Oprogramowanie do badań medycznych: redukcja ręcznej obsługi danych o 60%

Firma Innowise przeprowadziła wieloaspektową oprogramowanie do badań medycznych aktualizacja dla dostawcy ontologii, obejmująca wyszukiwanie oparte na sztucznej inteligencji, niestandardowe pulpity nawigacyjne danych i integrację ontologii z infrastrukturą firmy zajmującej się badaniami chemicznymi.

Klient

Branża

Opieka zdrowotna

Region

Klient od

2022

Nasz klient, wiodący podmiot w dziedzinie ontologii, działa w Niemczech. Firma specjalizuje się w opracowywaniu technologii, które wyodrębniają informacje z ustrukturyzowanych i nieustrukturyzowanych danych, przekształcając je w wiedzę na potrzeby badań, odkryć i podejmowania decyzji. Jej doświadczenie obejmuje chemię, biologię i pokrewne dziedziny nauki. Firma posiada rozległy system ontologii, ustrukturyzowaną strukturę wzajemnie powiązanych terminów i pojęć naukowych.

Szczegółowe informacje o kliencie nie mogą zostać ujawnione zgodnie z warunkami umowy NDA.

Wyzwanie

Ograniczone funkcje wyszukiwania i adnotacji, złożoność tworzenia pulpitów nawigacyjnych i ręczna obsługa dokumentów w starszym systemie.

Główne wyzwania, przed którymi stanął nasz klient, koncentrowały się wokół trzech głównych obszarów: rozwój front-endu dla ich systemu wyszukiwania opartego na sztucznej inteligencji, automatyzującego wizualizacji danych w oprogramowaniu do badań medycznych i integrację ich ontologii z istniejącym systemem firmy zajmującej się badaniami chemicznymi:

Rozwijanie front-endu systemu wyszukiwania opartego na sztucznej inteligencji: Głównym wyzwaniem dla klienta było ulepszenie interfejsu systemu wyszukiwania opartego na ontologii, dostosowanego do platform internetowych i mobilnych. System ten był integralną częścią zarządzania obszerną kolekcją artykułów naukowych. Aktualizacja wymagała ułatwienia możliwości wyszukiwania, przeglądania źródeł i dodawania adnotacji do pojęć i terminów naukowych w różnych formatach dokumentów. Ograniczenia poprzedniego systemu, w szczególności brak filtrów wyszukiwania i funkcji adnotacji, utrudniały pełne wykorzystanie naukowej bazy danych.
Automatyzacja wizualizacji danych na potrzeby badań naukowych:< Klient stanął przed wyzwaniem zautomatyzowania wizualizacji danych na potrzeby analizy danych naukowych. Wymagany system musiał wspierać naukowców zajmujących się danymi w identyfikowaniu, przygotowywaniu i walidacji danych, a także w tworzeniu informacyjnych pulpitów nawigacyjnych. Miało to kluczowe znaczenie dla klasyfikowania i łączenia jednostek medycznych, identyfikowania celów molekularnych dla nowych farmaceutyków i ułatwiania badań nad chorobami.
Integracja systemu ontologii w badaniach chemicznych: Integracja ontologii klienta z istniejącym systemem firmy zajmującej się badaniami chemicznymi stanowiła wyjątkowe wyzwanie. Starszy system firmy w dużym stopniu opierał się na ręcznych procesach obsługi dokumentów i wprowadzania danych. Naszym zadaniem było zmodernizowanie tego systemu poprzez zautomatyzowanie analizy dokumentów i przesyłania baz danych, opracowanie nowego interfejsu i ustanowienie ontologii. system back-end. System ten musiał obsługiwać dwie różne role użytkowników: osoby odpowiedzialne za przesyłanie i edycję dokumentów oraz administratorów przeglądających i potwierdzających te wpisy.

Wdrożenie

System wyszukiwania oparty na sztucznej inteligencji, zautomatyzowane pulpity nawigacyjne i płynna integracja ontologii w badaniach chemicznych

Zespół Innowise skupił się na trzech kluczowych aspektach projektu:

Ulepszanie wyspecjalizowanego System wyszukiwania oparty na sztucznej inteligencji dla interfejsów webowych i mobilnych.
Automatyzacja wizualizacji danych na potrzeby badań farmaceutycznych poprzez dynamiczne pulpity nawigacyjne.
Integracja ontologii z systemem firmy zajmującej się badaniami chemicznymi, a tym samym modernizacja analizy dokumentów i zarządzania bazami danych.

Ulepszanie systemu wyszukiwania w oprogramowaniu do badań medycznych

Nasz zespół skupił się na opracowaniu i ulepszeniu wyspecjalizowanego systemu wyszukiwania opartego na sztucznej inteligencji - kluczowego podsystemu w ramach większej struktury, zaprojektowanego dla interfejsów internetowych i mobilnych. Zadanie to obejmowało wiele ulepszeń technicznych i funkcjonalnych:

