AI scanner app for skin condition assessments

Android

Angular

AWS

Flutter

Helsetjenester

iOS

Mobil

Python

REST

Innowise har utviklet en AI-drevet app som bruker dyp læring og bildegjenkjenning til raskt å vurdere hudsykdommer, og som gir raske, foreløpige diagnoser basert på opplastede bilder.

Utfordring

With increasing competition in the region, the client recognized the potential of AI not just for improving diagnostics, but as a powerful marketing tool. They wanted to attract new patients, particularly in the high-net-worth segment, and position themselves as technology leaders.

For dette formålet bestemte kunden seg for å utvikle en ML-drevet mobilapp to automate the preliminary diagnostics of skin conditions. A key challenge here was the need to acquire and maintain high-quality image data for training and validating an ML model, aiming for ambitious accuracy targets while acknowledging the limitations posed by variable image quality. Without an internal development team to deliver it, they reached out to Innowise.

Løsning

En AI-drevet plattform som integrerer mobilapper og et nettadministrasjonspanel

Innowise har utviklet en omfattende plattform som består av to sammenkoblede mobilapplikasjoner og et nettbasert administrasjonspanel, alt drevet av en spesialtilpasset DINOv2-modell som bruker transfer learning med Convolutional Neural Networks (CNN).

Pasientapp (iOS og Android): This app serves as an advanced marketing tool, offering users a free, ML-powered preliminary skin assessment. This innovative approach provides instant assessments for 30 skin conditions, acting as a lead generation tool for the clinic network. The app’s user-friendly design and personalized recommendations encourage users to book consultations.

App for innsamling av legebilder (iOS og Android): Med denne appen kan klinikkpersonalet ta og laste opp bilder av høy kvalitet av ulike hudlidelser på en sikker måte, noe som bidrar direkte til den pågående opplæringen og forbedringen av DINOv2-modellen. Denne kontinuerlige tilbakemeldingssløyfen sikrer at AI forblir nøyaktig og oppdatert. Appen inneholder også et rapporteringssystem for sporing av bildestatistikk og diagnostiserte tilstander, noe som gir verdifulle data for analyse og forbedring.

Nettbasert administrasjonspanel: Dette panelet gir klinikkadministratorer omfattende verktøy for å administrere diagnoser, konfigurere behandlinger og medisiner etter land, gjennomgå AI-genererte vurderinger, analysere data om appbruk og generere rapporter. Dette sentraliserte systemet effektiviserer driften og gir verdifull innsikt i pasientdemografi og -trender.

Hele plattformen er bygget på en skalerbar og sikker AWS-skyinfrastruktur, noe som sikrer personvern og pålitelig ytelse. Det opprinnelige datasettet for DINOv2-modellen ble levert av kunden, og det utvides kontinuerlig med bilder som samles inn via legeappen.

Hvordan fungerer hudskannerappen?

Hudskanner-appen er designet for å være enkel i bruk, og guider brukerne gjennom en enkel prosess for å få en foreløpig vurdering. Appen gir en sømløs brukeropplevelse, fra valg av kroppsdel til personlige anbefalinger fra klinikken. Slik fungerer den:

Valg av kroppsdel: Når brukeren åpner appen, velger han eller hun først den delen av kroppen der hudlidelsen er lokalisert. Dette hjelper appen med å begrense de mulige tilstandene som kan være relatert til det spesifikke området.
Bildeopplasting: Brukerne kan enten ta et bilde av hudtilstanden sin eller laste opp et bilde fra galleriet sitt.
Spørreskjema: Når bildet er lastet opp, svarer brukerne på en kort quiz med tre spørsmål. Disse spørsmålene bidrar til å gi maskinlæringsanalysen en kontekst, for eksempel symptomer eller relevant medisinsk historie.
Bildeanalyse og diagnose: Etter at bildet er sendt inn, gir appen tre mulige diagnoser, hver med en sannsynlighetsscore. Den kan for eksempel vise akne (80%), dermatitt (15%) og psoriasis (5%).
Detaljert informasjon om tilstanden: Brukerne kan trykke på en diagnose for å få mer detaljert informasjon om tilstanden, inkludert en beskrivelse, behandlingsalternativer og anbefalte medisiner. Denne informasjonen oppdateres jevnlig via administratorpanelet for å holde alt oppdatert.
Geolokasjonsbaserte klinikkanbefalinger: Appen bruker geolokalisering for å gi brukerne en personlig liste over klinikker i nærheten der de kan få behandling for sine lidelser. Hver klinikk har all kontaktinformasjon og nøyaktig beliggenhet på et interaktivt kart - noe som gjør det enkelt for pasientene å komme i kontakt med helsepersonell. Hvis det ikke finnes noen passende klinikker i brukerens by, foreslår appen alternativer i nærliggende byer eller regioner.
Brukerregistrering og profiladministrasjon: Appen tilbyr brukerne to alternativer: gjestemodus og registrert modus. I gjestemodus kan brukerne få rask diagnostikk uten å opprette en konto. Registrerte brukere, derimot, får tilgang til ekstra funksjoner som en personlig profil der de kan holde oversikt over diagnosehistorikken sin, lagre bilder og få mer detaljert innsikt basert på tidligere interaksjoner.
Annonsering i appen: Vi hjalp kunden med å legge til ikke-påtrengende bannerannonser i appen, og plasserte dem strategisk øverst eller nederst på skjermen for å skape en ekstra inntektsstrøm.

Teknologier

Mobil

Flutter

Front-end

Angular

Back-end

Python, FastAPI

Maskinlæring

DINOv2, AWS SageMaker

Sikkerhet

TLS, AES-256-kryptering, MFA

VCS

Git, GitHub

Cloud

AWS

Prosess

En trinnvis tilnærming sørget for en smidig gjennomføring, fra oppdagelse (demonstrasjon av fotosamlingsappen og utforming av arbeidsflyten) til implementering (mobilutvikling, opplæring i modellen og oppsett av infrastruktur) og til slutt fortsatt drift og støtte (løpende forbedring av modellen, kunnskapsoverføring og dedikert support).

Team kreves

Prosjekt-leder

Business Analyst

Angular Utviklere

UX/UI-
designer

Python
Ingeniører

Flutter-
utviklere

ML-
utviklere

Kvalitets- sikringsingeniør

Resultater

Vi har utviklet en ML-drevet mobilapp that provides users with a quick and secure way to assess their skin conditions. Alongside this, we created a photo-collection app to train and fine-tune the ML model, which can detect around 30 dermatological diagnoses.

Teamet vårt har også utviklet et nettbasert administrasjonspanel som gjør det enkelt for klinikkadministratorer å administrere innhold, spore bruk og holde alle data oppdatert.

I tiden fremover har kunden gitt teamet vårt i oppdrag å implementere abonnementsalternativer og bygge API-tilgang til modellen for et nettverk av partnerklinikker. Vi jobber også med å forbedre de nåværende funksjonene for å gjøre appen så effektiv og brukervennlig som mulig.

Relaterte saker

Kontakt oss

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

Navn

Selskap

E-post

Telefon

Melding

Send oss en talemelding

Legg ved dokumenter

Last opp fil

Du kan legge ved én fil på opptil 2 MB. Gyldige filformater: pdf, jpg, jpeg, png.

Ved å klikke på Send, samtykker du til at Innowise behandler dine personopplysninger i henhold til våre Retningslinjer for personvern for å gi deg relevant informasjon. Ved å oppgi telefonnummeret ditt samtykker du i at vi kan kontakte deg via taleanrop, SMS og meldingsapper. Priser for samtaler, meldinger og data kan gjelde.

Du kan også sende oss en forespørsel

.til contact@innowise.com

Hva skjer videre?

Når vi har mottatt og behandlet forespørselen din, tar vi kontakt med deg for å beskrive prosjektbehov og signerer en taushetserklæring for å sikre konfidensialitet.

Etter å ha undersøkt dine ønsker, behov og forventninger, utarbeider teamet vårt et prosjektforslag forslag med arbeidsomfang, teamstørrelse, tids- og kostnadsestimater.

Vi avtaler et møte med deg for å diskutere tilbudet og spikre detaljene.

Til slutt signerer vi en kontrakt og begynner å jobbe med prosjektet ditt med en gang.