Lääketieteellinen tutkimusohjelmisto: 60% manuaalisen tietojenkäsittelyn vähentäminen

Innowise toteutti monitahoisen lääketieteellinen tutkimusohjelmisto päivitys ontologiatoimittajalle, joka sisällytti AI-ohjatun haun, mukautetut datan mittaritaulut ja ontologioiden integroinnin kemiallisen tutkimusyrityksen infrastruktuuriin.

Asiakas

Teollisuus
Alue
EU
Asiakas vuodesta
2022

Asiakkaamme, joka on johtava ontologia-alan yritys, toimii Saksassa. Yritys on erikoistunut sellaisten teknologioiden kehittämiseen, jotka poimivat tietoa strukturoidusta ja strukturoimattomasta datasta ja muuttavat sen tietämykseksi tutkimusta, löytöjä ja päätöksentekoa varten. Heidän asiantuntemuksensa kattaa kemian, biologian ja niihin liittyvät tieteenalat. Yrityksellä on laaja ontologiajärjestelmä, joka on toisiinsa liittyvien tieteellisten termien ja käsitteiden jäsennelty kehys.

Yksityiskohtaisia tietoja asiakkaasta ei voida luovuttaa NDA:n ehtojen mukaisesti.

Haaste

Rajalliset haku- ja merkintäominaisuudet, kojelautojen luomisen monimutkaisuus ja vanhan järjestelmän manuaalinen asiakirjojen käsittely.

Pääasialliset haasteet, joita asiakkaamme kohtasi, keskittyivät kolmeen pääalueeseen: etupään kehittäminen AI:llä toimivaan hakujärjestelmäänsä, jolla automatisoidaan tietojen visualisointi lääketieteen tutkimusohjelmistoissa ja integroimalla niiden ontologiat olemassa olevaan kemiantutkimusyrityksen järjestelmään:

  • AI-käyttöisen hakujärjestelmän etusivun kehittäminen: Asiakkaan ensisijaisena haasteena oli parantaa ontologiapohjaisen hakujärjestelmänsä etupäätä, joka oli räätälöity web- ja mobiilialustoille. Järjestelmä oli olennainen osa laajan tieteellisten artikkeleiden kokoelman hallintaa. Päivitys edellytti hakuominaisuuksien helpottamista, lähteiden tarkastelua ja tieteellisten käsitteiden ja termien kommentointia eri asiakirjamuodoissa. Aiemman järjestelmän rajoitukset, erityisesti hakusuodattimien ja merkintätoimintojen puute, haittasivat tieteellisen tietokannan täysimääräistä hyödyntämistä.
  • Tiedon visualisoinnin automatisointi tieteellistä tutkimusta varten:< Asiakkaalla oli haasteena tietojen visualisoinnin automatisointi tieteellistä data-analyysia varten. Tarvittavan järjestelmän oli tuettava datatieteilijöitä tietojen tunnistamisessa, valmistelussa ja validoinnissa sekä informatiivisten dashboardien luomisessa. Tämä oli ratkaisevan tärkeää lääketieteellisten kokonaisuuksien luokittelussa ja yhdistämisessä, uusien lääkkeiden molekyylikohteiden tunnistamisessa ja sairauksien tutkimuksen helpottamisessa.
  • Ontologiajärjestelmien integrointi kemiallisessa tutkimuksessa: Asiakkaan ontologioiden integroiminen kemiantutkimusyrityksen olemassa olevaan järjestelmään oli ainutlaatuinen haaste. Yrityksen perinteinen järjestelmä oli pitkälti riippuvainen manuaalisista prosesseista asiakirjojen käsittelyssä ja tietojen syöttämisessä. Tehtävämme oli nykyaikaistaa järjestelmä automatisoimalla asiakirjojen analysointi ja tietokantojen lataaminen, kehittämällä uusi käyttöliittymä ja luomalla back-end-järjestelmä. Järjestelmän oli tuettava kahta eri käyttäjäroolia: henkilöitä, jotka vastaavat asiakirjojen lataamisesta ja muokkaamisesta, ja ylläpitäjiä, jotka tarkastavat ja vahvistavat nämä merkinnät.

Ratkaisu

AI-käyttöinen hakujärjestelmä, automatisoidut mittaritaulut ja saumaton ontologioiden integrointi kemiallisessa tutkimuksessa.

