Comprehensive technological enhancements across multiple streams for an ontology provider

Innowise ha eseguito un'azione multiforme software di ricerca medica upgrade for an ontology provider, incorporating AI-driven search, custom data dashboards, and ontology integration.

Sfida

Le sfide principali che il nostro cliente ha dovuto affrontare si sono concentrate su tre aree principali: sviluppare un front-end per il loro sistema di ricerca basato sull'intelligenza artificiale, automatizzando la visualizzazione interattiva dei dati within medical research software, and integrating their ontologies into an existing system:

Sviluppo del front-end del sistema di ricerca alimentato dall'intelligenza artificiale: La sfida principale del cliente consisteva nel migliorare il front-end del proprio sistema di ricerca basato su ontologia, adattato alle piattaforme web e mobile. Questo sistema era parte integrante della gestione di una vasta collezione di articoli scientifici. L'aggiornamento richiedeva di facilitare le funzionalità di ricerca, la visualizzazione delle fonti e l'annotazione di concetti e termini scientifici in vari formati di documenti. I limiti del sistema precedente, in particolare la mancanza di filtri di ricerca e di funzionalità di annotazione, impedivano il pieno utilizzo del database scientifico.
Automatizzare la visualizzazione dei dati per la ricerca scientifica:< The client faced a challenge in automating data visualization for their scientific data analysis. The required system needed to support data scientists in identifying, preparing, and validating data, as well as in creating informative dashboards. This was crucial for classifying and linking medical entities, identifying molecular targets for new pharmaceuticals, and facilitating research on diseases.
Ontology system integration: Integrating the client’s ontologies into an existing system presented a unique challenge. The company’s legacy system heavily depended on manual processes for document handling and data entry. Our task was to modernize this system by automating document analysis and database uploads, developing a new interface, and establishing a sistema back-end. Il sistema doveva supportare due ruoli distinti di utenti: i responsabili del caricamento e della modifica dei documenti e gli amministratori per la revisione e la conferma di questi inserimenti.

Soluzione

Il team di Innowise si è concentrato su tre aspetti chiave del progetto:

Valorizzazione di un prodotto specializzato Sistema di ricerca con intelligenza artificiale per le interfacce web e mobili.
Automatizzare la visualizzazione dei dati per la ricerca farmaceutica attraverso cruscotti dinamici.
Integrating an ontology into a company’s system, thereby modernizing their document analysis and database management.

Migliorare il sistema di ricerca nel software di ricerca medica

Il nostro team si è concentrato sullo sviluppo e sul miglioramento di un sistema di ricerca specializzato alimentato dall'intelligenza artificiale, un sottosistema chiave all'interno di un quadro più ampio, progettato per interfacce web e mobili. Questo compito ha comportato molteplici miglioramenti tecnici e funzionali:

Ricerca avanzata dei documenti: Abbiamo permesso al sistema di effettuare ricerche approfondite su vari formati di documenti provenienti da un vasto archivio di documenti. Il sistema ha permesso agli utenti di localizzare i documenti, visualizzare le fonti interne ed esterne e identificare i concetti scientifici chiave e le annotazioni evidenziate all'interno di questi documenti.
Annotazione e categorizzazione: Una caratteristica fondamentale era la possibilità per gli utenti di selezionare parole o biglietti specifici all'interno dei documenti e di assegnarli ai domini pertinenti per l'annotazione. Abbiamo integrato funzioni di intelligenza artificiale basate sulla GPT per guidare gli utenti nella corretta annotazione e categorizzazione di ogni termine o entità.
Processo di presentazione e revisione: Quando si apportano modifiche o si aggiungono nuove informazioni a un documento, il sistema facilita un processo di revisione. Gli utenti potevano inviare le modifiche, che venivano poi inviate a un amministratore per l'assegnazione dello stato e l'approvazione delle nuove annotazioni, commenti o categorizzazioni.
Funzioni di interrogazione e analisi: Gli utenti sono ora in grado di selezionare i documenti da un ampio database e di aggiungerli a un cestino collettivo. Possono poi interrogare questi documenti utilizzando la barra di ricerca dell'Analyzer, ponendo domande specifiche o richiedendo sintesi e analisi basate su Tecnologia GPT.
Sviluppo di filtri personalizzati: Il nostro sviluppatore ha creato filtri sofisticati per la ricerca dei documenti, adattati a vari tipi di fonti.
Problemi di visualizzazione dei documenti: Uno dei compiti più complessi era lo sviluppo di un visualizzatore di documenti in grado di visualizzare le annotazioni marcate sui documenti PDF. Ciò ha richiesto un'intricata coordinazione del back-end per sovrapporre correttamente le annotazioni.
Revisione del codice e dell'architettura legacy: Abbiamo affrontato le sfide poste dal codice legacy e dalla mancanza di struttura architettonica, assicurando che il sistema fosse costruito su basi tecnologiche solide e moderne.
Integrazione di più versioni GPT: Il nostro team ha potenziato il sistema con più versioni di GPT (3.5, 4, Davinci), consentendo un'analisi più versatile dei documenti.
Integrazione LLM: Innowise si è concentrata sullo sviluppo di LLM personalizzati che consentono agli utenti di inserire query in linguaggio naturale. Una volta convertite in richieste back-end, le query possono essere inviate al server.

