Das Formular wurde erfolgreich abgeschickt.
Weitere Informationen finden Sie in Ihrem Briefkasten.
Sprache auswählen
Innowise hat eine KI-gestützte App entwickelt, die mithilfe von Deep Learning und Bilderkennung Hautkrankheiten schnell beurteilen kann und auf der Grundlage hochgeladener Fotos schnelle, vorläufige Diagnosen stellt.
Unser Kunde, ein führendes dermatologisches Kliniknetzwerk in Zentralasien mit über 10 Jahren Erfahrung, betreut täglich mehr als 1.000 Patienten in sechs Ländern. Sie konzentrieren sich auf Bereiche wie Allergologie, Phlebologie, dermatologische Chirurgie und mehr. Ihr Ansatz verbindet eine patientenzentrierte Versorgung mit fortschrittlichen Diagnoseinstrumenten und dem Fachwissen von Top-Spezialisten. Diese Kombination ermöglicht es ihnen, Dienstleistungen anzubieten, die von der Behandlung chronischer Hautkrankheiten bis hin zu ästhetischen Verbesserungen reichen. Das Unternehmen, das für seinen patientenzentrierten Ansatz
(NPS > 9) bekannt ist und eine Klientel bedient, zu der 12% vermögende Privatpersonen gehören, suchte nach einer Lösung, um seine Position als Innovator in der Region zu stärken.
Detaillierte Information über den Kunden kann aufgrund der Bestimmungen des NDA nicht veröffentlicht werden.
Angesichts des zunehmenden Wettbewerbs in der Region erkannte der Kunde das Potenzial der KI nicht nur zur Verbesserung der Diagnostik, sondern auch als leistungsstarkes Marketinginstrument. Das Unternehmen wollte neue Patienten gewinnen, vor allem im gehobenen Segment, und sich als Technologieführer auf dem zentralasiatischen Gesundheitsmarkt positionieren.
Zu diesem Zweck beschloss der Kunde, eine ML-gestützte mobile Anwendung um die vorläufige Diagnose von Hautkrankheiten zu automatisieren. Eine zentrale Herausforderung war dabei die Notwendigkeit, qualitativ hochwertige Bilddaten für das Training und die Validierung eines ML-Modells zu erfassen und zu pflegen, wobei ehrgeizige Genauigkeitsziele angestrebt und gleichzeitig die Grenzen der variablen Bildqualität berücksichtigt werden sollten. Ohne ein internes Entwicklungsteam, das diese Vision zum Leben erwecken konnte, wandte sich das Unternehmen an Innowise, um ausführliche Testphasen und Kundenfeedback sind integrale Bestandteile des Lebenszyklus unseres.
Innowise entwickelte eine umfassende Plattform, die zwei miteinander verbundene mobile Anwendungen und ein webbasiertes Administrationspanel umfasst, die alle auf einem kundenspezifisch modifizierten DINOv2-Modell basieren, das Transfer Learning mit Convolutional Neural Networks (CNNs) verwendet.
Patienten-App (iOS und Android): Diese App dient als fortschrittliches Marketinginstrument und bietet den Nutzern eine kostenlose, ML-gestützte Vorabbewertung der Haut. Dieser innovative Ansatz bietet Sofortbewertungen für 30 Hautkrankheiten und dient als Instrument zur Lead-Generierung für das Kliniknetzwerk. Das benutzerfreundliche Design der App und die personalisierten Empfehlungen ermutigen die Nutzer, Beratungstermine in den Kliniken des Kunden zu buchen.
Ärztliche Fotosammel-App (iOS und Android): Mit dieser App kann das Klinikpersonal auf sichere Weise qualitativ hochwertige Bilder verschiedener Hautzustände erfassen und hochladen, was direkt zur kontinuierlichen Schulung und Verfeinerung des DINOv2-Modells beiträgt. Diese kontinuierliche Feedbackschleife stellt sicher, dass die KI genau und aktuell bleibt. Die App enthält auch ein Berichtssystem zur Verfolgung von Fotostatistiken und diagnostizierten Zuständen, das wertvolle Daten für die Analyse und Verbesserung liefert.
Webbasierte Verwaltungsoberfläche: Dieses Panel bietet Klinikadministratoren umfassende Tools zur Verwaltung von Diagnosen, zur Konfiguration von Behandlungen und Medikamenten nach Land, zur Überprüfung von KI-generierten Bewertungen, zur Analyse von App-Nutzungsdaten und zur Erstellung von Berichten. Dieses zentralisierte System rationalisiert die Abläufe und bietet wertvolle Einblicke in die demografischen Daten und Trends der Patienten.