Innowise:n tiimi keskittyi hankkeen kolmeen keskeiseen osa-alueeseen:

Lääketieteellisten tutkimusohjelmistojen hakujärjestelmän parantaminen

Tiimimme keskittyi kehittämään ja parantamaan erikoistunutta AI-käyttöjärjestelmään perustuvaa hakujärjestelmää, joka on keskeinen osajärjestelmä laajemmassa kokonaisuudessa, joka on suunniteltu web- ja mobiilikäyttöliittymiä varten. Tehtävään sisältyi useita teknisiä ja toiminnallisia parannuksia:

  • Tarkennettu asiakirjahaku: Järjestelmän avulla voitiin tehdä syvällisiä hakuja eri asiakirjamuodoissa laajasta asiakirjavarastosta. Järjestelmän avulla käyttäjät pystyivät etsimään asiakirjoja, tarkastelemaan sisäisiä ja ulkoisia lähteitä sekä tunnistamaan asiakirjoissa korostetut keskeiset tieteelliset käsitteet ja huomautukset.
  • Merkinnät ja luokittelu: Kriittinen ominaisuus oli käyttäjien mahdollisuus valita asiakirjoista tiettyjä sanoja tai lippuja ja määrittää ne asiaankuuluville aloille merkintöjä varten. Integroimme GPT-pohjaiset AI-ominaisuudet, jotka opastavat käyttäjiä merkitsemään ja luokittelemaan kunkin termin tai yksikön oikein.
  • Toimitus- ja tarkasteluprosessi: Kun asiakirjaa muokattiin tai siihen lisättiin uusia tietoja, järjestelmä helpotti tarkistusprosessia. Käyttäjät saattoivat lähettää muutokset, jotka lähetettiin sitten järjestelmänvalvojalle, joka määritteli statuksen ja hyväksyi uudet merkinnät, kommentit tai luokittelut.
  • Kysely- ja analyysiominaisuudet: Käyttäjät voivat nyt valita asiakirjoja laajasta tietokannasta ja lisätä ne yhteiseen koriin. Tämän jälkeen he voivat tehdä hakuja näistä asiakirjoista analysaattorin hakupalkin avulla esittämällä erityiskysymyksiä tai pyytämällä yhteenvetoja ja analyysejä, jotka perustuvat seuraaviin tekijöihin GPT-tekniikka.
  • Mukautettujen suodattimien kehittäminen: Kehittäjämme loi kehittyneitä suodattimia asiakirjahakua varten, jotka on räätälöity eri lähdetyypeille.
  • Asiakirjojen katselun haasteet: Yksi monimutkaisista tehtävistä oli kehittää asiakirjan katseluohjelma, joka pystyy näyttämään PDF-dokumentteihin tehdyt merkinnät. Tämä vaati monimutkaista taustajärjestelmän koordinointia, jotta huomautukset saatiin asetettua oikein päällekkäin.
  • Vanhan koodin ja arkkitehtuurin uudistaminen: Ratkaisimme vanhan koodin ja arkkitehtuurirakenteen puutteen aiheuttamat haasteet ja varmistimme, että järjestelmä rakennettiin vankalle ja nykyaikaiselle teknologiselle perustalle.
  • Useiden GPT-versioiden integrointi: Tiimimme kehitti järjestelmää GPT:n eri versioilla (3.5, 4, Davinci), mikä mahdollistaa monipuolisemman asiakirjojen analysoinnin.
  • LLM-integraatio: Innowise keskittyi räätälöityyn LLM-kehitykseen, jonka avulla käyttäjät voivat syöttää kyselyitä luonnollisella kielellä. Kun kyselyt on muunnettu back-end-pyynnöiksi, ne voidaan lähettää palvelimelle.

Tietotekniikan kojelaudan automatisointi

Meidän datatieteen tiimi keskityttiin tietojen visualisoinnin automatisointiin kojelautojen avulla, mikä on ratkaisevan tärkeää asiakkaan tutkimuksessa, jolla pyritään tunnistamaan molekyylikohteita uusia lääkehoitoja varten. Tutkittaviin ensisijaisiin sairauksiin kuuluivat liikalihavuus ja lihassairaudet.

  • Kojelaudan luominen: Ryhmän tavoitteena oli luoda kojelautoja lääketietojen visualisoimiseksi. Tämä edellytti suurten tietokokonaisuuksien, jotka ovat valtava määrä kommentoituja lääketieteellisiä artikkeleita, joissa on yksilölliset tunnisteet ja metatiedot, käsittelyä suuriksi GBQ-taulukoiksi. 

  • Tietojen visualisointi: Käyttämällä Looker Studio, muutimme nämä suuret datataulukot pienempiin, helpommin hallittaviin muotoihin kojelautojen luomista varten. Tämä visualisointivaihe oli välttämätön, jotta asiantuntijat voivat paremmin tarkastella ja suodattaa tietoja.

