Comprehensive technological enhancements across multiple streams for an ontology provider

Innowise gjennomførte en mangefasettert programvare for medisinsk forskning upgrade for an ontology provider, incorporating AI-driven search, custom data dashboards, and ontology integration.

Utfordring

Kundens primære utfordringer var knyttet til tre hovedområder: utvikling av en frontend for deres AI-drevne søkesystem, som automatiserer datavisualisering within medical research software, and integrating their ontologies into an existing system:

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:< 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 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

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.
Integrating an ontology into a company’s system, thereby modernizing their document analysis and database management.

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.

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:

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: 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.
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 oppstart, Java med Lucene-biblioteker, Stardog

Datavitenskap og analyser

Python (Pandas, Numpy, Plotly, Matplotlib), GCP (Google Big Query, Google Cloud Storage, Cloud Run), Looker, Data Studio, Apache Solr, tilpassede 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 kreves

Prosjekt-leder

React-utviklere

Java-utviklere

ML/Python Utvikler

Dataingeniører

Resultater

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.

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.