Lomake on lähetetty onnistuneesti.
Lisätietoja on postilaatikossasi.
Innowise on kehittänyt AI:n käyttämän sovelluksen, joka käyttää syväoppimista ja kuvantunnistusta ihosairauksien nopeaan arviointiin ja antaa nopeita, alustavia diagnooseja ladattujen valokuvien perusteella.
Asiakkaamme on Keski-Aasian johtava dermatologinen klinikkaverkosto, jolla on yli 10 vuoden kokemus, ja se palvelee päivittäin yli 1000 potilasta kuudessa maassa. He keskittyvät muun muassa allergologiaan, flebologiaan ja dermatologiseen kirurgiaan. Heidän lähestymistapansa yhdistää potilaskeskeisen hoidon, kehittyneet diagnostiset välineet ja huippuasiantuntijoiden asiantuntemuksen. Tämän yhdistelmän ansiosta he voivat tarjota palveluja kroonisten ihosairauksien hoidosta esteettisiin parannuksiin. He ovat tunnettuja potilaskeskeisestä lähestymistavastaan (NPS > 9) ja palvelevat asiakaskuntaa, johon kuuluu 12% varakkaita yksityishenkilöitä, joten he etsivät ratkaisua, jolla he voisivat vahvistaa asemaansa alueen innovaattoreina.
Yksityiskohtaisia tietoja asiakkaasta ei voida luovuttaa NDA:n määräysten nojalla.
Kilpailun lisääntyessä alueella asiakas tunnisti AI:n potentiaalin paitsi diagnostiikan parantamisessa myös tehokkaana markkinointivälineenä. Se halusi houkutella uusia potilaita erityisesti varakkaiden segmenttiin ja asemoida itsensä teknologiajohtajaksi Keski-Aasian terveydenhuoltomarkkinoilla.
Tätä tarkoitusta varten asiakas päätti kehittää ML-pohjainen mobiilisovellus ihosairauksien alustavan diagnostiikan automatisoimiseksi. Keskeinen haaste tässä yhteydessä oli tarve hankkia ja ylläpitää korkealaatuista kuvatietoa ML-mallin harjoittelua ja validointia varten, jolloin pyrittiin kunnianhimoisiin tarkkuusvaatimuksiin, mutta samalla otettiin huomioon vaihtelevan kuvanlaadun asettamat rajoitukset. Koska yrityksellä ei ollut sisäistä kehitystiimiä, joka olisi voinut toteuttaa tämän vision, he kääntyivät Innowise:n puoleen ja pyysivät ohjelmistokehityspalvelut.
Innowise kehitti kattavan alustan, joka koostuu kahdesta toisiinsa kytketystä mobiilisovelluksesta ja verkkopohjaisesta hallintopaneelista, jotka kaikki toimivat mukautetun DINOv2-mallin avulla, jossa käytetään siirto-oppimista ja konvolutiivisia neuroverkkoja (CNN).
Potilassovellus (iOS ja Android): Tämä sovellus toimii edistyksellisenä markkinointivälineenä, joka tarjoaa käyttäjille ilmaisen, ML-käyttöjärjestelmään perustuvan alustavan ihoarvion. Tämä innovatiivinen lähestymistapa tarjoaa välittömiä arvioita 30 ihosairaudelle ja toimii klinikkaverkoston johtolankatyökaluna. Sovelluksen käyttäjäystävällinen muotoilu ja henkilökohtaiset suositukset kannustavat käyttäjiä varaamaan konsultaatioita asiakkaan klinikoilla.
Lääkärin valokuvien keruusovellus (iOS ja Android): Tämän sovelluksen avulla klinikan henkilökunta voi turvallisesti ottaa ja ladata korkealaatuisia kuvia erilaisista ihosairauksista, mikä edistää suoraan DINOv2-mallin jatkuvaa koulutusta ja parantamista. Tämä jatkuva palautesilmukka varmistaa, että AI pysyy tarkkana ja ajan tasalla. Sovelluksessa on myös raportointijärjestelmä kuvatilastojen ja diagnosoitujen tilojen seuraamista varten, mikä tarjoaa arvokasta tietoa analysointia ja parantamista varten.