  • Mittariston automatisointi: Lääketieteen asiantuntijoiden hyväksynnän jälkeen automatisoimme kojelaudan luomisen tietotekniikan tekniikoiden avulla. Tähän liittyi SQL-skriptejä sisältävien tietovarastojen käyttäminen tarvittavien tietojen hakemiseen. Skriptit ajoitettiin ajettaviksi tietyin väliajoin, jotta kojelaudat pysyivät ajan tasalla uusimpien tutkimustulosten kanssa.

  • Jatkuvat päivitykset ja integrointi: Ratkaisumme mahdollisti uusien relevanttien julkaisujen jatkuvan integroinnin mittaristoihin. Tätä dynaamista päivitysprosessia helpotti Google Cloud Functions. Se piti kojelaudat ajan tasalla uusimmilla tiedoilla.

  • Kyselyjen hallinta: Käsittelimme kyselyjä suurten taulukoiden kautta ja poimimme hakukyselyihin perustuvia erityistietoja. Sen jälkeen tiimi visualisoi nämä tilastot kojelaudoissa ja tunnisti mahdolliset ongelmat hakukyselyissä.

Ontologioiden integrointi kemiallisessa tutkimuksessa

Projektimme keskittyi asiakkaamme ontologioiden integroimiseen kemiallisen tutkimusyrityksen vakiintuneeseen laboratorionhallintaohjelmistoon. Tehtävään sisältyi useita keskeisiä vaiheita vanhentuneen järjestelmän nykyaikaistamiseksi ja automatisoimiseksi:

  • Järjestelmäanalyysi ja tutkimus: Aloitimme perusteellisella analyysillä ja tutkimuksella asiakkaan vanhasta järjestelmästä. Tämä laboratorion hallintaohjelmisto, jota käytettiin pääasiassa raporttien ja tutkimustulosten tallentamiseen, perustui vanhempiin Java versiot ja JSP-tekniikat.
  • Uuden käyttöliittymän ja back endin kehittäminen: Lähestymistapaan kuului uuden käyttöliittymän ja taustajärjestelmän kehittäminen asiakirjojen analysoinnin ja tietokannan päivittämisen automatisoimiseksi, mikä aiemmin tehtiin manuaalisesti.
  • Käyttäjätyypit ja toiminnot: Suunnittelimme järjestelmän kahdelle eri käyttäjätyypille:
  • Asiakirjan lataaja: Tutkijat, jotka lisäävät asiakirjoja järjestelmään. Kun asiakirja on kommentoitu, se ilmestyy erityiselle sivulle, jossa lataaja voi tarkastella tuloksia, tehdä muutoksia ja vahvistaa lähettämisen tietokantaan.
  • Ylläpitäjä: Vastaa asiakirjojen lisäysten tarkistamisesta ja vahvistamisesta. Tehtävään kuuluu asiakirjojen kattava tarkastelu, jossa on mahdollisuus muokata, hyväksyä tai tehdä muutoksia ennen lopullista tietokantaan tallentamista.
  • Back-end-kehitys ja vanhan koodin uudistaminen: Kehittäjämme ryhtyi uudistamaan olemassa olevaa vanhaa koodia. Tähän kuului JSP-sivujen kirjoittaminen asiakkaan määritysten mukaisesti ja back-end-toiminnallisuuksien kehittäminen (pyynnöt, vastaukset, tietojenkäsittely ja tietokannan syöttö).
  • Hallintaliittymän kehittäminen: Kehitimme järjestelmään myös hallinto-osan, jossa ylläpitäjä (yleensä tutkimusosaston johtaja) saa ilmoituksen, jossa on linkki käyttöliittymään, joka näyttää tietoja tietokannasta.
  • Ontologian API:n integrointi: Ratkaisumme ydin oli Ontology API:n integroiminen asiakkaan laboratorionhallintaohjelmistoon. Tämä API toimi pisteenä asiakirjoihin liittyvien kyselyjen lähettämiselle ja vastausten vastaanottamiselle, jotka sitten käsiteltiin ja näytettiin frontendin kautta ennen kuin ne lähetettiin asiakkaan tietokantaan.
  • Asiakirjojen ja tietojen käsittely: Tässä järjestelmässä ontologiseen järjestelmään ladatut asiakirjat käsiteltiin, ja tuloksena saadut tiedot tallennettiin yrityksen kemiallisen tutkimuksen tietokantaan. Tämä mahdollisti asiakirjojen automaattisen analysoinnin ja tärkeiden kemiallisten yhdisteiden tietojen hakemisen.
  • Full-stack-kehitys: Kehittäjämme toimi täysimittaisena insinöörinä, joka käsitteli sekä front-end- että back-end-näkökohtia ja varmisti kaikkien järjestelmäkomponenttien saumattoman integroinnin.

