Para identificar automáticamente con precisión estas 3,000 píldoras, necesitaría ~ 100 fotos de muestra de cada píldora para entrenar. Eso es un total de 300.000 imágenes. Esto tomará tiempo para recolectar.
Sin embargo, dadas las imágenes de PillSync 10k, hay formas de acelerar esta recopilación al acortar el proceso de indexación de píldoras con IA. Actualmente, digamos que me toma ~30 segundos identificar una pastilla. Tengo que ingresar la impresión, seleccionar una forma, elegir el color, elegir el puntaje y luego examinar los resultados.
¿Qué pasaría si pudiera reducir eso a 10 segundos? a 3 segundos?
¿Qué pasa si puedo detectar la forma, marcar e imprimir?
¿Qué sucede si puedo reducir las opciones de 50 píldoras a 5 y luego elegir la correcta?
Si puedo usar ML para leer algunos rasgos y devolver las 3 a 5 píldoras principales, incluso puedo hacer que el usuario elija la combinación correcta y valide la colección de píldoras por mí. Esto escalará bastante bien y nos acercará a esas 300k imágenes en unos pocos años.
La píldora AI está aquí. Con alrededor de 50 muestras de cada forma REDONDA, OVALADA y CÁPSULA, ya pude entrenar a un modelo para reconocer y clasificar cada pastilla en una foto determinada. Esto significa que una foto de 5 píldoras devolverá la ubicación de cada píldora.
detección de múltiples pastillasreconocimiento de múltiples pastillasentrenamiento del modelo de detección
He estado recortando píldoras usando este algoritmo y continúa impresionando con una precisión del 95+%. Para las fotos que se equivocan, simplemente las devuelvo al algoritmo y las vuelvo a entrenar. Con el tiempo, el modelo sin duda logrará una precisión del 99,9%.
Ahora que puedo recortar y leer formas básicas, el siguiente paso es entrenarlo para clasificar PUNTUACIÓN y otros rasgos como LOGOTIPO y PATRONES de cada píldora. Se acerca la lectura IMPRINT. Nuevamente, el desafío es el conjunto de datos que debe etiquetarse y categorizarse. Tomará algún tiempo etiquetar miles de píldoras.
Una vez completada, podré reducir las opciones para que el 95 % de las fotos de píldoras caigan en unos 5 resultados. A este ritmo, confío en que el camino para recopilar millones de fotos de píldoras se logrará en la última mitad de la década de 2020. Esto identificará el 99% de las píldoras antiguas, pero tenga en cuenta que para las píldoras recién lanzadas, aún se necesita una heurística confiable para recopilar las primeras 100 píldoras para entrenar, por lo que tener ambas opciones es la mejor manera de hacerlo.
A medida que más medicamentos salen al mercado para más tratamientos, más personas toman en promedio de 3 a 5 pastillas. La capacidad de identificar la píldora es crucial para la seguridad y la adherencia. Las personas no solo quieren identificar píldoras desconocidas, sino que a menudo han perdido el empaque y necesitan encontrar la información farmacológica de esa píldora. La mayoría de los pacientes solo saben realmente que están tomando una pastilla azul redonda con el logotipo.
Los futuros servicios de salud como la telesalud necesitarán obtener una lista de medicamentos con una foto. Las enfermeras querrán controlar los medicamentos. Pill AI es un problema importante para resolver. Como estudiante de farmacia, no tenía ni idea de que lo que comencé se convertiría en una pieza clave del rompecabezas para el futuro de la atención médica. En cierto modo, PillSync ha representado mi crecimiento como programador y la inevitable evolución de la tecnología. Me complace ser parte de este viaje y espero con ansias las aplicaciones mágicas que impulsará la IA de píldoras en la década de 2020. Si está interesado en obtener acceso al motor de IA de píldoras o ver cómo puede ayudar a sus pacientes, no dude en ponerse en contacto en LinkedIn.