Die gesamte Plattform ist auf einer skalierbaren und sicheren AWS-Cloud-Infrastruktur aufgebaut, die den Datenschutz und eine zuverlässige Leistung gewährleistet. Der anfängliche Datensatz für das DINOv2-Modell wurde vom Kunden zur Verfügung gestellt und wird kontinuierlich durch Bilder ergänzt, die über die Arzt-App gesammelt werden.
Die Hautscanner-App ist auf Benutzerfreundlichkeit ausgelegt und führt die Nutzer durch einen einfachen Prozess, um eine vorläufige Bewertung zu erhalten. Von der Auswahl des Körperteils bis hin zu personalisierten Klinikempfehlungen bietet die App eine nahtlose Benutzererfahrung. Und so funktioniert es:
Ein stufenweiser Ansatz sorgte für einen reibungslosen Ablauf, von der Erkundung (Demo der Fotosammel-App und Gestaltung des Arbeitsablaufs) über die Implementierung (mobile Entwicklung, Modellschulung und Einrichtung der Infrastruktur) bis hin zum fortlaufenden Betrieb und Support (laufende Modellverbesserung, Wissenstransfer und engagierter Support).
1
Projekt-
rmanager
1
Business-Analyst
2
Angular-Entwickler
1
UX/UI-Designer
2
Python-Ingenieure
2
Flutter-Entwickler
3
ML-Entwickler
1
QA-Ingenieur
Wir haben ein ML-gestützte mobile Anwendung die den Nutzern eine schnelle und sichere Möglichkeit bietet, ihren Hautzustand zu beurteilen. Innerhalb der ersten drei Monate hat die plattformübergreifende App 5.000 neue Nutzer gewonnen und dem Kunden zu einer starken Präsenz in einem wettbewerbsintensiven Markt verholfen. Parallel dazu haben wir eine Fotosammel-App entwickelt, um das ML-Modell zu trainieren und zu verfeinern, das jetzt eine Genauigkeit von 80% bei 30 dermatologischen Diagnosen erreicht.
Unser Team hat außerdem ein webbasiertes Administrationspanel entwickelt, mit dem Klinikadministratoren Inhalte verwalten, die Nutzung verfolgen und alle Daten auf einfache Weise auf dem neuesten Stand halten können.
Mit Blick auf die Zukunft beauftragte der Kunde unser Team mit der Implementierung von Abonnementoptionen und dem Aufbau eines API-Zugangs zum Modell für ein Netzwerk von Partnerkliniken. Wir arbeiten auch an der Verbesserung der aktuellen Funktionen, um die App so effektiv und benutzerfreundlich wie möglich zu gestalten.
5,000
neue Nutzer in den ersten drei Monaten
80%
erreichte ML-Modellgenauigkeit
Sobald wir Ihre Anfrage erhalten und bearbeitet haben, werden wir uns mit Ihnen in Verbindung setzen, um Ihre Projektanforderungen zu besprechen und eine NDA (Vertraulichkeitserklärung) für die Vertraulichkeit der Informationen zu unterzeichnen.
Nach der Prüfung der Anforderungen erstellen unsere Analysten und Entwickler einen Projektvorschlag, der Arbeitsumfang, Teamgröße, Zeit- und Kostenschätzung enthält.
Wir vereinbaren einen Termin mit Ihnen, um das Angebot zu besprechen und eine Vereinbarung mit Ihnen zu treffen.
Wir unterzeichnen einen Vertrag und beginnen umgehend mit der Arbeit an Ihrem Projekt.
Mit der Anmeldung erklären Sie sich mit unseren Nutzungsbedingungen - als auch mit der Datenschutzrichtlinie, einschließlich der Verwendung von Cookies und der Übermittlung Ihrer persönlichen Daten - einverstanden.
© 2007-2024 Innowise. Alle Rechte vorbehalten.
Datenschutzrichtlinie. Cookies-Richtlinie.
Innowise Sp. z o.o Ul. Rondo Ignacego Daszyńskiego, 2B-22P, 00-843 Warschau, Polen
Mit der Anmeldung erklären Sie sich mit unseren der Datenschutzrichtlinie geschickt zu bekommen
Vielen Dank!
Ihre Nachricht wurde gesendet.
Wir werden Ihre Anfrage bearbeiten und Sie so schnell wie möglich kontaktieren.
Vielen Dank!
Ihre Nachricht wurde gesendet.
Wir werden Ihre Anfrage bearbeiten und uns so schnell wie möglich mit Ihnen in Verbindung setzen.