ML-drevet sundhedsplatform til vurdering af hudens tilstand

Innowise har udviklet en AI-drevet app, der bruger deep learning og billedgenkendelse til hurtigt at vurdere hudlidelser og give hurtige, foreløbige diagnoser baseret på uploadede fotos.

Kunde

Industri

Sundhedspleje

Region

Centralasien

Kunde siden

2024

Vores kunde, et førende netværk af dermatologiske klinikker i Centralasien med over 10 års ekspertise, betjener dagligt mere end 1.000 patienter i seks lande. De fokuserer på områder som allergologi, flebologi, dermatologisk kirurgi og meget mere. Deres tilgang blander patientcentreret pleje med avancerede diagnostiske værktøjer og ekspertise fra topspecialister. Denne kombination gør dem i stand til at tilbyde tjenester, der spænder fra behandling af kroniske hudlidelser til æstetiske forbedringer. De er kendt for deres patientcentrerede tilgang (NPS > 9) og for at henvende sig til en kundekreds, der omfatter 12% velhavende personer, og de søgte en løsning, der kunne styrke deres position som innovatører i regionen.

Detaljerede oplysninger om klienten kan ikke videregives i henhold til bestemmelserne i NDA.

Udfordring

Udvikle en AI-drevet diagnostisk app, der hjælper med at etablere markedslederskab og tiltrække patienter af høj værdi

Med den stigende konkurrence i regionen erkendte kunden potentialet i AI, ikke bare til at forbedre diagnostikken, men også som et stærkt markedsføringsværktøj. De ønskede at tiltrække nye patienter, især i det velhavende segment, og positionere sig som teknologiledere på det centralasiatiske sundhedsmarked.

Til dette formål besluttede kunden at udvikle en ML-drevet mobilapp for at automatisere den indledende diagnosticering af hudlidelser. En vigtig udfordring her var behovet for at indsamle og vedligeholde billeddata af høj kvalitet til træning og validering af en ML-model, der sigter mod ambitiøse nøjagtighedsmål, samtidig med at man anerkender de begrænsninger, der ligger i den varierende billedkvalitet. Uden et internt udviklingsteam til at føre denne vision ud i livet henvendte de sig til Innowise for at få Softwareudviklingstjenester.

Løsning

En AI-drevet platform, der integrerer mobilapps og et webadministratorpanel

Innowise udviklede en omfattende platform bestående af to indbyrdes forbundne mobilapplikationer og et webbaseret administrationspanel, som alle er drevet af en specialmodificeret DINOv2-model, der bruger transfer learning med Convolutional Neural Networks (CNN).

Patient-app (iOS og Android): Denne app fungerer som et avanceret marketingværktøj, der tilbyder brugerne en gratis, ML-drevet foreløbig hudvurdering. Denne innovative tilgang giver øjeblikkelige vurderinger af 30 hudsygdomme og fungerer som et leadgenereringsværktøj for kliniknetværket. Appens brugervenlige design og personlige anbefalinger opfordrer brugerne til at booke konsultationer på kundens klinikker.

App til indsamling af lægefotos (iOS og Android): Denne app giver klinikpersonalet mulighed for sikkert at tage og uploade billeder af høj kvalitet af forskellige hudtilstande, hvilket bidrager direkte til den løbende træning og forbedring af DINOv2-modellen. Denne kontinuerlige feedback-loop sikrer, at AI forbliver nøjagtig og opdateret. Appen indeholder også et rapporteringssystem til sporing af fotostatistikker og diagnosticerede tilstande, hvilket giver værdifulde data til analyse og forbedring.

Webbaseret administrationspanel: Dette panel giver klinikadministratorer omfattende værktøjer til at administrere diagnoser, konfigurere behandlinger og medicin efter land, gennemgå AI-genererede vurderinger, analysere data om app-brug og generere rapporter. Dette centraliserede system strømliner driften og giver værdifuld indsigt i patientdemografi og -tendenser.

Hele platformen er bygget på en skalerbar og sikker AWS-skyinfrastruktur, der sikrer databeskyttelse og pålidelig ydeevne. Det oprindelige datasæt til DINOv2-modellen blev leveret af kunden og udvides løbende med billeder, der indsamles via læge-appen.

Hvordan fungerer hudscanner-appen?

Hudscanner-appen er designet med henblik på brugervenlighed og guider brugerne gennem en enkel proces for at få en foreløbig vurdering. Fra valg af kropsdel til personlige klinikanbefalinger giver appen en problemfri brugeroplevelse. Sådan fungerer den:

Valg af kropsdel: Når brugerne åbner appen, er det første skridt at vælge den del af kroppen, hvor hudlidelsen er lokaliseret. Det hjælper appen med at indsnævre de mulige tilstande, der kan relateres til det specifikke område.
Upload af billeder: Brugerne kan enten tage et billede af deres hudtilstand eller uploade et fra deres galleri.
Spørgeskema: Når billedet er uploadet, besvarer brugerne en kort quiz med tre spørgsmål. Disse spørgsmål hjælper med at tilføje kontekst til maskinlæringsanalysen, som f.eks. symptomer eller relevant medicinsk historie.
Billedanalyse og diagnose: Når billedet er indsendt, giver appen tre mulige diagnoser, hver med en sandsynlighedsscore. Den kan f.eks. vise akne (80%), dermatitis (15%) og psoriasis (5%).
Detaljerede oplysninger om tilstanden: Brugerne kan trykke på en hvilken som helst diagnose for at få mere detaljerede oplysninger om tilstanden, herunder en beskrivelse, behandlingsmuligheder og anbefalet medicin. Disse oplysninger opdateres regelmæssigt via administratorpanelet for at holde alt opdateret.
Geolokationsbaserede anbefalinger af klinikker: Appen bruger geolokalisering til at give brugerne en personlig liste over klinikker i nærheden, hvor de kan blive behandlet for deres lidelser. Hver klinik kommer med alle kontaktoplysninger og nøjagtige placeringer på et interaktivt kort - hvilket gør det nemt for patienter at komme i kontakt med sundhedspersonale. Hvis der ikke er nogen passende klinikker i brugerens by, foreslår appen alternativer i nærliggende byer eller regioner.
Brugerregistrering og profilstyring: Appen giver brugerne to muligheder: gæstetilstand og registreret tilstand. I gæstetilstand kan brugerne få hurtig diagnosticering uden at oprette en konto. Registrerede brugere låser derimod op for ekstra funktioner som en personlig profil, hvor de kan holde styr på deres diagnosehistorik, gemme fotos og få mere detaljeret indsigt baseret på deres tidligere interaktioner.
Reklame i appen: Vi hjalp kunden med at tilføje ikke-påtrængende bannerannoncer til appen og placerede dem strategisk i toppen eller bunden af skærmen for at skabe en ekstra indtægtsstrøm.

Teknologier

Python, FastAPI

DINOv2, AWS SageMaker

Sikkerhed

TLS, AES-256-kryptering, MFA

VCS

Git, GitHub

Cloud

AWS

Proces

En trinvis tilgang sikrede en problemfri udførelse, fra opdagelse (demo af fotosamlingsapp og design af arbejdsgange) til implementering (mobiludvikling, modeltræning og opsætning af infrastruktur) og endelig fortsat drift og support (løbende forbedring af modellen, overførsel af viden og dedikeret support).

Hold

Projektleder

Forretningsanalytiker

Angular Udviklere

UX/UI Designer

Python Engineers

Flutter-udviklere

ML-udviklere

QA Engineer

Resultater

En vellykket AI-drevet huddiagnostisk platform, der opnår hurtig brugervækst og høj diagnostisk nøjagtighed, samtidig med at der skabes udvidelsesmuligheder

Vi har udviklet en ML-drevet mobilapp der giver brugerne en hurtig og sikker måde at vurdere deres hudtilstand på. I løbet af de første tre måneder har appen på tværs af platforme fået 5.000 nye brugere, hvilket har hjulpet kunden med at skabe en stærk tilstedeværelse på et konkurrencepræget marked. Sideløbende med dette skabte vi en app til fotoindsamling for at træne og finjustere ML-modellen, som nu opnår 80% nøjagtighed på tværs af 30 dermatologiske diagnoser.

Vores team byggede også et webbaseret administrationspanel, der giver klinikadministratorer mulighed for at administrere indhold, spore brug og nemt holde alle data opdaterede.

Fremadrettet har kunden betroet vores team at implementere abonnementsmuligheder og opbygge API-adgang til modellen for et netværk af partnerklinikker. Vi arbejder også på at forbedre de nuværende funktioner for at holde appen så effektiv og brugervenlig som muligt.

Projektets varighed

Februar 2024 - Løbende

5,000

nye brugere i de første tre måneder

80%

ML-modellens nøjagtighed opnået

Relaterede sager

Kontakt os

Book et opkald eller udfyld formularen nedenfor, så vender vi tilbage til dig, når vi har behandlet din anmodning.

Navn

Virksomhed

E-mail

Telefon

Besked

Send os en talebesked

Vedhæft dokumenter

Upload fil

Du kan vedhæfte 1 fil på op til 2 MB. Gyldige filformater: pdf, jpg, jpeg, png.

Ved at klikke på Send accepterer du, at Innowise behandler dine personlige data i henhold til vores Politik for beskyttelse af personlige oplysninger for at give dig relevante oplysninger. Ved at indsende dit telefonnummer accepterer du, at vi kan kontakte dig via taleopkald, sms og beskedapps. Opkalds-, besked- og datatakster kan være gældende.

Du kan også sende os din anmodning
til contact@innowise.com

Hvad sker der nu?

Når vi har modtaget og behandlet din anmodning, vender vi tilbage til dig for at beskrive dine projektbehov og underskriver en NDA for at sikre fortrolighed.

Når vi har undersøgt dine ønsker, behov og forventninger, udarbejder vores team et projektforslag med forslag med arbejdets omfang, teamstørrelse, tids- og omkostningsoverslag.

Vi arrangerer et møde med dig for at diskutere tilbuddet og få detaljerne på plads.

Til sidst underskriver vi en kontrakt og begynder at arbejde på dit projekt med det samme.

ML-drevet sundhedsplatform til vurdering af hudens tilstand

Kunde

Udfordring

Udvikle en AI-drevet diagnostisk app, der hjælper med at etablere markedslederskab og tiltrække patienter af høj værdi

Løsning

En AI-drevet platform, der integrerer mobilapps og et webadministratorpanel

Hvordan fungerer hudscanner-appen?

Teknologier

Proces

Hold

Resultater

En vellykket AI-drevet huddiagnostisk platform, der opnår hurtig brugervækst og høj diagnostisk nøjagtighed, samtidig med at der skabes udvidelsesmuligheder

Relaterede sager

Kontakt os

Hvad sker der nu?

Brug for andre tjenester?

Abonner til vores nyhedsbrev

Abonner
til vores nyhedsbrev