Geavanceerd hulpmiddel voor het identificeren van depressies

Innowise heeft een innovatief AI-platform ontwikkeld dat via EEG-scans depressie bij patiënten kan vaststellen.

Klant

Industrie

Geneeskunde

Regio

USA

Klant sinds

2022

Onze klant is een van de grote vertegenwoordigers in de gezondheidszorg. Ze hebben een eigen medisch centrum in de VS.

Gedetailleerde informatie over de klant kan niet openbaar worden gemaakt krachtens de bepalingen van de NDA.

Uitdaging

Wereldwijd lijden meer dan 1 miljard mensen aan psychische stoornissen, waarvan meer dan 300 miljoen aan depressie. Om te helpen bij een vroege diagnose en uitgebreide behandeling hebben onderzoekers EEG-biomarkers en AI-gezichtsemotieherkenningstechnologie geïdentificeerd als veelbelovende instrumenten. Door gebruik te maken van AI-gezichtsemotieherkenning, die machine learning gebruikt om gezichtsuitdrukkingen te analyseren en patronen te detecteren die verband houden met psychische stoornissen, kunnen we een niet-invasieve en handige methode bieden om potentiële psychische problemen op te sporen. Met gezichtsemotieherkenning met behulp van machine learning kunnen we de traditionele klinische benadering van diagnose en behandeling van psychische aandoeningen uitbreiden, waardoor effectievere en inclusievere oplossingen worden geboden.

Innowise werd benaderd door een klant met de vraag een geautomatiseerde oplossing te ontwikkelen die gebruik maakt van AI om menselijke emoties gerelateerd aan depressie bij patiënten te detecteren. Door gebruik te maken van geavanceerde emotie-AI technologieën en expertise, ontwikkelde Innowise een oplossing die clinici kan helpen bij het bieden van tijdige en effectieve zorg aan mensen die worstelen met depressie.

Oplossing

We hebben een AI-als-dienst oplossing geïmplementeerd om te helpen bij de detectie en behandeling van depressie. Met behulp van nieuwste deep-learning tools hebben we een model ontwikkeld dat depressie kan detecteren door EEG-resultaten te scannen en EEG-voorspellers van therapeutische respons kan identificeren. Door EEG-gegevens te analyseren, kan ons model patronen en indicatoren identificeren die clinici kunnen helpen hun behandelingsaanpak af te stemmen op elke individuele patiënt.

CLOUD ML TOEPASSING

We hebben gekozen voor een cloud-gebaseerde applicatie omdat dit een groot aantal voordelen biedt voor onze oplossing voor machine learning (ML), inclusief verbeterde beveiliging en mogelijkheden voor gegevensopslag. De geïmplementeerde SaaS-oplossing maakt hoge verwerkingskracht, gegevensopslag en meerdere servers voor het gelijktijdig verwerken van ML-algoritmen overbodig.

Ons team heeft ook een API ontwikkeld die de gebruikerservaring verbetert door automatisch getrainde modellen voor machine learning te lanceren om gebruikersgegevens te verwerken en realtime resultaten te tonen.

In het algemeen bieden de ontwikkelde cloud-gebaseerde SaaS-oplossing en de bijbehorende API een uitgebreide en gestroomlijnde benadering van machine learning, waardoor onze klanten de mogelijkheden krijgen die zij nodig hebben om hun doelstellingen te bereiken.

ML OPLEIDING

Ter ondersteuning van onze AI-modellen en voorspellende analyses heeft ons ontwikkelingsteam data lakes geïmplementeerd, die een robuuste en schaalbare opslagoplossing bieden voor grote hoeveelheden gegevens. Hierdoor kunnen we uitgebreide emotionele AI-analyses uitvoeren en waardevolle inzichten voor onze klanten extraheren. Vervolgens hebben we naadloos datawarehouses geïntegreerd, het transformatieproces voltooid en de gegevens effectief opgeschoond voordat ze worden geüpload.

Wanneer de EEG-scan de cloud bereikt, gebruikt het ML-model de in het datawarehuis opgeslagen gegevens om te beoordelen en nauwkeurig vast te stellen of de patiënt een depressie heeft.

Het is belangrijk op te merken dat het werken met medische gegevens het meest uitdagende deel van de ontwikkeling was. Het Innowise Team is er echter in geslaagd het ML model succesvol te trainen en te integreren in de medische praktijk.

Deze prestatie toont niet alleen aan dat ons team bedreven is in het omgaan met complexe en gevoelige medische gegevens, maar onderstreept ook onze inzet om onze klanten de best mogelijke oplossingen te bieden.

WEB-INTERFACE

Om het verkrijgen van resultaten te vereenvoudigen, hebben we een intuïtieve webinterface ontwikkeld die de gebruikerservaring stroomlijnt. Deze oplossing maakt handmatige gegevensinvoer overbodig, waardoor de kans op fouten aanzienlijk afneemt en gebruikers gemakkelijk en snel nauwkeurige en betrouwbare resultaten krijgen.

