Programvare for medisinsk forskning: 60% reduksjon i manuell datahåndtering

Innowise gjennomførte en mangefasettert programvare for medisinsk forskning oppgradering for en ontologileverandør, med AI-drevet søk, tilpassede datadashbord og ontologiintegrering i et kjemisk forskningsselskaps infrastruktur.

Kunde

Industri

Helsevesen

Region

Kunde siden

2022

Vår kunde, en ledende aktør innen ontologi, har virksomhet i Tyskland. Selskapet spesialiserer seg på utvikling av teknologi som trekker ut informasjon fra strukturerte og ustrukturerte data og omdanner den til kunnskap for forskning, oppdagelser og beslutningstaking. Ekspertisen spenner over kjemi, biologi og beslektede vitenskapelige områder. De eier et omfattende ontologisystem, et strukturert rammeverk av sammenkoblede vitenskapelige termer og begreper.

Detaljert informasjon om kunden kan ikke utleveres i henhold til vilkårene i taushetserklæringen.

Utfordring

Begrensede søke- og annoteringsfunksjoner, kompleksitet i opprettelsen av dashbord og manuell dokumenthåndtering i det gamle systemet.

Kundens primære utfordringer var knyttet til tre hovedområder: utvikling av en frontend for deres AI-drevne søkesystem, som automatiserer datavisualisering innen medisinsk forskningsprogramvare, og integrere ontologiene deres i et eksisterende kjemisk forskningssystem:

Utvikling av et AI-drevet søkesystems front-end: Kundens hovedutfordring var å forbedre frontenden av sitt ontologibaserte søkesystem, skreddersydd for web- og mobilplattformer. Systemet var avgjørende for å administrere en omfattende samling av vitenskapelige artikler. Oppgraderingen skulle gjøre det enklere å søke, vise kilder og kommentere vitenskapelige begreper og termer i ulike dokumentformater. Begrensningene i det tidligere systemet, særlig mangelen på søkefiltre og annoteringsfunksjoner, hindret full utnyttelse av den vitenskapelige databasen.
Automatisering av datavisualisering for vitenskapelig forskning:< Kunden hadde en utfordring med å automatisere datavisualisering for vitenskapelig dataanalyse. Systemet skulle hjelpe dataforskerne med å identifisere, klargjøre og validere data og lage informative oversikter. Dette var avgjørende for å kunne klassifisere og koble sammen medisinske enheter, identifisere molekylære mål for nye legemidler og gjøre det enklere å forske på sykdommer.
Integrering av ontologisystemer i kjemisk forskning: Det var en unik utfordring å integrere kundens ontologier i et kjemisk forskningsselskaps eksisterende system. Selskapets gamle system var svært avhengig av manuelle prosesser for dokumenthåndtering og dataregistrering. Vår oppgave var å modernisere systemet ved å automatisere dokumentanalyse og opplasting av databaser, utvikle et nytt grensesnitt og etablere en back-end-system. Systemet måtte støtte to forskjellige brukerroller: personer som var ansvarlige for å laste opp og redigere dokumenter, og administratorer som skulle gjennomgå og bekrefte disse oppføringene.

Løsning

AI-drevet søkesystem, automatiserte dashboards og sømløs ontologiintegrasjon i kjemisk forskning

Innowise-teamet fokuserte på tre viktige aspekter ved prosjektet:

Forbedring av en spesialisert AI-drevet søkesystem for web- og mobilgrensesnitt.
Automatisering av datavisualisering for farmasøytisk forskning gjennom dynamiske dashbord.
Integrering av en ontologi i et kjemisk forskningsselskaps system for å modernisere dokumentanalyse og databasehåndtering.

