Izquierda: Tanay Tandon, a la edad de 17 años en 2014, fundó la startup Athelas para diagnosticar la malaria utilizando un teléfono inteligente. Derecha: cofundadora de Athelas, Deepika Bodopati.
Hace varios años, Athelas (YC S16) desarrolló su prototipo durante la noche en el hackathon YC Hacks 2014 . Este mes comenzamos a enviar el dispositivo a hospitales y pacientes de todo el país. Durante este tiempo, hemos aprendido mucho y nos gustaría compartir algunas ideas.
Athelas es un generador de imágenes económico que proporciona análisis de sangre instantáneos utilizando visión por computadora en lugar de las pruebas de laboratorio tradicionales. El camino desde un prototipo montado en la rodilla a un dispositivo listo para ser entregado (especialmente en medicina) en cada etapa supuso un cambio de dimensión, y ahora es interesante recordar el primer día.
La versión que se ensambló en el hackathon usó un pedazo de gomaespuma y una lupa esférica unida a la cámara del teléfono inteligente. La muestra de sangre se colocó debajo (en un rollo de papel higiénico), la cámara tomó varias fotografías y luego se contaron las células de la malaria usando visión por computadora. El diseño del dispositivo es muy similar al microscopio van Leeuwenhoek(considerado uno de los primeros microscopios), que se utilizó por primera vez en la historia de la humanidad para observar microorganismos. Ha habido varios intentos de armar todo, y pasé un par de horas de hackathon para que el dispositivo funcionara de manera confiable con mi teléfono.
Fragmentos de notas que tomé unos meses después del hackathon.
El truco real fue la segmentación y la coincidencia de patrones combinados con una implementación del modelo Fast Random Forest entrenado para clasificar los rasgos de glóbulos rojos extraídos (RBC). Los límites de las células se reconocen y luego se alimentan a un clasificador para determinar si hay células parásitas (como malaria o tripanosomas).
El prototipo se hizo para una presentación fresca, cuando los vasos con la muestra de sangre muestran el parásito de la malaria, pero la sangre de una persona normal no. Durante la demostración, alguien tuvo que sujetar físicamente la cámara en un solo lugar, las gafas con las muestras se reemplazaron con un truco inteligente y hubo que atrapar la luz. Al final del día, el prototipo era un juguete divertido para experimentar, es posible que hayas visto el video de Facebook.
Pero estaban seguros de que era algo más. La idea clave era: si creamos un dispositivo fácil de usar y de fácil aplicación, ¿por qué no hacer un simple análisis de sangre en el consultorio de cada médico, sala de examen o incluso en casa? Al regresar a casa, esta idea nos absorbió por completo y decidimos desarrollarla, pero como un producto, y no solo como un prototipo. Esto significó crear un mecanismo automatizado para analizar frotis de sangre periférica, un enfoque de visión por computadora más confiable para varios tipos de células, mecanismos automatizados para obtener imágenes de toda la muestra sin almacenar portaobjetos y, lo que es más importante, realizar estudios de validación clínica.
Deepika (mi cofundador) trabajó para mejorar el método para teñir células rápidamente y se le ocurrió una forma de aplicar el tinte a las tiras de plástico que puede usar nada más sacarlo de la caja. Trabajó principalmente en el laboratorio, sintetizando docenas de variantes de colorantes y realizando investigaciones empíricas sobre la calidad de la exhibición celular. Otra parte del problema fue la necesidad de comprimir ligeramente la tira para crear una "monocapa" o una sola capa de células que permita obtener imágenes estadísticamente representativas.
Extractos de "La velocidad de marcha del menisco capilar en un microcanal", el ejemplo al que nos referimos al simular el flujo del canal para crear una "monocapa". Este desarrollo capilar finalmente se detuvo.
