Uitgebreide technologische verbeteringen over meerdere stromen voor een ontologieprovider

Innowise voerde een veelzijdige software voor medisch onderzoek upgrade voor een ontologieprovider met AI-gestuurde zoekfuncties, aangepaste datadashboards en ontologie-integratie.

Uitdaging

De belangrijkste uitdagingen waarmee onze klant werd geconfronteerd, hadden betrekking op drie hoofdgebieden: een front-end ontwikkelen voor hun AI-gebaseerd zoeksysteem, het automatiseren van kaartdatavisualisatie binnen software voor medisch onderzoek en het integreren van hun ontologieën in een bestaand systeem:

De front-end van een AI-zoeksysteem ontwikkelen: De belangrijkste uitdaging voor de klant was het verbeteren van de front-end van hun op ontologie gebaseerde zoeksysteem, op maat gemaakt voor web- en mobiele platforms. Dit systeem was een integraal onderdeel van het beheer van een uitgebreide collectie wetenschappelijke artikelen. De upgrade vereiste zoekmogelijkheden, het bekijken van bronnen en het annoteren van wetenschappelijke concepten en termen in verschillende documentformaten. De beperkingen van het vorige systeem, met name het ontbreken van zoekfilters en annotatiefunctionaliteiten, belemmerden de volledige benutting van hun wetenschappelijke database.
Gegevensvisualisatie automatiseren voor wetenschappelijk onderzoek:< De klant stond voor een uitdaging in het automatiseren van datavisualisatie voor hun wetenschappelijke gegevensanalyse. Het vereiste systeem moest datawetenschappers ondersteunen bij het identificeren, voorbereiden en valideren van gegevens en bij het maken van informatieve dashboards. Dit was cruciaal voor het classificeren en koppelen van medische entiteiten, het identificeren van moleculaire doelen voor nieuwe geneesmiddelen en het vergemakkelijken van onderzoek naar ziekten.
Integratie van ontologiesystemen: De integratie van de ontologieën van de klant in een bestaand systeem vormde een unieke uitdaging. Het legacysysteem van het bedrijf was sterk afhankelijk van handmatige processen voor documentverwerking en gegevensinvoer. Het was onze taak om dit systeem te moderniseren door de analyse van documenten en het uploaden van gegevens in de database te automatiseren, een nieuwe interface te ontwikkelen en een back-end systeem. Dit systeem moest twee verschillende gebruikersrollen ondersteunen: personen die verantwoordelijk waren voor het uploaden en bewerken van documenten en beheerders die deze invoer moesten beoordelen en bevestigen.

Oplossing

Het team van Innowise richtte zich op drie belangrijke aspecten van het project:

Het verbeteren van een gespecialiseerde AI-gestuurd zoeksysteem voor web- en mobiele interfaces.
Gegevensvisualisatie automatiseren voor farmaceutisch onderzoek via dynamische dashboards.
Een ontologie integreren in het systeem van een bedrijf en zo hun documentanalyse en databasebeheer moderniseren.

Het zoeksysteem verbeteren in software voor medisch onderzoek

Ons team richtte zich op het ontwikkelen en verbeteren van een gespecialiseerd AI-zoeksysteem - een belangrijk subsysteem binnen een groter raamwerk, ontworpen voor web- en mobiele interfaces. Deze taak omvatte meerdere technische en functionele verbeteringen:

Geavanceerd zoeken naar documenten: We stelden het systeem in staat om diepgaande zoekopdrachten uit te voeren in verschillende documentformaten uit een enorme documentenopslagplaats. Met het systeem konden gebruikers documenten vinden, interne en externe bronnen bekijken en belangrijke wetenschappelijke concepten en annotaties in deze documenten identificeren.
Annotatie en categorisatie: Een belangrijke functie was de mogelijkheid voor gebruikers om specifieke woorden of tickets binnen documenten te selecteren en deze toe te wijzen aan relevante domeinen voor annotatie. We hebben op GPT gebaseerde AI-functies geïntegreerd om gebruikers te begeleiden bij het correct annoteren en categoriseren van elke term of entiteit.
Indienings- en beoordelingsproces: Na het maken van bewerkingen of het toevoegen van nieuwe informatie aan een document, faciliteerde het systeem een beoordelingsproces. Gebruikers konden deze wijzigingen indienen, die vervolgens naar een beheerder werden gestuurd voor het toekennen van de status en goedkeuring van de nieuwe annotaties, opmerkingen of categorisaties.
Zoek- en analysefuncties: Gebruikers kunnen nu documenten selecteren uit een grote database en deze toevoegen aan een verzamelmand. Vervolgens kunnen ze deze documenten opvragen met de zoekbalk in de Analyzer, specifieke vragen stellen of samenvattingen en analyses opvragen op basis van GPT-technologie.
Ontwikkeling van filters op maat: Onze ontwikkelaar heeft geavanceerde filters gemaakt voor het zoeken naar documenten, afgestemd op verschillende soorten bronnen.
Uitdagingen voor documentviewers: Een van de complexe taken was het ontwikkelen van een documentviewer die gemarkeerde annotaties op PDF-documenten kon weergeven. Dit vereiste ingewikkelde back-end coördinatie om annotaties correct te overlappen.
Revisie van legacycode en architectuur: We pakten de uitdagingen aan die legacy code en een gebrek aan architecturale structuur met zich meebrachten en zorgden ervoor dat het systeem werd gebouwd op een solide, moderne technologische fundering.
Integratie van meerdere GPT-versies: Ons team breidde het systeem uit met meerdere versies van GPT (3.5, 4, Davinci), waardoor een veelzijdigere documentanalyse mogelijk werd.
LLM integratie: Innowise richtte zich op aangepaste LLM-ontwikkeling waarmee gebruikers zoekopdrachten in natuurlijke taal kunnen invoeren. Zodra de zoekopdrachten zijn omgezet in back-end verzoeken, kunnen ze naar de server worden gestuurd.