Forbedring av søkesystemet i programvare for medisinsk forskning

Teamet vårt fokuserte på å utvikle og forbedre et spesialisert AI-drevet søkesystem - et viktig delsystem i et større rammeverk, designet for nett- og mobilgrensesnitt. Denne oppgaven innebar flere tekniske og funksjonelle forbedringer:

Avansert dokumentsøk: Vi gjorde systemet i stand til å utføre dybdesøk på tvers av ulike dokumentformater fra et stort dokumentarkiv. Systemet gjorde det mulig for brukerne å finne dokumenter, se interne og eksterne kilder og identifisere viktige vitenskapelige begreper og kommentarer i dokumentene.
Annotasjon og kategorisering: En viktig funksjon var muligheten for brukerne til å velge spesifikke ord eller billetter i dokumenter og tilordne dem til relevante domener for annotering. Vi integrerte GPT-baserte AI-funksjoner for å hjelpe brukerne med å annotere og kategorisere hver term eller enhet på riktig måte.
Prosess for innsending og vurdering: Når man gjorde endringer eller la til ny informasjon i et dokument, la systemet til rette for en gjennomgangsprosess. Brukerne kunne sende inn endringene, som deretter ble sendt til en administrator for statustildeling og godkjenning av de nye merknadene, kommentarene eller kategoriseringene.
Funksjoner for spørring og analyse: Brukerne kan nå velge dokumenter fra en stor database og legge dem i en felles kurv. De kan deretter søke i disse dokumentene ved hjelp av søkefeltet i Analyzer, stille spesifikke spørsmål eller be om sammendrag og analyser basert på GPT-teknologi.
Utvikling av tilpassede filtre: Utvikleren vår har laget sofistikerte filtre for dokumentsøk, skreddersydd for ulike kildetyper.
Utfordringer med dokumentvisning: En av de komplekse oppgavene var å utvikle en dokumentfremviser som kunne vise markerte merknader i PDF-dokumenter. Dette krevde innviklet back-end-koordinering for å legge merknadene riktig over hverandre.
Overhaling av eldre kode og arkitektur: Vi tok tak i utfordringene med gammel kode og manglende arkitektonisk struktur, og sørget for at systemet ble bygget på et solid, moderne teknologisk fundament.
Integrering av flere GPT-versjoner: Teamet vårt har forbedret systemet med flere versjoner av GPT (3.5, 4, Davinci), noe som muliggjør mer allsidig dokumentanalyse.
LLM-integrering: Innowise fokuserte på tilpasset LLM-utvikling som gjør det mulig for brukerne å skrive inn spørsmål på naturlig språk. Når spørsmålene er konvertert til back-end-forespørsler, kan de sendes til serveren.

Automatisering av dashbord for datavitenskap

Vår team for datavitenskap fokuserte på å automatisere datavisualisering ved hjelp av dashboards, en viktig komponent i kundens forskning for å identifisere molekylære mål for nye legemiddelbehandlinger. De primære sykdommene som ble studert, var blant annet fedme og muskelsykdommer.

Opprettelse av dashbord: Teamets mål var å lage dashbord for visualisering av farmasøytiske data. Dette innebar å behandle store datasett, som er et stort antall annoterte medisinske artikler med unik ID og metadata, for å danne store GBQ-tabeller.
Visualisering av data: Bruk av Looker Studio, for å kunne lage dashbord forvandlet vi disse store datatabellene til mindre og mer håndterbare formater. Dette visualiseringstrinnet var nødvendig for at ekspertene bedre skulle kunne gjennomgå og filtrere dataene.
Automatisering av dashbordet: Etter godkjenning fra medisinske eksperter automatiserte vi opprettelsen av dashbordet ved hjelp av datatekniske teknikker. Dette innebar at vi brukte arkiver som inneholdt SQL-skript for å hente inn nødvendig informasjon. Disse skriptene ble planlagt kjørt med bestemte intervaller, slik at dashbordene alltid var oppdatert med de nyeste forskningsresultatene.
Kontinuerlige oppdateringer og integrering: Løsningen vår gjorde det mulig å integrere nye relevante publikasjoner i dashbordene fortløpende. Denne dynamiske oppdateringsprosessen ble muliggjort av Google Cloud Functions. Det sørget for at dashbordene alltid var oppdatert med de nyeste dataene.
Håndtering av forespørsler: Vi håndterte spørringer gjennom store tabeller og hentet ut spesifikk informasjon basert på søk. Teamet visualiserte deretter statistikken i dashbordene og identifiserte eventuelle problemer i søkene.