Verkkopohjainen hallintapaneeli: Tämä paneeli tarjoaa klinikan ylläpitäjille kattavat työkalut diagnoosien hallintaan, hoitojen ja lääkkeiden määrittelyyn maittain, AI:n tuottamien arviointien tarkasteluun, sovelluksen käyttötietojen analysointiin ja raporttien luomiseen. Tämä keskitetty järjestelmä tehostaa toimintoja ja tarjoaa arvokasta tietoa potilaiden demografisista tiedoista ja suuntauksista.
Koko alusta on rakennettu skaalautuvaan ja turvalliseen AWS-pilvipalveluinfrastruktuuriin, joka takaa tietosuojaa ja luotettavaa suorituskykyä. Asiakas toimitti DINOv2-mallin alkuperäisen tietokokonaisuuden, ja sitä täydennetään jatkuvasti lääkärisovelluksen kautta kerätyillä kuvilla.
Ihoskannerisovellus on suunniteltu helppokäyttöiseksi, ja se ohjaa käyttäjiä yksinkertaisen prosessin läpi alustavan arvion saamiseksi. Sovellus tarjoaa saumattoman käyttökokemuksen kehonosan valinnasta henkilökohtaisiin klinikkasuosituksiin. Näin se toimii:
Vaiheittainen lähestymistapa varmisti sujuvan toteutuksen, joka ulottui löydöstä (kuvankeräyssovelluksen esittely ja työnkulun suunnittelu) toteutukseen (mobiilikehitys, mallin koulutus ja infrastruktuurin käyttöönotto) ja lopulta jatkuvaan käyttöön ja tukeen (jatkuva mallin tarkentaminen, tiedonsiirto ja oma tuki).
1
Projektipäällikkö
1
liiketoiminta-analyytikko
2
Angular Kehittäjät
1
UX/UI-suunnittelija
2
Python Engineers
2
Flutter Kehittäjät
3
ML-kehittäjät
1
QA Engineer
Olemme kehittäneet ML-pohjainen mobiilisovellus joka tarjoaa käyttäjille nopean ja turvallisen tavan arvioida ihon tilaa. Kolmen ensimmäisen kuukauden aikana monialustasovellus on saanut 5000 uutta käyttäjää, mikä on auttanut asiakasta saavuttamaan vahvan aseman kilpailluilla markkinoilla. Tämän ohella loimme valokuvien keräyssovelluksen ML-mallin harjoittelua ja hienosäätöä varten, ja nyt se saavuttaa 80%-tarkkuuden 30 dermatologisessa diagnoosissa.
Tiimimme rakensi myös verkkopohjaisen hallintapaneelin, jonka avulla klinikan ylläpitäjät voivat helposti hallita sisältöä, seurata käyttöä ja pitää kaikki tiedot ajan tasalla.
Tulevaisuutta ajatellen asiakas antoi tiimimme tehtäväksi toteuttaa tilausvaihtoehdot ja rakentaa API-yhteys malliin kumppaniklinikoiden verkostolle. Työskentelemme myös nykyisten ominaisuuksien parantamisen parissa, jotta sovellus olisi mahdollisimman tehokas ja käyttäjäystävällinen.
5,000
uusia käyttäjiä kolmen ensimmäisen kuukauden aikana
80%
ML-mallin saavutettu tarkkuus
Viestisi on lähetetty.
Käsittelemme pyyntösi ja otamme sinuun yhteyttä mahdollisimman pian.
Rekisteröitymällä hyväksyt Tietosuojakäytäntö, mukaan lukien evästeiden käyttö ja henkilötietojesi siirto.