左-2014年に17歳のTanayTandonは、スマートフォンを使用してマラリアを診断するためにスタートアップAthelasを設立しました。右：Athelasの共同創設者であるDeepikaBodopati。
数年前、Athelas（YC S16）は、YC Hacks2014ハッカソンで一晩プロトタイプを開発しました。今月、全国の病院や患者さんへの出荷を開始しました。この間、私たちは多くのことを学び、いくつかの考えを共有したいと思います。
Athelasは、従来の実験室試験の代わりにコンピュータービジョンを使用して即時の血液分析を提供する安価なイメージャーです。膝の上で組み立てられたプロトタイプから、すべての段階で（特に医学において）配達の準備ができているデバイスへの道は、次元の変化でした、そして今、最初の日を思い出すのは興味深いです。
ハッカソンで組み立てられたバージョンは、スマートフォンのカメラに取り付けられた発泡ゴムと球形の拡大鏡を使用していました。血液サンプルを下に（トイレットペーパーのロールで）保持し、カメラで数枚の写真を撮り、コンピュータービジョンを使用してマラリア細胞を数えました。デバイスのデザインは、vanLeeuwenhoek顕微鏡と非常によく似ています。（最初の顕微鏡の1つと考えられています）これは、微生物を観察するために人類の歴史の中で初めて使用されました。すべてをまとめる試みが何度かありましたが、デバイスを電話で確実に動作させるために、数時間のハッカソンを費やしました。
ハッカソンの数ヶ月後に取ったメモの断片。
実際のハックは、抽出された赤血球（RBC）特性を分類するためにトレーニングされたFast RandomForestモデルの実装と組み合わせたセグメンテーションとパターンマッチングでした。細胞の境界が認識され、分類子に送られ、寄生細胞（マラリアやトリパノソームなど）があるかどうかが判断されます。
プロトタイプは、血液サンプルのスライドがマラリア寄生虫を示しているが、普通の人の血液は示していない、クールなプレゼンテーションのために作られました。デモンストレーションの間、誰かが物理的にカメラを1つの場所に保持する必要があり、サンプルの入ったグラスは巧妙なトリックに交換され、それでも光を捕らえる必要がありました。一日の終わりまでに、プロトタイプは実験するのに楽しいおもちゃでした、あなたはFacebookのビデオを見たかもしれません。
しかし、彼らはそれがもっと何かであると確信していました。重要なアイデアは、広く適用可能で使いやすいデバイスを作成する場合、すべての診療所、診察室、さらには自宅で簡単な血液検査を行ってみませんか？帰国後、このアイデアは私たちを完全に夢中にさせ、私たちはそれを開発することに決めました-しかし、単なるプロトタイプではなく、製品として。これは、末梢血塗抹標本を分析するための自動メカニズム、さまざまな細胞タイプに対するより信頼性の高いコンピュータービジョンアプローチ、スライドを保存せずにサンプル全体を画像化するための自動メカニズムの作成、そしてさらに重要なことに、臨床検証研究の実施を意味しました。
Deepika（私の共同創設者）は、細胞をすばやく染色する方法の改善に取り組み、箱から出してすぐに使用できるプラスチックストリップに染料を塗布する方法を考案しました。彼女は主に実験室で働き、数十の染料変異体を合成し、細胞ディスプレイの品質の実証的研究を行った。問題のもう1つの部分は、統計的に代表的な画像を取得できる「単層」または単層のセルを作成するために、ストリップを軽く圧縮する必要があることでした。
「マイクロチャネル内の毛細管メニスカスの行進速度」からの抜粋。チャネルフローをシミュレートして「単層」を作成するときに参照している例です。この毛細血管の発達は最終的に保留されました。
その間、私はまだ安価であるが自己完結型のデバイス用の高解像度光学系の作成に焦点を合わせました。したがって、白血球や血小板（マラリア以外）などの一般的な細胞タイプの監視に焦点を当てることができます。そのすべての中心は、堅牢なセル認識を保証するためにガウス画像集束アルゴリズムを組み合わせたトリガーシステムでした。途中のプロトタイプは次のとおりです。