Ontologiintegrering i kjemisk forskning

Prosjektet vårt fokuserte på å integrere kundens ontologier i en etablert programvare for laboratorieadministrasjon hos et kjemisk forskningsselskap. Oppgaven omfattet flere viktige trinn for å modernisere og automatisere det utdaterte systemet:

Systemanalyse og forskning: Vi begynte med en grundig analyse og undersøkelse av kundens eksisterende system. Denne programvaren for laboratorieadministrasjon, som først og fremst brukes til lagring av rapporter og forskningsresultater, var basert på eldre Java versjoner og JSP-teknologier.
Utvikling av nytt grensesnitt og backend: Vi utviklet blant annet et nytt grensesnitt og back-end-system for å automatisere prosessen med dokumentanalyse og databaseoppdatering, som tidligere ble utført manuelt.
Brukertyper og funksjoner: Vi har utviklet systemet for å imøtekomme to forskjellige brukertyper:
Dokumentet er lastet opp: Forskere som legger til dokumenter i systemet. Etter at et dokument er kommentert, vises det på en egen side der opplasteren kan gå gjennom resultatene, gjøre endringer og bekrefte at det er lagt inn i databasen.
Administrator: Ansvarlig for å gjennomgå og bekrefte dokumenttillegg. Denne rollen innebærer en omfattende gjennomgang av dokumenter, med mulighet til å redigere, godkjenne eller gjøre endringer før endelig registrering i databasen.
Back-end-utvikling og overhaling av eldre kode: Utvikleren vår tok på seg oppgaven med å revidere den eksisterende koden. Dette innebar å skrive JSP-sider i henhold til kundens spesifikasjoner og utvikle back-end-funksjonalitet (forespørsler, svar, databehandling og databaseoppføring).
Utvikling av administrasjonsgrensesnitt: Vi har også utviklet en administrasjonsdel av systemet der administratoren (vanligvis lederen for forskningsavdelingen) mottar et varsel med en lenke til grensesnittet som viser informasjon fra databasen.
Integrering av ontologi-API: Kjernen i løsningen vår var å integrere Ontology API i kundens programvare for laboratorieadministrasjon. Dette API-et fungerte som et punkt for å sende dokumentrelaterte spørsmål og motta svar, som deretter ble behandlet og vist via frontend før de ble sendt til kundens database.
Håndtering av dokumenter og data: I dette systemet ble dokumenter som ble lastet opp til det ontologiske systemet, behandlet, og de resulterende dataene ble lagret i selskapets kjemiske forskningsdatabase. Dette muliggjorde automatisk analyse av dokumenter og gjenfinning av viktig informasjon om kjemiske forbindelser.
Full stack-utvikling: Utvikleren vår jobbet som en full-stack-ingeniør som håndterte både front-end- og back-end-aspekter og sørget for sømløs integrering av alle systemkomponenter.

Teknologier

Programmeringsspråk

JavaScript, TypeScript, Java

Front-end

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

Back-end

Spring Boot, Java med Lucene-biblioteker, Stardog

Datavitenskap og analyse

Python (Pandas, Numpy, Plotly, Matplotlib), GCP (Google Big Query, Google Cloud Storage, Cloud Run), Looker, Data Studio, Apache Solr, egendefinerte verktøy for databehandling og visualisering.

Prosess

Vår tilnærming til utviklingsprosessen var metodisk og fulgte Agile-prinsippene, noe som sikret fleksibilitet og kontinuerlig forbedring.

Innledningsvis gjorde vi grundige undersøkelser for å forstå kundens behov og eksisterende systemer og leverte et detaljert visjons- og omfangsdokument. Basert på de innledende funnene gikk vi videre med å designe og utvikle de nødvendige funksjonene for hver strøm. Teamet vårt holdt jevnlige sprintmøter for å bekrefte at arbeidet vårt stemte overens med kundens forventninger. Alle funksjonene ble implementert og gjennomgikk grundige ytelses- og nøyaktighetstester, med løpende tilbakemeldinger fra kunden.

For effektiv kommunikasjon og prosjektsporing brukte vi Microsoft-verktøy og Monday.com for å sikre en transparent prosess og oppdateringer i sanntid.

