após a transformação de Hough, primeira passagem, segmentação preliminar e classificação



Os primeiros passos foram difíceis. A carga de trabalho da faculdade de Stanford + os custos crescentes de hardware reduziram a velocidade de iteração necessária para o desenvolvimento normal do produto. As finais geralmente significavam que os dias se passavam sem nenhum progresso perceptível. Mas nós montamos um v1 tátil e utilizável que pode capturar e processar a imagem de uma amostra de sangue manchada. Veja a demonstração:









Neste verão, neste prédio laranja em Mountain View, as coisas voltaram ao normal quando nos juntamos ao lote de verão de Y Combinator. Todos os nossos esforços (e agora temos um projeto em tempo integral) foram focados na validação clínica na Clínica da Família FEMAP para lançar a primeira série de aplicativos dentro do sistema de saúde. O objetivo era testar o sistema em apenas um aspecto: contagem de leucócitos. Capturando imagens de amostras de sangue em nossa tira e depois executando algoritmos, mostramos como nossas contagens de células altamente correlacionadas para 350 pacientes correspondiam ao padrão ouro dos contadores de células da Beckman Coulter, combinadas com uma série de verificações de precisão de laboratório .



imagem



Um aspecto interessante foi que a precisão gota a gota que mostramos (que atraiu um interesse crescente recentemente ) foi clinicamente confirmado em comparação com outros sistemas que usam gotas de sangue. Os contadores de Coulter (sistemas tradicionais de contagem de células) funcionam passando as partículas por uma abertura preciosa de alguns mícrons de diâmetro e capturando a impedância característica para registrar o tamanho da partícula e, portanto, sua classificação. Basicamente, quanto maior for a impedância, maior será o tamanho da partícula .



imagem



Esquema do princípio do contador de Coulter, fonte: cyto.purdue.edu.



No entanto, a abordagem de Athelas para a visão computacional se concentra inteiramente em modelos de imagem e nucleação. Portanto, partículas ou linfa, que muitas vezes podem confundir o sistema Coulter (especialmente em quantidades diluídas), são simplesmente classificados pela visão computacional como um corpo celular não leucocitário - não um leucócito, mas algum outro artefato não classificado em uma amostra de sangue.



imagem



O teste mostrou um alto grau de concordância entre os especialistas (100% de concordância entre os especialistas no Grau 5) entre os dois sistemas, protocolamos documentos junto ao FDA (Food and Drug Administration) para registrar o sistema na Classe 2 510 (k), agora estamos vendendo a versão Classe 1 do sistema para monitoramento rápido de leucócitos. Saiba mais em athelas.com.



imagem



Nos próximos meses, iremos integrar novos tipos de exames de sangue ao sistema (monitoramento de concussão, rastreamento de inflamação, infecções do trato urinário, plaquetas, aumento do número de células), nossa principal tarefa será interagir com a comunidade médica profissional para adotar e implementar nosso sistema.



imagem



Ao mesmo tempo, vamos nos concentrar em enviar nossos dispositivos de $ 250 para o maior número possível de lojas, instalações de saúde e residências.



Estamos constantemente à procura de pessoas excelentes para conhecer e hackers para se juntarem à nossa equipe, então escreva-me se quiser bater um papo: tanay [arroba] getathelas.com



Tradução: Ilya Lankevich



Se você quiser ajudar com as traduções de materiais úteis da biblioteca YC, escreva em um carrinho pessoal, @jethacker ou envie um e-mail para alexey.stacenko@gmail.com



Siga as notícias da Biblioteca YC Startup em russo no canal de telegramas ou no Facebook .



Materiais úteis






All Articles