Automazione del cruscotto della scienza dei dati

Il nostro team di scienza dei dati si è concentrata sull'automatizzazione della visualizzazione dei dati tramite dashboard, una componente cruciale per la ricerca del cliente nell'identificazione di bersagli molecolari per nuovi trattamenti farmaceutici. Le principali patologie oggetto di studio sono state l'obesità e le malattie muscolari.

Creazione del cruscotto: L'obiettivo del team era creare cruscotti per la visualizzazione dei dati farmaceutici. Ciò ha comportato l'elaborazione di grandi insiemi di dati, ovvero un vasto numero di articoli medici annotati con ID e metadati univoci, per formare tabelle GBQ di grandi dimensioni.
Visualizzazione dei dati: Utilizzo Looker Studio, abbiamo trasformato queste grandi tabelle di dati in formati più piccoli e gestibili per la creazione di dashboard. Questa fase di visualizzazione era necessaria per consentire agli esperti di esaminare e filtrare meglio i dati.
Automazione del cruscotto: Dopo l'approvazione degli esperti medici, abbiamo automatizzato la creazione del dashboard utilizzando tecniche di ingegneria dei dati. Ciò ha comportato l'utilizzo di repository contenenti script SQL per recuperare le informazioni richieste. Questi script sono stati programmati per essere eseguiti a intervalli specifici, assicurando che i dashboard rimanessero aggiornati con gli ultimi risultati della ricerca.
Aggiornamenti e integrazione continui: La nostra soluzione ha permesso l'integrazione continua di nuove pubblicazioni rilevanti nei cruscotti. Questo processo di aggiornamento dinamico è stato facilitato dalle funzioni Google Cloud. In questo modo i cruscotti venivano aggiornati con i dati più recenti.
Gestione delle query: Abbiamo gestito le query attraverso grandi tabelle, estraendo informazioni specifiche in base alle query di ricerca. Il team ha poi visualizzato queste statistiche nei dashboard e ha identificato eventuali problemi nelle query di ricerca.

Ontology integration in research

Our project focused on integrating our client’s ontologies into an established lab management software. This task involved several key steps to modernize and automate their outdated system:

Analisi e ricerca di sistema: Abbiamo iniziato con un'analisi e una ricerca approfondita del sistema legacy del cliente. Questo Il software di gestione dei laboratori, utilizzato principalmente per archiviare i rapporti e i risultati delle ricerche, si basava su un vecchio software di gestione. Java e le tecnologie JSP.
Sviluppo di una nuova interfaccia e del back end: Il nostro approccio prevedeva lo sviluppo di una nuova interfaccia e di un sistema back-end per automatizzare il processo di analisi dei documenti e di aggiornamento del database, che in precedenza veniva eseguito manualmente.
Tipi di utenti e funzionalità: Abbiamo progettato il sistema per soddisfare due tipi di utenti distinti:
Caricatore di documenti: Ricercatori che aggiungono documenti al sistema. Dopo che un documento è stato annotato, appare in una pagina speciale in cui l'uploader può rivedere i risultati, apportare modifiche e confermare l'invio al database.
Amministratore: È responsabile della revisione e della conferma delle aggiunte di documenti. Questo ruolo comporta una revisione completa dei documenti, con la possibilità di modificare, approvare o apportare modifiche prima dell'inserimento definitivo nel database.
Sviluppo back-end e revisione del codice legacy: Il nostro sviluppatore ha intrapreso il compito di revisionare il codice legacy esistente. Si trattava di scrivere pagine JSP in base alle specifiche del cliente e di sviluppare funzionalità di back-end (richieste, risposte, elaborazione dei dati e inserimento nel database).
Sviluppo dell'interfaccia amministrativa: Abbiamo anche sviluppato una parte amministrativa del sistema in cui l'amministratore (in genere il responsabile del dipartimento di ricerca) riceve una notifica con un link all'interfaccia che visualizza le informazioni del database.
Integrazione dell'ontologia API: Il fulcro della nostra soluzione era l'integrazione dell'API Ontology nel software di gestione del laboratorio del cliente. Questa API è servita come punto di invio di query relative ai documenti e di ricezione delle risposte, che sono state poi elaborate e visualizzate attraverso il frontend prima di essere inviate al database del cliente.
Gestione di documenti e dati: In this system, documents uploaded to the ontological system were processed, and the resulting data was saved in the company’s research database. This allowed for automatic analysis of documents and retrieval of important information.
Sviluppo full-stack: Il nostro sviluppatore ha lavorato come ingegnere full-stack, occupandosi sia degli aspetti front-end che di quelli back-end e garantendo la perfetta integrazione di tutti i componenti del sistema.