Teknologiat

Ohjelmointikielet

JavaScript, TypeScript, Java
React, react-pdf, Redux, Redux-thunk, React-redux, Primereact, SASS, Lodash, Axios, FileSaver, GPT-Tokenizer
Spring saapas, Java Lucene-kirjastojen kanssa, Stardog
Python (Pandas, Numpy, Plotly, Matplotlib), GCP (Google Big Query, Google Cloud Storage, Cloud Run), Looker, Data Studio, Apache Solr, räätälöidyt työkalut tietojen käsittelyyn ja visualisointiin.

Prosessi

Lähestymistapamme kehitysprosessiin oli metodinen ja noudatti ketteriä periaatteita, mikä varmisti joustavuuden ja jatkuvan parantamisen.

Aluksi teimme perusteellisen tutkimuksen asiakkaan tarpeiden ja olemassa olevien järjestelmien ymmärtämiseksi ja laadimme yksityiskohtaisen Vision- ja laajuusasiakirjan. Alkuperäisten havaintojen perusteella suunnittelimme ja kehitimme tarvittavat ominaisuudet kutakin virtausta varten. Tiimimme piti säännöllisiä sprinttipalavereja varmistaakseen, että työmme vastasi asiakkaan odotuksia. Kaikki ominaisuudet toteutettiin ja testattiin tiukasti suorituskyvyn ja tarkkuuden osalta, ja asiakas antoi jatkuvasti palautetta.

Tehokkaaseen viestintään ja projektin seurantaan käytimme Microsoftin työkaluja ja Monday.com-sivustoa, mikä varmisti avoimen prosessin ja reaaliaikaiset päivitykset.

Joukkue

1

Projektipäällikkö

3

React Kehittäjät

3

Java-kehittäjät

1

ML/Python Kehittäjä

2

Tiedot Engineers

Tulokset

50% nopeampi annotaatioprosessi, 60% manuaalisen tietojenkäsittelyn vähentäminen ja tutkijoiden tiedonhaun nopeuden kolminkertaistaminen.

Yhteistyössä asiakkaan kanssa, joka kattaa kolme keskeistä osa-aluetta, olemme edistyneet merkittävästi asiakkaan tieteellisten tutkimusvalmiuksien kehittämisessä. Tässä on tilannekuva todellisista tuloksista:

  • Virtaviivaistetut hakutoiminnot: Tiimimme ponnistelut hakujärjestelmän hiomiseksi johtivat hakunopeuden kaksinkertaistumiseen, mikä hyödytti tutkijoita heidän pyrkimyksissään päästä nopeasti käsiksi tieteelliseen tietoon.
  • Huomautusten tarkkuus: Automaattisen merkintäjärjestelmän käyttöönotto lisäsi merkintöjen tarkkuutta, mikä on kriittinen tekijä syvällisten tieteellisten tutkimusten kannalta.
  • Tietojen käsittelyn tehostaminen: Automatisoimalla tietojen visualisointiprosesseja olemme tehokkaasti puolittaa tutkijoiden manuaaliseen tietojenkäsittelyyn käyttämän ajan, mikä tarkoittaa, että aikaa jää enemmän keskeisiin tutkimustoimintoihin.
  • Parannettu tietojenkäsittelyn nopeus: Tietojen käsittelyn ja visualisoinnin nopeus kolminkertaistui, mikä merkitsi harppausta monimutkaisten tietokokonaisuuksien käsittelyssä.
  • Optimoitu käyttäjäkokemus: Järjestelmiemme nykyaikaistettu käyttöliittymä on lisännyt huomattavasti käyttäjien tyytyväisyyttä ja edistänyt tiedeyhteisön sitoutumista.
  • Vapautettu tutkimusaika: Rutiinitehtävien automatisointi on vähentänyt 60% manuaalista tietojenkäsittelyä ja vapauttanut tutkijoiden aikaa, joka aiemmin kului manuaaliseen työhön.
Tällä hetkellä oma tiimimme työskentelee edelleen ahkerasti järjestelmän parissa keskittyen LLM:ien kehittämiseen asiakkaan järjestelmän parantamiseksi ja parantamiseksi. 
Hankkeen kesto
  • Heinäkuu 2022 - Jatkuva

60%

manuaalisen tietojenkäsittelyn vähentäminen

3x

tiedonhaun nopeutuminen

50%

nopeampi kommentointiprosessi

    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