Come Eyegage ha dimensionato la sua applicazione salvavita grazie alla partnership con Impact Accelerator

Per celebrare il Mese della storia dei neri, per tutto febbraio Startup AWS pubblicherà post che evidenziano i contributi degli sviluppatori e dei leader tecnologici neri: il loro merito maggiore è ispirare, incoraggiare e sostenere altre persone, specialmente quelle storicamente sottorappresentate nel mondo della tecnologia, a dimostrazione di ciò che è possibile fare.

LaVonda Brown, dottoressa di ricerca, fondatrice e CEO di Eyegage, esperta di intelligenza artificiale (IA) e tecnologie di analisi oculare, ha sviluppato un modello di coinvolgimento robotico basato sullo sguardo dell'utente e sulla dimensione della pupilla (dilatazione e costrizione).

Questo modello pubblicato, brevettato e concesso in licenza è stato applicato a diversi casi d'uso, tra cui l'insegnamento della matematica e la terapia fisica per migliorare i risultati. Il suo lavoro ha portato anche a utilizzare il tracciamento oculare come valido biomarcatore per il deterioramento cognitivo lieve e il morbo di Alzheimer a esordio precoce.

LaVonda ha utilizzato la sua esperienza per lanciare EyeGage, un'applicazione per dispositivi mobili che applica tecniche di analisi oculare per valutare se le persone sono sotto l'effetto di droghe e alcol, contribuendo a prevenire gli incidenti stradali potenzialmente mortali.

Eyegage aveva pianificato di lanciare sul mercato l'applicazione mobile a dicembre 2022, ma doveva soddisfare un requisito fondamentale: connettere l'applicazione front-end ad Amazon SageMaker, la piattaforma cloud di back-end che consente agli sviluppatori di applicazioni di creare, addestrare e implementare modelli di machine learning.

"Il nostro prototipo ha funzionato bene con Amazon Web Services (AWS) e il nostro modello era già stato addestrato", afferma LaVonda. "Dovevamo però esporre il modello a SageMaker per avere la certezza di poter dimensionare i nostri servizi in base ai picchi di attività degli utenti." Tuttavia, non avendo mai utilizzato SageMaker, lavorare sulla documentazione si è rivelato alquanto difficile per il team di Eyegage. È allora che LaVonda si è rivolta ad AWS per chiedere aiuto.

AWS facilita le partnership tramite il programma Impact Accelerator

Grazie alla sua partecipazione al gruppo "Fondatori neri" nell'ambito del programma AWS Impact Accelerator, LaVonda ha avuto accesso a risorse di coaching personalizzate, finanziamenti di capitale e soluzioni tecniche. In questo modo, EyeGage è entrata in contatto con Avahi, una società di consulenza incentrata sul cloud e partner del programma AWS Global Startup.

"Avahi ci ha colpito per la sua conoscenza dei modelli di machine learning e la sua comprensione del nostro business", afferma LaVonda. "Ancora più importante, ci ha illustrato dei progetti SageMaker intrapresi in precedenza che avevano caratteristiche simili alle nostre necessità. Questo ci ha convinti del fatto che Avahi sarebbe stata in grado di portare a termine il lavoro."

Avahi ha stratificato il codice del modello di machine learning in SageMaker per esporlo come un'API senza interruzioni agli utenti finali dell'applicazione per dispositivi mobili di EyeGage. Ciò includeva l'aggiornamento del codice del modello per poterlo esporre come inferenza di machine learning basata sugli eventi. Inoltre, Avahi ha integrato il modello con servizi aggiuntivi come AWS Lambda, per il calcolo serverless, e Gateway Amazon API, un servizio gestito che semplifica la creazione e la manutenzione delle API.

Ingrandirsi per salvare vite

Una volta esposto il modello di machine learning, l'applicazione di front-end era in grado di dimensionarsi meglio per fornire risultati di screening farmacologici contactless, non invasivi, obiettivi, imparziali, sicuri, rapidi e accurati.

Perseguendo questa partnership, Eyegage, con l'assistenza di Avahi, è riuscita anche a semplificare la raccolta dei dati degli utenti finali, come identità e posizione, permettendo così all'applicazione di confrontare i risultati di scansione attuali e passati e di fornire agli utenti ulteriori informazioni preziose sulla propria condizione.

"Avahi ha anche contribuito a codificare il back-end AWS per ricevere token Web in formato JSON", aggiunge LaVonda. "Questo ci offre un modo più sicuro per inviare e ricevere dati: è un aspetto fondamentale, data la sensibilità delle informazioni che trattiamo per i nostri clienti."

Quali sono le prospettive per Eyegage?

EyeGage ricerca attivamente nuove funzionalità da includere nella sua applicazione mobile per migliorare e contribuire alla sicurezza dei singoli e delle comunità al fine di ridurre gli incidenti stradali. Nuove funzionalità dell'applicazione, come Should I Drive? e FriendGage, promuovono modi semplici per incrementare la responsabilizzazione e accedere a strumenti che consentono di comprendere il grado di incapacità temporanea.

Oltre all'utilizzo immediato per la rilevazione di sostanze nel corpo, i set di dati dell'azienda potrebbero avere altri impieghi. "Gli occhi consentono di identificare una persona così come di diagnosticare malattie, commozioni cerebrali o diabete. Permettono anche di stabilire, ad esempio, se una persona ha assunto caffeina, in base a come gli occhi reagiscono alla luce", aggiunge LaVonda. "Il monitoraggio del comportamento oculare può essere utilizzato per molti scopi."

Esplora altri contenuti che celebrano i successi degli innovatori neri, come:

• Storie su Twitter di Startup AWS su fondatori neri ispiratori, innovativi e rivoluzionari
• La fondatrice di CareCoPilot Alyse Dunn miete successi dopo AWS Impact Accelerator
• Facciamo luce sull'eccellenza nera: tre fondatori condividono le loro storie
• In che modo Resilia aiuta le organizzazioni non profit a sviluppare capacità tramite il SaaS