Tecnologie

Linguaggi di programmazione

JavaScript, TypeScript, Java

Front-end

React, react-pdf, Redux, Redux-thunk, React-redux, Primereact, SASS, Lodash, Axios, FileSaver, GPT-Tokenizer

Back-end

Stivale Spring, Java con le librerie Lucene, Stardog

Data Science e analitica

Python (Pandas, Numpy, Plotly, Matplotlib), GCP (Google Big Query, Google Cloud Storage, Cloud Run), Looker, Data Studio, Apache Solr, strumenti personalizzati per l'elaborazione e la visualizzazione dei dati.

Processo

Il nostro approccio al processo di sviluppo è stato metodico e aderente ai principi Agile, che hanno garantito flessibilità e miglioramento continuo.

All'inizio, abbiamo condotto una ricerca approfondita per comprendere le esigenze del cliente e i sistemi esistenti, in modo da fornire un documento dettagliato di "visione e scopo". Sulla base dei risultati iniziali, abbiamo proceduto alla progettazione e allo sviluppo delle funzionalità necessarie per ciascun flusso. Il nostro team ha tenuto regolari riunioni di sprint per confermare che il nostro lavoro era in linea con le aspettative del cliente. Tutte le funzionalità sono state implementate e sottoposte a test rigorosi per verificarne le prestazioni e l'accuratezza, con un feedback continuo da parte del cliente.

Per una comunicazione efficace e il monitoraggio dei progetti, abbiamo utilizzato gli strumenti Microsoft e Monday.com, garantendo un processo trasparente e aggiornamenti in tempo reale.

Team richiesto

Responsabile di progetto

Sviluppatori React

Sviluppatori Java

ML/Python Sviluppatore

Ingegneri dei dati

Risultati

Grazie alla nostra collaborazione con il cliente, che si estende su tre flussi chiave, abbiamo fatto passi da gigante nel miglioramento delle loro capacità di ricerca scientifica. Ecco un'istantanea dei risultati effettivi:

Operazioni di ricerca semplificate: Gli sforzi del nostro team per perfezionare il sistema di ricerca hanno portato a un raddoppio della velocità di ricerca, a vantaggio dei ricercatori che desiderano accedere rapidamente ai dati scientifici.
Precisione nelle annotazioni: L'introduzione del sistema di annotazione automatica ha permesso di aumentare l'accuratezza dell'annotazione, un fattore critico per gli studi scientifici approfonditi.
Maggiore efficienza nella gestione dei dati: Automatizzando i processi di visualizzazione dei dati, abbiamo effettivamente dimezzato il tempo che i ricercatori impiegavano per la gestione manuale dei dati, dedicando più tempo alle attività di ricerca principali.
Maggiore velocità di elaborazione dei dati: La velocità di elaborazione e visualizzazione dei dati è stata triplicata, segnando un salto di qualità nella gestione di insiemi di dati complessi.
Esperienza utente ottimizzata: La modernizzazione dell'interfaccia utente dei nostri sistemi ha portato a un notevole aumento della soddisfazione degli utenti, favorendo un migliore coinvolgimento della comunità scientifica.
Tempo di ricerca liberato: L'automazione delle attività di routine ha portato a una riduzione di 60% nella gestione manuale dei dati, liberando il tempo dei ricercatori, precedentemente consumato dal lavoro manuale.

Casi correlati

Contattateci

Prenota una chiamata oppure compilate il modulo sottostante e sarete ricontattati una volta elaborata la vostra richiesta.

Nome

Azienda

Telefono

Messaggio

Inviaci un messaggio vocale

Allegare i documenti

Caricare il file

È possibile allegare 1 file di dimensioni massime di 2 MB. Formati di file validi: pdf, jpg, jpeg, png.

Facendo clic su Invia, l'utente acconsente al trattamento dei propri dati personali da parte di Innowise in base alla nostra Informativa sulla privacy per fornirvi informazioni pertinenti. Inviando il vostro numero di telefono, accettate che possiamo contattarvi tramite chiamate vocali, SMS e applicazioni di messaggistica. Potrebbero essere applicate tariffe per chiamate, messaggi e dati.

Potete anche inviarci la vostra richiesta
a contact@innowise.com

Cosa succede dopo?

Una volta ricevuta ed elaborata la vostra richiesta, vi contatteremo per illustrarvi le esigenze del vostro progetto. Progetto e firmare un NDA per garantire la riservatezza.

Dopo aver esaminato i vostri desideri, le vostre esigenze e le vostre aspettative, il nostro team elaborerà una proposta di progetto con l'ambito di lavoro, le dimensioni del team, i tempi e le stime dei costi stimati.

Organizzeremo un incontro con voi per discutere l'offerta e definire i dettagli.

Infine, firmeremo un contratto e inizieremo subito a lavorare sul vostro progetto.

Comprehensive technological enhancements across multiple streams for an ontology provider

Sfida

Soluzione

Migliorare il sistema di ricerca nel software di ricerca medica

Automazione del cruscotto della scienza dei dati

Ontology integration in research

Tecnologie

Processo

Team richiesto

Risultati

Casi correlati

Contattateci

Avete bisogno di altri servizi?

Abbonarsi a la nostra newsletter

Abbonarsi
a la nostra newsletter