Utvikling av Android-app for analyse av kognitive funksjoner: 35% vekst i antall aktive brukere

Innowise har utviklet en Android-app og bygget en SDK som utnytter kunstig intelligens til å analysere kognitive funksjoner og forbedre nøyaktigheten i dataanalysen.

Kunde

Industri

Helsevesen

Region

Sveits

Kunde siden

2023

Kunden vår er et nevrovitenskapelig selskap som spesialiserer seg på å utvikle en innovativ teknologiplattform for tidlig oppdagelse av kognitive forstyrrelser. Ved hjelp av mobilapplikasjoner samler de inn og analyserer data om brukerens interaksjon med skjermen, noe som gjør det mulig å identifisere potensielle problemer på et tidlig stadium.

Selskapet samarbeider aktivt med ledende nevrovitenskapsforskere og -praktikere over hele verden for å fremme kunnskap om hjernehelse. De tilbyr det vitenskapelige miljøet robuste dataanalyseverktøy som støtter utviklingen av ny diagnostikk og behandling.

Detaljert informasjon om kunden kan ikke utleveres i henhold til bestemmelsene i NDA.

Utfordring

Utvikle en Android-app for analyse av kognitive funksjoner

Kunden hadde en iOS-applikasjon for analyse av hjernefunksjoner, og ønsket å utvide rekkevidden til Android-brukere. Selskapet hadde imidlertid bare iOS-utviklere og så ikke nytten av å ansette flere interne ingeniører.

Innowise tok tak i denne utfordringen ved å utvikle en Android-app med alle funksjoner som gjenskaper funksjonaliteten til iOS-versjonen, samtidig som den sikrer sømløs datasynkronisering på tvers av begge plattformene. I tillegg krevde prosjektet integrering av avansert AI-teknologi for omfattende analyse av de innsamlede dataene.

Løsning

Utvikling av Android-applikasjoner og SDK med AI

Før arbeidet startet, gjennomførte Innowise-teamet en grundig analyse av prosjektets krav og mål. Vi utnyttet vår omfattende erfaring med å utvikle komplekse mobile løsningerI løpet av prosjektet foreslo vi velprøvde strategier og tilnærminger som sikret at alle prosjektmålene ble nådd, og vi tok nøye hensyn til alle kundens ønsker og behov.

Utvikling av Android SDK

Teamet vårt startet med å utvikle et omfattende SDK for Android. SDK-en er utviklet for å samle inn informasjon om hvor ofte og når man trykker på skjermen, og hvor lang tid man bruker telefonen. Ved hjelp av Java og Kotlin bygget vi SDK-en slik at den skulle være både fleksibel og robust. Med SDK-en på plass gikk vi deretter i gang med å utvikle Android-mobilapplikasjoner.

Utvikling av Android-apper

For å lage en mobilapplikasjon for Android brukte vi Java og Kotlin for å få en smidig opplevelse. Appen kjører i bakgrunnen, samler inn data fra interaksjoner på skjermen og sender dem til serveren for analyse.

Utviklerne våre brukte programmeringsspråket Dart til å bygge appens logikk og brukergrensesnitt, og integrerte det med Android SDK. Vi sørget for at appen har minimal innvirkning på enhetens ytelse og batterilevetid ved å optimalisere koden og bruke effektive databehandlingsalgoritmer.

AI-integrering

Integrering av AI-teknologi var en hjørnestein i dette prosjektet, som tok sikte på tidlig oppdagelse av subtile tegn som indikerer mulig kognitiv svikt. Vi valgte Python og det kraftige TensorFlow-rammeverket som grunnlag for modellutviklingen. Dette valget gjorde oss i stand til å skape fleksible og effektive modeller som kan håndtere komplekse data knyttet til brukernes interaksjon med skjermen.

For å sikre høy nøyaktighet og robusthet ble modellene trent på omfattende datasett fra kliniske studier som omfatter ulike brukeratferdsmønstre. Denne omfattende treningen gjorde modellene i stand til å gjenkjenne selv mindre avvik som er karakteristiske for tidlige stadier av kognitiv svikt.

Modellene analyserte et bredt spekter av data, blant annet

1TP52 Reaksjonstid: Hvor raskt brukeren reagerer på ulike stimuli på skjermen.
Berøringsnøyaktighet: Hvor nøyaktig brukeren treffer de riktige elementene i grensesnittet.
Bevegelsesbane: Arten av fingerbevegelser på skjermen (rett linje, sikksakk osv.).
Skrivedynamikk: Hastigheten og rytmen når du skriver på det virtuelle tastaturet.

I tillegg utviklet vi en mekanisme for dataoverføring mellom mobilapplikasjonene og serveren. Dette muliggjorde dataanalyse i sanntid, slik at brukere og forskere fikk umiddelbare resultater.

