DermLens

よく見られる慢性の皮膚疾患のひとつである乾癬の患者は、米国内では 750 万人を数え、全世界では 1 億 2,500 万人を超えています。この皮膚疾患が人間生活の QOL におよぼすマイナスのインパクトは非常に大きいものがあります。その症状管理を改善できれば、患者個人や社会に甚大な影響を与えるでしょう。

乾癬で最大頻度の症状は目で見えるため、DeepLens でキャプチャが可能です。乾癬の特徴とは、皮膚の異常部分にうろこ状の赤斑が生じる点にあります。

DeepLens を使用して、コスト効率が高くスケーラブルなソリューションをお届けする目的は、乾癬の患者が症状をモニタリング、管理できる手段を提供して、数百万規模の方々の人生を変えることにあります。変革をもたらすのは、機械学習アルゴリズムの実行とローカルのリアルタイム推論です。分類およびセグメンテーションは、集中管理されたハードウェアへの高帯域幅接続に依存せず、患者の所在地におけるネットワークエッジで行います。

作成者: Terje Norderhaug、Tom Woolf

皮膚異常が見られたセグメントにラベリングした 45 の画像からなるデータセットを使用しました。トレーニングセットの各画像には皮膚異常を示すマスキングを施します。DeepLens のモデルのトレーニングには、このトレーニングセットの画像を使用しました。

クラウドへの統合には AWS を使用します。DeepLens に加えて、MQTT を使用して、アプリが DeepLens デバイスからの情報のストリーミングを受けとめられるようにしました。Lambda 関数が呼び出され、潜在的に危険な状態にあると考えられる画像のセグメンテーションとパーセンテージに基づいて乾癬の重症度の評価を返します。モデルのトレーニングには MXNet および Tensorflow を使用するとともに、Sagemaker でハイパーパラメータによる微調整を行いました。モデル評価はオンデバイス (YouTube の動画参照) のトレーニング、および S3 バケット内の画像を使用した Sagemaker の両方で行いました。

本プロジェクトは AWS コンソールと CLI リソースに加えて、node.js および Python Lambda 関数、さらに学習に Juypter および AWS リソースを使用した Python ノートブックも合わせて使用して構築しました。構築とテストには、ラップトップコンピュータを 2 台とデスクトップコンピュータを 1 台に AWS リソースを組み合わせ、さらに DeepLens を使用しました。

かゆみ、疲れやすいといった副次的症状の自己申告用には、ClojureScript および React を使用して、モバイルアプリケーションを付録として開発しました。これは「継続治療」を前提とした使用を念頭に置いており、報告データは医師および医療チームが利用できるようになります。私たちは最終的には DeepLens が乾癬患者向けのハードウェア製品に組み込まれ、このような副次的症状もキャプチャすることを想定しています。