两位青少年开发用于检测帕金森病的手写识别AI

两兄妹使用 NVIDIA GPU 开发概率预测模型。

Tanish Tyagi 一年前发表了首篇使用深度学习检测认知症的研究论文，家人是 Tanish 进行此项研究的原因。

Tanish 的曾祖父母曾患有帕金森病这一影响全球 1000 多万人的遗传性疾病。因此，现年 16 岁的 Tanish 与 14 岁的妹妹 Riya 一起开始研究这个领域。

这对来自新泽西州肖特山的兄妹在秋天发表了关于使用机器学习检测帕金森病的研究论文。这篇论文侧重于对帕金森病的标志之一——小写症的研究。

他们的目标是推广使全球就医机会有限的人都能够进行早期检测的模型。

对此，Riya 提出：“我们能做出一些真正的改变吗？我们能不仅改变自己的家庭，同时也给其他人带来改变吗？我们能探索未来可能成为我们生活一部分的事物吗？”

Tyagi 兄妹利用暑假进行了这项研究。他们就读于美国著名的寄宿学校菲利普斯-埃克塞特学院。这所学校曾走出过马克·扎克伯格、多位诺贝尔奖得主和一位美国总统。

发现帕金森病的迹象——小写症

2021 年 2 月，只有 15 岁的 Tanish 决定从事帕金森病的研究。他了解到小写症这种笔迹障碍是帕金森病的常见症状。

小写症具体表现为书写的文字过小，并伴随手部震颤、肌肉不自主收缩和动作迟缓。

不久之后，Tanish 听了宾夕法尼亚州立大学研究者Ming Wang 和 Lijun Zhang 关于帕金森病的讲座。于是，Tanish 向他们寻求指导，以检测该病症，两位研究者也对项目进行监督。Ming Wang 还与麻省综合医院实验室合作开展这项研究。

宾夕法尼亚州立大学个性化医学研究所副教授 Zhang 博士表示：“ Tanish 和 Riya 的研究目标是通过对公共笔迹图像进行二次分析，并采用最先进的机器学习方法来加强对小写症的预测。这些发现可以帮助病人接受早期诊断和治疗，提高医疗干预的效果。”

在论文中，Tyagi 兄妹使用 NVIDIA GPU 驱动的机器学习来提取小写症的特征。他们的数据集包括 53 名健康人和 105 名帕金森病患者绘画检测的公开图像。他们从这些图像中提取特征，分析出了书写中的震颤。

“我们从不同的论文中发现了这些特征，而且我们了解到其他人也在这个领域取得过成功。”Riya 说。

Tanish 表示，凭借更大、更平衡的数据集，目前高达 93% 的预测准确率会变得更高。

开发用于诊断的卷积神经网络

Tanish 此前曾将实验室的 NVIDIA GeForce RTX 3080 GPU 用于认知症研究中的自然语言处理项目。但在开始帕金森病项目之前，两兄妹都没有太多的计算机视觉经验。

Riya 表示，目前两人正在研究带有迁移学习的卷积神经网络，希望能够组合出有助于实时诊断的模型。

Tanish 表示：“我们正在将来自用户的图像输入模型进行处理，并获得综合结果，使用户能够真正理解模型做出的诊断。”

但为了提高该模型的准确性，Tyagi 兄妹首先希望扩大数据集的规模。他们的目标是进一步开发模型并建立网站，让帕金森病的检测简单到人们只需填写和提交一份笔迹评估表的程度。

Tanish 表示：“如果这个模型既可以被普通公众所使用，也可以用于临床环境，那就太棒了。”