Kehittynyt masennuksen tunnistustyökalu

Innowise on kehittänyt innovatiivisen AI-alustan, jolla voidaan tunnistaa potilaiden masennus EEG-skannausten avulla.

Asiakas

Teollisuus
Alue
YHDYSVALLAT
Asiakas vuodesta
2022

Asiakkaamme on yksi terveydenhuollon suurimmista edustajista. He ylläpitävät omaa lääketieteellistä keskusta Yhdysvalloissa.

Yksityiskohtaisia tietoja asiakkaasta ei voida luovuttaa NDA:n määräysten nojalla.

Haaste

Yli miljardi ihmistä maailmassa kärsii mielenterveyshäiriöistä, ja masennuksesta kärsii yli 300 miljoonaa ihmistä. Varhaisen diagnoosin ja kattavan hoidon helpottamiseksi tutkijat ovat tunnistaneet lupaaviksi välineiksi EEG-biomarkkerit ja AI- kasvojen tunteiden tunnistusteknologian. Hyödyntämällä AI-kasvojen tunnetunnistustekniikkaa, joka käyttää koneoppimista kasvojen ilmeiden analysointiin ja mielenterveyshäiriöihin liittyvien mallien havaitsemiseen, voimme tarjota ei-invasiivisen ja kätevän menetelmän mahdollisten mielenterveysongelmien havaitsemiseen. Koneellista oppimista hyödyntävän kasvojen tunnetunnistuksen avulla voimme täydentää perinteisiä kliinisiä lähestymistapoja mielenterveyden diagnosointiin ja hoitoon ja tarjota tehokkaampia ja osallistavampia ratkaisuja.

Eräs asiakas lähestyi Innowise:tä ja pyysi kehittämään automaattisen ratkaisun, jossa AI:tä hyödynnetään potilaiden masennukseen liittyvien inhimillisten tunteiden havaitsemiseen. Hyödyntämällä kehittyneitä AI-teknologioita ja asiantuntemusta Innowise kehitti ratkaisun, joka voi auttaa lääkäreitä tarjoamaan oikea-aikaista ja tehokasta hoitoa masennuksen kanssa kamppaileville.

Ratkaisu

Toteutimme AI:n palveluratkaisuna masennuksen havaitsemisen ja hoidon helpottamiseksi. Kehitimme uusimpia syväoppimisvälineitä käyttäen mallin, joka voi havaita masennuksen skannaamalla EEG-tuloksia ja tunnistaa hoitovasteen EEG-ennusteita. Analysoimalla EEG-dataa mallimme voi tunnistaa malleja ja indikaattoreita, jotka voivat auttaa lääkäreitä räätälöimään hoitomenetelmänsä kullekin yksittäiselle potilaalle.

PILVI ML-SOVELLUS

Valitsimme pilvipohjaisen sovelluksen, koska se tarjoaa monia etuja yrityksellemme. koneoppimisen (ML) ratkaisu, mukaan lukien parannettu tietoturva ja tietojen tallennusominaisuudet. Toteutettu SaaS-ratkaisu poistaa tarpeen suurelle prosessointiteholle, tietojen tallentamiselle ja useille palvelimille ML-algoritmien samanaikaiseen käsittelyyn.

Tiimimme on myös kehittänyt API:n, joka parantaa käyttäjäkokemusta käynnistämällä automaattisesti koulutetut koneoppimismallit, jotka käsittelevät käyttäjän tietoja ja näyttävät reaaliaikaiset tulokset.

Kaiken kaikkiaan kehitetty pilvipohjainen SaaS-ratkaisu ja siihen liittyvä sovellusliittymä tarjoavat kattavan ja virtaviivaistetun lähestymistavan koneoppimiseen ja antavat asiakkaillemme tarvittavat valmiudet tavoitteidensa saavuttamiseksi.

ML TRAINING

AI-mallien ja ennakoivan analytiikan tueksi kehitystiimimme otti käyttöön datajärvet, jotka tarjoavat vankan ja skaalautuvan tallennusratkaisun suurille tietomäärille. Näin voimme tehdä laajoja emotionaalisia AI-analyysejä ja poimia arvokkaita oivalluksia asiakkaillemme. Sen jälkeen integroimme saumattomasti tietovarastot, saatoimme muuntoprosessin päätökseen ja puhdistimme tiedot tehokkaasti ennen niiden lataamista.

Kun EEG-skannaus saapuu pilveen, ML-malli hyödyntää tietovarastoon tallennettuja tietoja arvioidakseen ja määrittääkseen tarkasti, onko potilaalla masennus.

On tärkeää huomata, että lääketieteellisten tietojen käsittely oli kehittämisen haastavin osa. Innowise-tiimi onnistui kuitenkin kouluttamaan ML-mallin onnistuneesti ja integroimaan sen lääketieteelliseen käytäntöön.

Tämä saavutus ei ainoastaan osoita tiimimme pätevyyttä monimutkaisten ja arkaluonteisten lääketieteellisten tietojen käsittelyssä, vaan myös korostaa sitoutumistamme tarjoamaan asiakkaillemme parhaita mahdollisia ratkaisuja.

 

VERKKONÄYTTÖLIITTYMÄ

Yksinkertaistaaksemme tulosten saamista kehitimme intuitiivisen verkkokäyttöliittymän, joka tehostaa käyttäjäkokemusta. Tämä ratkaisu poistaa manuaalisen tietojen syöttämisen tarpeen, vähentää merkittävästi virheriskiä ja antaa käyttäjille mahdollisuuden saada helposti ja nopeasti tarkkoja ja luotettavia tuloksia. 