Mientras tanto, me concentré en crear ópticas de alta resolución para un dispositivo aún económico pero autónomo. Por lo tanto, podríamos centrarnos en monitorear los tipos de células predominantes, como los glóbulos blancos y las plaquetas (además de la malaria). En el centro de todo estaba el sistema de activación, que combinaba algoritmos de enfoque de imágenes gaussianos para garantizar un reconocimiento celular sólido. Aquí hay un prototipo a mitad de camino:
Además, comenzamos a crear una muestra de capacitación de los CDC (Centros para el Control y la Prevención de Enfermedades) y frotis de sangre recolectados por investigadores de Stanford y UCLA, a menudo etiquetados manualmente por mí o un patólogo. A partir de ese momento, pudimos utilizar la visión por computadora tradicional y los enfoques de aprendizaje profundo para reconocer y clasificar los tipos de células en función de ejemplos previos verificados por humanos.
Imagen de los cuerpos celulares extraídos después de la transformación de Hough, primer paso, segmentación preliminar y clasificación
Los primeros pasos fueron duros. La carga de trabajo de la universidad de Stanford + los crecientes costos de hardware han reducido la velocidad de iteración requerida para el desarrollo normal de productos. Las finales a menudo significaban que pasaban días sin ningún progreso notable. Pero armamos una v1 táctil y utilizable que puede capturar y procesar una imagen de una muestra de sangre teñida. Ver demostración:
Este verano, en este edificio naranja en Mountain View, las cosas volvieron a la normalidad cuando nos unimos al grupo de verano de Y Combinator. Todos nuestros esfuerzos (y ahora tenemos un proyecto a tiempo completo) se han centrado en la validación clínica en la Clínica Familiar FEMAP para lanzar la primera serie de aplicaciones dentro del sistema de salud. El objetivo era probar el sistema en un solo aspecto: el recuento de leucocitos. Al capturar imágenes de muestras de sangre en nuestra tira y luego ejecutar algoritmos, mostramos cómo nuestros recuentos de células altamente correlacionados para 350 pacientes coincidían con el estándar de oro de los contadores de células de Beckman Coulter, combinado con una serie de controles de precisión de laboratorio .
Un aspecto interesante fue que la precisión de gota a gota que mostramos (que ha atraído un mayor interés recientemente ) se ha confirmado clínicamente en comparación con otros sistemas que utilizan gotas de sangre. Los contadores Coulter (sistemas tradicionales de recuento de células) funcionan haciendo pasar partículas a través de una preciosa abertura de unas pocas micras de diámetro y capturando la impedancia característica para registrar el tamaño de las partículas y, por tanto, su clasificación. Básicamente, cuanto mayor es la impedancia, mayor es el tamaño de partícula .
Esquema del principio del contador Coulter, fuente: cyto.purdue.edu.
Sin embargo, el enfoque de Athelas para la visión por computadora se centra completamente en modelos de imagen y nucleación. Por lo tanto, el material particulado o la linfa, que a menudo pueden confundir al sistema Coulter (especialmente en cantidades diluidas), se clasifican simplemente por visión por computadora como un cuerpo de células no leucocitarias, no un leucocito, sino algún otro artefacto no clasificado en una muestra de sangre.
La prueba mostró un alto grado de acuerdo entre los expertos (100% de acuerdo entre los expertos en 5 clases) entre los dos sistemas, hemos presentado documentos a la FDA (Administración de Alimentos y Medicamentos) para el registro del sistema para la Clase 2510 (k), ahora estamos vendiendo la versión Clase 1 del sistema para el seguimiento rápido de leucocitos. Obtenga más información en athelas.com.
En los próximos meses, integraremos nuevos tipos de análisis de sangre en el sistema (monitoreo de conmociones cerebrales, seguimiento de la inflamación, infecciones del tracto urinario, plaquetas, aumento de la cantidad de células), nuestra tarea clave será interactuar con la comunidad médica profesional para adoptar e implementar nuestro sistema.
Al mismo tiempo, nos centraremos en enviar nuestros dispositivos de $ 250 a tantos puntos de venta como sea posible, hospitales y hogares.
Buscamos constantemente personas excepcionales para conocer y hackers para unirse a nuestro equipo, así que escríbeme si quieres chatear: tanay [at] getathelas.com
Traducción: Ilya Lankevich
Si desea ayudar con la traducción de materiales útiles de la biblioteca de YC, escriba en un carrito de @jethacker personal o envíe un correo electrónico a alexey.stacenko@gmail.com
Siga las noticias de la Biblioteca de inicio de YC en ruso en el canal de telegramas o en Facebook .