Data science dashboard automatisering

Onze team gegevenswetenschappen richtte zich op het automatiseren van datavisualisatie door middel van dashboards, een cruciaal onderdeel voor het onderzoek van de klant naar moleculaire doelwitten voor nieuwe farmaceutische behandelingen. De voornaamste ziekten die werden bestudeerd waren obesitas en spierziekten.

Dashboard maken: Het doel van het team was om dashboards te maken voor het visualiseren van farmaceutische gegevens. Hiervoor moesten grote datasets, een enorm aantal geannoteerde medische artikelen met unieke ID en metadata, verwerkt worden tot omvangrijke GBQ-tabellen.
Data visualization: Met behulp van Looker Studio, hebben we deze grote gegevenstabellen omgezet in kleinere, beter hanteerbare formaten voor het maken van dashboards. Deze visualisatiestap was nodig voor experts om gegevens beter te kunnen beoordelen en filteren.
Dashboardautomatisering: Na goedkeuring door medische experts automatiseerden we het maken van het dashboard met behulp van datatechnieken. Dit hield in dat we repositories met SQL-scripts gebruikten om de benodigde informatie op te halen. Deze scripts werden op gezette tijden uitgevoerd, zodat de dashboards up-to-date bleven met de laatste onderzoeksresultaten.
Continue updates en integratie: Onze oplossing maakte de continue integratie van nieuwe relevante publicaties in de dashboards mogelijk. Dit dynamische updateproces werd gefaciliteerd door Google Cloud Functions. Hierdoor bleven de dashboards bijgewerkt met de meest recente gegevens.
Beheer van zoekopdrachten: We behandelden query's via grote tabellen en haalden er specifieke informatie uit op basis van zoekopdrachten. Het team visualiseerde deze statistieken vervolgens in de dashboards en identificeerde eventuele problemen in de zoekopdrachten.

Ontologie-integratie in onderzoek

Ons project richtte zich op de integratie van de ontologieën van onze klant in een bestaande laboratoriumbeheersoftware. Deze taak omvatte verschillende belangrijke stappen om hun verouderde systeem te moderniseren en te automatiseren:

Systeemanalyse en onderzoek: We begonnen met een grondige analyse en onderzoek van het legacysysteem van de klant. Deze Software voor laboratoriumbeheer, voornamelijk gebruikt voor het opslaan van rapporten en onderzoeksresultaten, was gebaseerd op oudere Java versies en JSP-technologieën.
Ontwikkelen van nieuwe interface en back-end: Onze aanpak omvatte de ontwikkeling van een nieuwe interface en een back-endsysteem om het proces van documentanalyse en databasebijwerking, dat voorheen handmatig werd uitgevoerd, te automatiseren.
Gebruikerstypes en -functionaliteiten: We hebben het systeem zo ontworpen dat het geschikt is voor twee verschillende soorten gebruikers:
Document uploader: Onderzoekers die documenten toevoegen aan het systeem. Nadat een document is geannoteerd, verschijnt het op een speciale pagina waar de uploader de resultaten kan bekijken, wijzigingen kan aanbrengen en de indiening in de database kan bevestigen.
Beheerder: Verantwoordelijk voor het beoordelen en bevestigen van documenttoevoegingen. Deze functie omvat een uitgebreide beoordeling van documenten, met de mogelijkheid om wijzigingen aan te brengen, goed te keuren of door te voeren voordat ze definitief in de database worden ingevoerd.
Back-end ontwikkeling en revisie van legacy code: Onze ontwikkelaar nam de taak op zich om de bestaande legacycode te reviseren. Dit omvatte het schrijven van JSP-pagina's volgens de specificaties van de klant en het ontwikkelen van back-end functionaliteiten (aanvragen, antwoorden, gegevensverwerking en database-invoer).
Admin-interface ontwikkeling: We ontwikkelden ook een beheergedeelte van het systeem waar de beheerder (meestal het hoofd van de onderzoeksafdeling) een melding ontvangt met een link naar de interface die informatie uit de database weergeeft.
Integratie van ontologie-API: De kern van onze oplossing was het integreren van de Ontology API in de labmanagementsoftware van de klant. Deze API diende als punt voor het verzenden van documentgerelateerde query's en het ontvangen van antwoorden, die vervolgens werden verwerkt en weergegeven via de frontend voordat ze naar de database van de klant werden gestuurd.
Omgaan met documenten en gegevens: In dit systeem werden documenten die geüpload waren naar het ontologische systeem verwerkt en de resulterende gegevens werden opgeslagen in de onderzoeksdatabase van het bedrijf. Hierdoor konden documenten automatisch worden geanalyseerd en kon belangrijke informatie worden opgehaald.
Full-stack ontwikkeling: Onze ontwikkelaar werkte als een full-stack engineer, hield zich bezig met zowel front-end als back-end aspecten en zorgde voor een naadloze integratie van alle systeemcomponenten.