Forbedret brukervennlighet

Våre eksperter har utviklet et intuitivt app-grensesnitt der dataene presenteres gjennom tydelige grafer og diagrammer. For eksempel kan dynamikken i brukernes reaksjonstid over en bestemt periode vises som en graf, der X-aksen representerer tid og Y-aksen reaksjonstid. Denne visualiseringen gjør det mulig å raskt identifisere potensielle problemer, for eksempel avvik fra normen eller trender som indikerer en nedgang i ytelsen.

Hver visualisering ledsages av tydelige tekstforklaringer. For eksempel kan det ved siden av reaksjonstidsgrafen være en forklaring som sier at en økning i reaksjonstiden kan tyde på en nedgang i kognitive prosesser. Denne tilnærmingen gjør dataene enklere å tolke og hjelper brukerne med å raskt identifisere og løse eventuelle problemer.

Datasikkerhet

For å sikre at brukerdataene er trygt beskyttet og oppfyller avanserte sikkerhetsstandarder, har Innowise-teamet implementert en skuddsikker tilnærming til databeskyttelse:

Kryptering av data: Før dataene sendes til serveren, krypteres de med den robuste AES-256-algoritmen, noe som gjør dem uleselige for uautoriserte brukere.
Beskyttelse av krypteringsnøkler: Krypteringsnøklene lagres i et sikkert hvelv med begrenset tilgang for å forhindre at de blir kompromittert.
Pålitelig infrastruktur: Data lagres på Microsoft Azure-servere, og gir et høyt nivå av datasikkerhet.
Minimal datainnsamling: Bare de dataene som er nødvendige for analyse, samles inn, med eksplisitt unntak av brukernes personlige opplysninger.
Streng tilgangskontroll: Tilgang til data gis kun til autoriserte brukere, slik at de ikke havner i gale hender.

Teknologier

Programmeringsspråk

Java, Kotlin, Dart, Python

Rammeverk og biblioteker

TensorFlow

Testing

JUnit, Espresso

VCS

Git

Cloud

Microsoft Azure

Prosjektledelse

Jira

Utviklingsmiljøert

Android Studio

API

RESTful API-er

Prosess

I dette prosjektet brukte vi Scrum med toukers sprinter for å holde orden på ting og holde oss på sporet. Vi delte opp arbeidsflyten i fleksible iterasjoner, slik at vi kunne tilpasse oss raskt og overholde tidsfrister.

Vår dedikerte prosjektleder håndterte oppgavefordeling, handlingsplaner, leveranser og milepælskoordinering med kunden. Regelmessige statusmøter tre ganger i uken holdt alle oppdatert og muliggjorde justeringer i tide. Kunden var aktivt involvert i prosessen, og ga verdifulle tilbakemeldinger og informasjon under de daglige kontrollmøtene.

Team

Prosjektleder

Android-utviklere

ML Ingeniører

Ekspert på datasikkerhet

UI/UX-designer

Resultater

Boost publikumsengasjement og økt nøyaktighet i dataanalysen

Kunden har fått en velprøvd løsning som nå er et verdifullt verktøy innen nevrovitenskapelig forskning og diagnostikk. Lanseringen av Android-appen har ført til en økning på 35% i antall aktive brukere, noe som har utvidet rekkevidden og muliggjort mer variert datainnsamling.

Med AI-integrering har nøyaktigheten i dataanalysen økt med 25%, noe som gjør innsikten mer presis og pålitelig. Denne forbedringen har ikke bare økt validiteten til funnene deres, men også tilført betydelig verdi til kognitive vurderinger - noe som hjelper forskere og brukere med å oppdage potensielle problemer tidligere og med større selvtillit.

Prosjektet har utvidet kundens evne til å forske på og analysere kognitive funksjoner betydelig, og befestet deres rolle som ledende innen hjerneforskningsteknologi.

Prosjektets varighet

August 2023 - februar 2024

35%

økning i antall aktive brukere

25%

økt nøyaktighet i dataanalysen

Relaterte saker

Ta kontakt med oss!

Bestill en samtale eller fyll ut skjemaet nedenfor, så kontakter vi deg så snart vi har behandlet forespørselen din.

Hva skjer videre?

Etter at vi har mottatt og behandlet forespørselen din, vil vi komme tilbake til deg innen kort tid for å beskrive prosjektbehovene dine og undertegne en taushetserklæring for å sikre informasjonens konfidensialitet.

Etter å ha undersøkt kravene, utarbeider våre analytikere og utviklere en prosjektforslag med arbeidsomfang, teamstørrelse, tid og kostnader estimater.

Vi arrangerer et møte med deg for å diskutere tilbudet og komme til en avtale.

Vi signerer en kontrakt og begynner å jobbe med prosjektet ditt så raskt som mulig.