Lisäksi intuitiivisen käyttöliittymän ansiosta järjestelmässä voi navigoida ja saada tarvittavat tiedot ilman teknistä asiantuntemusta tai monimutkaisia menettelyjä.

 

Teknologiat

Python, FastAPI
OpenCV, Pandas, NumPy, Scikit-learn, PyTorch, Matplotlib, MLFlow, Keras, Tensorflow, Python-MIP
AWS (S3, Lambda, SageMaker jne.), Kubernetes, Docker

Prosessi

Monimutkaisesta ja monivaiheisesta kehitysprosessista huolimatta Innowise-tiimillä oli riittävästi asiantuntemusta, jotta kaikki kysymykset ja ongelmat voitiin ratkaista ajoissa. 

Ensimmäisessä vaiheessa palkkasimme mallien validointiin erikoistuneen asiantuntijan, joka käytti erilaisia työkaluja ML-mallien ennusteiden tutkimiseen. Tietojen perusteelliseen merkintöjen valmisteluun panostettiin valtavasti, mikä johti lopulta valtaviin ajansäästöihin, koska olimme konfiguroineet kätevän infrastruktuurin kaikille asiantuntijoille. Tutkimusvaiheeseen sisältyi erilaisia mallien koeajoja, ja se toteutettiin tehokkaasti suunnitellun validointikaavion avulla.

Kun asiantuntijamme olivat suodattaneet tiedot, he aloittivat ML-mallin kouluttamisen. Tämä vaihe koostui useista vaiheista, joissa mallia parannettiin ja hiottiin. Lopuksi kehittäjät integroivat koulutetun mallin pilvisovellukseen.

Projektinhallinnassa käytimme Slackia ja Jiraa projektin sisäiseen yhteistyöhön ja Google Chatsia ulkoiseen viestintään asiakkaan kanssa. Hyödynsimme Scrum-menetelmää, ja pidimme päivittäisiä kokouksia ja esittelytilaisuuksia välituloksista kuukausittain. 

Tästä päivästä lähtien jatkamme projektin tukemista ja mahdollisten ongelmien ratkaisemista, kunnes kaikki toimii kunnolla asiakkaan puolella.

Joukkue

1
Back-End-kehittäjä
1
Front-End-kehittäjä
1
Data Scientist
1
Koneoppiminen Engineer
2
Liiketoiminta-analyytikot
1
Suunnittelija
1
Projektipäällikkö
1
QA Engineer
team-innowise

Tulokset

Tiimimme toimitti asiakkaallemme edistyksellisen AI- mielenterveyssovelluksen, jonka avulla asiakas sai käyttöönsä koulutetun mallin, joka pystyy havaitsemaan masennuksen EEG-skannauksista ja tunnistamaan biomarkkereita hoitovasteen ennustamiseksi. Tämä innovatiivinen ML-alusta on uudenlainen lähestymistapa masennuksen hoitoon, joka lisää uuden lääkehyväksynnän todennäköisyyttä.

Suunniteltu AI-pohjainen mielenterveyssovellus on helppokäyttöinen terveydenhuollon ammattilaisille, sillä skannattuja tuloksia hallitaan intuitiivisen web-käyttöliittymän kautta. Lisäksi kehitystiimi rakensi tiedonkeruujärjestelmän, jossa on työkalupakki tietojen nopeaa merkitsemistä varten, mikä optimoi prosessin lääkäreiden ja tutkijoiden kannalta. 

Suunnitellun ratkaisun käyttöönoton jälkeen asiakas on saanut merkittäviä hyötyjä, muun muassa kasvaneet klinikan varat ja laajentunut asiakaskunta. Tarjoamalla ainutlaatuisen työkalun masennuksen hoitoon asiakkaamme on asettunut alan eturiviin ja houkutellut lisää potilaita, jotka etsivät huippuluokan hoitoja.

Hankkeen kesto
  • 3 kuukautta MVP:lle
  • Hanke on edelleen käynnissä; tässä vaiheessa tarjoamme ylläpitoa ja tukea kehitetylle alustalle.

    Ota yhteyttä

    Varaa puhelu tai täytä alla oleva lomake, niin otamme sinuun yhteyttä, kun olemme käsitelleet pyyntösi.

    Lähetä meille ääniviesti
    Liitä asiakirjoja
    Lataa tiedosto

    Voit liittää 1 enintään 2 Mt:n tiedoston. Hyväksytyt tiedostomuodot: pdf, jpg, jpeg, png.

    Klikkaamalla Lähetä, annat suostumuksesi siihen, että Innowise käsittelee henkilötietojasi meidän Tietosuojakäytäntö antaa sinulle asiaankuuluvia tietoja. Antamalla puhelinnumerosi suostut siihen, että voimme ottaa sinuun yhteyttä puheluiden, tekstiviestien ja viestisovellusten kautta. Puhelu-, viesti- ja datahintoja voidaan soveltaa.

    Voit myös lähettää meille pyyntösi
    osoitteeseen contact@innowise.com

    Mitä tapahtuu seuraavaksi?

    1

    Kun olemme vastaanottaneet ja käsitelleet pyyntösi, otamme sinuun yhteyttä ja kerromme yksityiskohtaisesti projektin tarpeet ja allekirjoitamme NDA-sopimuksen luottamuksellisuuden varmistamiseksi.

    2

    Tutkittuaan toiveesi, tarpeesi ja odotuksesi tiimimme suunnittelee projektin ehdotuksen, jossa esitetään työn laajuus, tiimin koko, aika- ja kustannusarviot.

    3

    Järjestämme kanssasi tapaamisen, jossa keskustellaan tarjouksesta ja sovitaan yksityiskohdista.

    4

    Lopuksi allekirjoitamme sopimuksen ja aloitamme projektisi toteuttamisen heti.

    nuoli