Technologieën

Programmeertalen

JavaScript, TypeScript, Java

Front-end

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

Back-end

Spring laars, Java met Lucene-bibliotheken, Stardog

Gegevenswetenschap en analytics

Python (Pandas, Numpy, Plotly, Matplotlib), GCP (Google Big Query, Google Cloud Storage, Cloud Run), Looker, Data Studio, Apache Solr, aangepaste tools voor gegevensverwerking en visualisatie.

Proces

Onze aanpak van het ontwikkelingsproces was methodisch en volgde de Agile-principes, wat zorgde voor flexibiliteit en voortdurende verbetering.

In het begin deden we grondig onderzoek om de behoeften en bestaande systemen van de klant te begrijpen en leverden we een gedetailleerd 'Vision and Scope'-document op. Op basis van de eerste bevindingen gingen we verder met het ontwerpen en ontwikkelen van de benodigde functies voor elke stroom. Ons team hield regelmatig sprint meetings om te bevestigen dat ons werk overeenkwam met de verwachtingen van de klant. Alle functies werden geïmplementeerd en onderworpen aan strenge tests op prestaties en nauwkeurigheid, waarbij de klant voortdurend feedback gaf.

Voor effectieve communicatie en het bijhouden van projecten maakten we gebruik van Microsoft-tools en Monday.com, wat zorgde voor een transparant proces en realtime updates.

Vereist team

Project Manager

React Ontwikkelaars

Java-ontwikkelaars

Ontwikkelaar ML/Python

Data Ingenieurs

Resultaten

In onze samenwerking met de klant, die zich uitstrekt over drie hoofdstromen, hebben we aanzienlijke vooruitgang geboekt in hun wetenschappelijke onderzoekscapaciteiten. Hier is een momentopname van de feitelijke resultaten:

Gestroomlijnde zoekacties: De inspanningen van ons team om het zoeksysteem te verfijnen hebben geleid tot een verdubbeling van de zoeksnelheid, wat onderzoekers ten goede komt in hun zoektocht naar snelle toegang tot wetenschappelijke gegevens.
Precisie in annotaties: De introductie van het geautomatiseerde annotatiesysteem resulteerde in een grotere annotatienauwkeurigheid, een kritieke factor voor diepgaande wetenschappelijke studies.
Efficiëntere gegevensverwerking: Door datavisualisatieprocessen te automatiseren, hebben we de tijd die onderzoekers besteedden aan handmatige gegevensverwerking effectief gehalveerd, waardoor ze meer tijd overhielden voor kernonderzoeksactiviteiten.
Verbeterde snelheid van gegevensverwerking: De verwerkings- en visualisatiesnelheden van gegevens werden verdrievoudigd, wat een sprong voorwaarts betekende in de verwerking van complexe datasets.
Geoptimaliseerde gebruikerservaring: De gemoderniseerde gebruikersinterface van onze systemen heeft geleid tot een opmerkelijke stijging van de gebruikerstevredenheid, waardoor de betrokkenheid binnen de wetenschappelijke gemeenschap is toegenomen.
Vrijgekomen onderzoekstijd: Het automatiseren van routinetaken heeft geleid tot een reductie van 60% in handmatige gegevensverwerking, waardoor de onderzoekers meer tijd overhielden voor handmatig werk.

Gerelateerde gevallen

Contacteer ons

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

Stuur ons een spraakbericht

Documenten bijvoegen

Bestand uploaden

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

Door op Verzenden te klikken, stemt u ermee in dat Innowise uw persoonsgegevens verwerkt volgens onze Privacybeleid om u van relevante informatie te voorzien. Door je telefoonnummer op te geven, ga je ermee akkoord dat we contact met je opnemen via telefoongesprekken, sms en messaging-apps. Bellen, berichten en datatarieven kunnen van toepassing zijn.

U kunt ons ook uw verzoek sturen
naar contact@innowise.com

Wat gebeurt er nu?

Zodra we je aanvraag hebben ontvangen en verwerkt, nemen we contact met je op om de details van je projectbehoeften en tekenen we een NDA om vertrouwelijkheid te garanderen.

Na het bestuderen van uw wensen, behoeften en verwachtingen zal ons team een projectvoorstel opstellen met de omvang van het werk, de teamgrootte, de tijd en de geschatte kosten voorstel met de omvang van het werk, de grootte van het team, de tijd en de geschatte kosten.

We zullen een afspraak met je maken om het aanbod te bespreken en de details vast te leggen.

Tot slot tekenen we een contract en gaan we meteen aan de slag met je project.