さらに、CDC（Centers for Disease Control and Prevention）のトレーニングサンプルと、スタンフォード大学とUCLAの研究者によって収集された血液塗抹標本の作成を開始しました。多くの場合、私または病理学者が手動でタグ付けしました。その時点から、従来のコンピュータービジョンと深層学習アプローチを使用して、以前の人間が検証した例に基づいて細胞タイプを認識および分類することができました。
ハフ変換、最初のパス、予備的なセグメンテーションおよび分類後の抽出された細胞体の画像
最初のステップは大変でした。スタンフォード大学のワークロード+ハードウェアコストの上昇により、通常の製品開発に必要な反復速度が低下しました。決勝戦は、多くの場合、目立った進展なしに数日が経過したことを意味しました。しかし、染色された血液サンプルの画像をキャプチャして処理できる、触覚的で使用可能なv1をまとめました。デモを参照してください：
今年の夏、マウンテンビューにあるこのオレンジ色の建物で、Y Combinatorの夏のバッチに参加したとき、状況は通常に戻りました。私たちのすべての努力（そして今ではフルタイムのプロジェクトがあります）は、ヘルスケアシステム内で最初の一連のアプリケーションを立ち上げるためのFEMAPファミリークリニックでの結果の臨床検証に焦点を合わせています。目標は、白血球のカウントという1つの側面でのみシステムをテストすることでした。ストリップ内の血液サンプルの画像をキャプチャし、アルゴリズムを実行することにより、350人の患者の相関性の高い細胞数が、一連の実験室精度チェックと組み合わせて、ベックマンコールターのセルカウンターのゴールドスタンダードとどのように一致するかを示しました。
興味深い点は、私たちが示したドロップツードロップの精度です（近年注目を集めている）は、血液滴を使用する他のシステムと比較して臨床的に確認されています。コールターカウンター（従来のセルカウントシステム）は、直径数ミクロンの貴重な開口部に粒子を通過させ、特性インピーダンスをキャプチャして粒子サイズとその分類を記録することで機能します。基本的に、インピーダンスが高いほど、粒子サイズは大きくなります。
コールターカウンター原理の概略図、出典：cyto.purdue.edu。
ただし、コンピュータビジョンに対するAthelasのアプローチは、イメージングと核形成モデルに完全に焦点を合わせています。したがって、コールターシステムを（特に希薄な量で）混乱させることが多い粒子状物質またはリンパ液は、コンピュータービジョンによって、白血球ではなく、血液サンプル中の他の分類されていないアーチファクトである非白血球細胞体として単純に分類されます。
このテストでは、2つのシステム間で専門家間で高度な合意（グレード5の専門家間で100％の合意）が示されました。システムをクラス2 510（k）で登録するために、FDA（食品医薬品局）に文書を提出しました。現在、システムのクラス1バージョンを販売しています。白血球の迅速なモニタリング用。 athelas.comで詳細をご覧ください。
今後数か月以内に、新しいタイプの血液検査をシステムに統合します（震動の監視、炎症の追跡、尿路感染症、血小板、細胞数の増加）。私たちの重要なタスクは、システムを採用および実装するために専門の医学界と対話することです。
同時に、250ドルのデバイスをできるだけ多くの店舗、医療施設、および家庭に出荷することに重点を置きます。
私たちは常に会う優秀な人々と私たちのチームに参加するハッカーを探しています。チャットしたい場合は私に書いてください：tanay [at] getathelas.com
翻訳：Ilya Lankevich
YCライブラリからの有用な資料の翻訳を手伝いたい場合は、個人の@jethackerカートに書き込むか、alexey.stacenko @ gmail.comにメールして
ください。テレグラムチャネルまたはFacebookでロシア語のYCスタートアップライブラリの ニュースをフォローしてください。