Bovendien is het dankzij de intuïtieve interface mogelijk door het systeem te navigeren en de nodige gegevens te verkrijgen zonder technische kennis of ingewikkelde procedures.

Technologieën

Back-end

Python, FastAPI

Machine learning

OpenCV, Pandas, NumPy, Scikit-learn, PyTorch, Matplotlib, MLFlow, Keras, Tensorflow, Python-MIP.

Cloud & DevOps

AWS (S3, Lambda, SageMaker enz.), Kubernetes, Docker

Proces

Ondanks het complexe en meerstappen ontwikkelingsproces beschikte het Innowise Team over voldoende expertise om alle kwesties en problemen tijdig aan te pakken.

In de eerste fase hebben wij een specialist op het gebied van modelvalidatie aangetrokken, die verschillende hulpmiddelen gebruikte om ML-modelvoorspellingen te onderzoeken. Er werden enorme inspanningen geleverd voor een grondige voorbereiding van de gegevenslabels, wat uiteindelijk een enorme tijdwinst opleverde omdat we voor alle specialisten een handige infrastructuur hadden geconfigureerd. De onderzoeksstap omvatte verschillende modelproeven en werd efficiënt uitgevoerd via een ontworpen validatieschema.

Nadat onze specialisten de gegevens hadden gefilterd, begonnen zij het ML-model te trainen. Deze fase bestond uit verschillende stadia van verbetering en verfijning van het model. Ten slotte integreerden de ontwikkelaars het getrainde model in de cloudapplicatie.

Voor het projectbeheer gebruikten we Slack en Jira om binnen het bedrijf samen te werken aan het project en Google Chats voor de externe communicatie met de klant. We gebruikten de Scrum-methodologie, met dagelijkse vergaderingen en maandelijkse demopresentaties van tussentijdse resultaten.

Vanaf vandaag blijven we het project ondersteunen en lossen we eventuele problemen op totdat alles naar behoren werkt aan de kant van de klant.

Team

Back-End Ontwikkelaar

Front-End Ontwikkelaar

Data Wetenschapper

ML Ingenieur

Business Analysts

Ontwerper

Project
Manager

QA
ingenieur

Resultaten

Ons team leverde een geavanceerde AI-app voor geestelijke gezondheid aan onze klant, waardoor zij de beschikking kregen over een getraind model dat depressie kan detecteren uit EEG-scans en biomarkers kan identificeren om de respons op de behandeling te voorspellen. Dit innovatieve ML-platform is een nieuwe benadering van de behandeling van depressie die de kans op goedkeuring van nieuwe medicijnen vergroot.

De ontworpen AI-gebaseerde app voor geestelijke gezondheid is gemakkelijk te gebruiken voor medische professionals omdat de gescande resultaten worden beheerd via een intuïtieve webinterface. Bovendien bouwde het ontwikkelingsteam een systeem voor gegevensverzameling met een toolkit voor het snel labelen van gegevens, waardoor het proces voor clinici en onderzoekers wordt geoptimaliseerd.

Sinds de implementatie van de ontworpen oplossing heeft de klant aanzienlijke voordelen gezien, waaronder meer middelen voor de kliniek en een uitgebreid klantenbestand. Door een uniek instrument voor depressiebehandeling aan te bieden, heeft onze klant zich in de voorhoede van de sector gepositioneerd en meer patiënten aangetrokken die op zoek zijn naar geavanceerde behandelingen.

Duur van het project

3 maanden voor MVP
Het project loopt nog; in dit stadium bieden wij onderhoud en ondersteuning voor het ontwikkelde platform.

Gerelateerde gevallen

Neem contact met ons op!

Boek een gesprek of vul het onderstaande formulier in en we nemen contact met je op zodra we je aanvraag hebben verwerkt.

Naam

Bedrijf

E-mail

Telefoon

Bericht Voeg projectgegevens alsjeblieft, duur, technische stapel, IT-professionals nodig en andere relevante informatie toe

Neem een spraakbericht over uw
project op om het ons beter te helpen begrijpen

Voeg indien nodig aanvullende documenten bij

Bestand uploaden

Je kunt maximaal 1 bestand van 2MB bijvoegen. Geldige bestanden: pdf, jpg, jpeg, png

Wij wijzen u erop dat wanneer u op de verzendknop klikt, Innowise uw persoonsgegevens verwerkt in overeenstemming met ons Privacybeleid om u van de juiste informatie te voorzien.

Wat gebeurt er nu?

Na ontvangst en verwerking van uw aanvraag, nemen wij binnenkort contact met u op om uw projectbehoeften in detail te beschrijven en een NDA te ondertekenen om de vertrouwelijkheid van informatie te garanderen.

Na het bestuderen van de vereisten, stellen onze analisten en ontwikkelaars een projectvoorstel met de omvang van de werkzaamheden, teamgrootte, tijd en kosten schattingen.

Wij regelen een ontmoeting met u om het aanbod te bespreken en tot een overeenkomst.

We tekenen een contract en beginnen zo snel mogelijk aan uw project te werken.