Team

Prosjektleder

React-utviklere

Java-utviklere

ML/Python Utvikler

Dataingeniører

Resultater

50% raskere annoteringsprosess, 60% reduksjon i manuell datahåndtering og 3 ganger raskere datasøk for forskere.

I vårt samarbeid med kunden, som spenner over tre hovedområder, har vi gjort betydelige fremskritt når det gjelder å forbedre den vitenskapelige forskningskapasiteten. Her er et øyeblikksbilde av de faktiske resultatene:

Effektiviserte søkeoperasjoner: Teamets arbeid med å forbedre søkesystemet førte til en dobling av søkehastigheten, noe som er til fordel for forskere som ønsker rask tilgang til vitenskapelige data.
Presisjon i merknader: Innføringen av det automatiserte annoteringssystemet resulterte i økt nøyaktighet i annoteringen, noe som er avgjørende for vitenskapelige dybdestudier.
Økt effektivitet i datahåndteringen: Ved å automatisere datavisualiseringsprosessene har vi effektivt halvert tiden forskerne bruker på manuell datahåndtering, noe som gir mer tid til kjerneforskningsaktiviteter.
Økt hastighet i databehandlingen: Databehandlings- og visualiseringshastigheten ble tredoblet, noe som innebar et stort sprang i håndteringen av komplekse datasett.
Optimalisert brukeropplevelse: Det moderniserte brukergrensesnittet i systemene våre har ført til en betydelig økning i brukertilfredsheten, noe som har bidratt til økt engasjement i det vitenskapelige miljøet.
Frigjort forskningstid: Automatiseringen av rutineoppgaver har ført til en reduksjon på 60% i manuell datahåndtering, noe som har frigjort tid for forskerne som tidligere brukte mye tid på manuelt arbeid.

For øyeblikket fortsetter vårt dedikerte team å jobbe iherdig med systemet, med fokus på utvikling av LLM-er for å videreutvikle og forbedre kundens system.

Prosjektets varighet

Juli 2022 - Løpende

60%

reduksjon i manuell datahåndtering

økt hastighet i datasøk

50%

raskere annotasjonsprosess

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.

Programvare for medisinsk forskning: 60% reduksjon i manuell datahåndtering

Kunde

Utfordring

Begrensede søke- og annoteringsfunksjoner, kompleksitet i opprettelsen av dashbord og manuell dokumenthåndtering i det gamle systemet.

Løsning

AI-drevet søkesystem, automatiserte dashboards og sømløs ontologiintegrasjon i kjemisk forskning

Forbedring av søkesystemet i programvare for medisinsk forskning

Automatisering av dashbord for datavitenskap

Ontologiintegrering i kjemisk forskning

Teknologier

Prosess

Team

Resultater

50% raskere annoteringsprosess, 60% reduksjon i manuell datahåndtering og 3 ganger raskere datasøk for forskere.

Relaterte saker

Ta kontakt med oss!

Hva skjer videre?

La^●utvikler
programvare sammen!

Kom med en ny forespørsel

Lukk

Programvare for medisinsk forskning: 60% reduksjon i manuell datahåndtering

Kunde

Utfordring

Begrensede søke- og annoteringsfunksjoner, kompleksitet i opprettelsen av dashbord og manuell dokumenthåndtering i det gamle systemet.

Løsning

AI-drevet søkesystem, automatiserte dashboards og sømløs ontologiintegrasjon i kjemisk forskning

Forbedring av søkesystemet i programvare for medisinsk forskning

Automatisering av dashbord for datavitenskap

Ontologiintegrering i kjemisk forskning

Teknologier

Prosess

Team

Resultater

50% raskere annoteringsprosess, 60% reduksjon i manuell datahåndtering og 3 ganger raskere datasøk for forskere.

Relaterte saker

Ta kontakt med oss!

Hva skjer videre?

La●utvikler programvare sammen!

Abonnere til vårt nyhetsbrev

Kom med en ny forespørsel

Lukk

La^●utvikler
programvare sammen!

Abonnere
til vårt nyhetsbrev