Zaawansowane wyszukiwanie dokumentów: Umożliwiliśmy systemowi przeprowadzanie dogłębnych wyszukiwań w różnych formatach dokumentów z ogromnego repozytorium dokumentów. System umożliwił użytkownikom lokalizowanie dokumentów, przeglądanie źródeł wewnętrznych i zewnętrznych oraz identyfikowanie kluczowych pojęć naukowych i adnotacji wyróżnionych w tych dokumentach.
Adnotacje i kategoryzacja: Krytyczną funkcją była możliwość wybierania przez użytkowników określonych słów lub biletów w dokumentach i przypisywania ich do odpowiednich domen w celu adnotacji. Zintegrowaliśmy funkcje sztucznej inteligencji oparte na GPT, aby pomóc użytkownikom w prawidłowym dodawaniu adnotacji i kategoryzowaniu każdego terminu lub jednostki.
Proces zgłaszania i recenzowania: Po wprowadzeniu zmian lub dodaniu nowych informacji do dokumentu, system ułatwiał proces weryfikacji. Użytkownicy mogli przesyłać te zmiany, które następnie były wysyłane do administratora w celu przypisania statusu i zatwierdzenia nowych adnotacji, komentarzy lub kategoryzacji.
Funkcje zapytań i analiz: Użytkownicy mogą teraz wybierać dokumenty z dużej bazy danych i dodawać je do zbiorczego koszyka. Następnie mogą przeszukiwać te dokumenty za pomocą paska wyszukiwania w Analizatorze, zadając konkretne pytania lub żądając podsumowań i analiz na podstawie Technologia GPT.
Tworzenie niestandardowych filtrów: Nasz programista stworzył zaawansowane filtry do wyszukiwania dokumentów, dostosowane do różnych typów źródeł.
Wyzwania związane z przeglądarką dokumentów: Jednym ze złożonych zadań było opracowanie przeglądarki dokumentów zdolnej do wyświetlania zaznaczonych adnotacji na dokumentach PDF. Wymagało to skomplikowanej koordynacji back-endowej w celu poprawnego nakładania adnotacji.
Przegląd starszego kodu i architektury: Zajęliśmy się wyzwaniami związanymi ze starszym kodem i brakiem struktury architektonicznej, zapewniając, że system został zbudowany na solidnych, nowoczesnych fundamentach technologicznych.
Integracja wielu wersji GPT: Nasz zespół ulepszył system o wiele wersji GPT (3.5, 4, Davinci), umożliwiając bardziej wszechstronną analizę dokumentów.
Integracja LLM: Innowise skupił się na rozwoju LLM, który pozwala użytkownikom na wprowadzanie zapytań w języku naturalnym. Po przekonwertowaniu zapytań na żądania zaplecza, mogą one zostać wysłane na serwer.

Automatyzacja pulpitu nawigacyjnego w nauce o danych

Naszym programistom zespół data science koncentrowała się na automatyzacji wizualizacji danych za pomocą pulpitów nawigacyjnych, co było kluczowym elementem badań klienta w zakresie identyfikacji celów molekularnych dla nowych terapii farmaceutycznych. Główne badane choroby obejmowały otyłość i choroby mięśni.

Tworzenie pulpitu nawigacyjnego: Celem zespołu było stworzenie pulpitów nawigacyjnych do wizualizacji danych farmaceutycznych. Wiązało się to z przetwarzaniem dużych zbiorów danych, które są ogromną liczbą artykułów medycznych z adnotacjami z unikalnym identyfikatorem i metadanymi, w celu utworzenia dużych tabel GBQ.
Wizualizacja danych: Korzystanie z Looker StudioPrzekształciliśmy te duże tabele danych w mniejsze, łatwiejsze w zarządzaniu formaty do tworzenia pulpitów nawigacyjnych. Ten etap wizualizacji był niezbędny, aby eksperci mogli lepiej przeglądać i filtrować dane.
Automatyzacja pulpitu nawigacyjnego: Po zatwierdzeniu przez ekspertów medycznych zautomatyzowaliśmy tworzenie pulpitu nawigacyjnego przy użyciu technik inżynierii danych. Obejmowało to wykorzystanie repozytoriów zawierających skrypty SQL do pobierania wymaganych informacji. Skrypty te zostały zaplanowane do uruchamiania w określonych odstępach czasu, zapewniając aktualność pulpitów nawigacyjnych z najnowszymi wynikami badań.
Ciągłe aktualizacje i integracja: Nasze rozwiązanie pozwoliło na ciągłą integrację nowych istotnych publikacji z pulpitami nawigacyjnymi. Ten dynamiczny proces aktualizacji był ułatwiany przez Google Cloud Functions. Dzięki temu pulpity nawigacyjne były aktualizowane o najnowsze dane.
Zarządzanie zapytaniami: Obsługiwaliśmy zapytania poprzez duże tabele, wyciągając konkretne informacje na podstawie zapytań wyszukiwania. Następnie zespół wizualizował te statystyki na pulpitach nawigacyjnych i identyfikował wszelkie problemy w zapytaniach wyszukiwania.

Integracja ontologii w badaniach chemicznych

Nasz projekt koncentrował się na integracji ontologii naszego klienta z oprogramowaniem do zarządzania laboratorium w firmie zajmującej się badaniami chemicznymi. Zadanie to obejmowało kilka kluczowych kroków mających na celu modernizację i automatyzację przestarzałego systemu:

Analiza i badania systemowe: Zaczęliśmy od dokładnej analizy i zbadania starszego systemu klienta. To Oprogramowanie do zarządzania laboratorium, używane głównie do przechowywania raportów i wyników badań, było oparte na starszym oprogramowaniu. Java wersje i technologie JSP.
Opracowanie nowego interfejsu i zaplecza: Nasze podejście obejmowało opracowanie nowego interfejsu i systemu zaplecza w celu zautomatyzowania procesu analizy dokumentów i aktualizacji bazy danych, który wcześniej był wykonywany ręcznie.
Typy użytkowników i funkcje: Zaprojektowaliśmy system z myślą o dwóch różnych typach użytkowników:
Przesyłający dokument: Naukowcy, którzy dodają dokumenty do systemu. Po dodaniu adnotacji do dokumentu pojawia się on na specjalnej stronie, na której przesyłający może przejrzeć wyniki, dokonać edycji i potwierdzić przesłanie do bazy danych.
Administrator: Odpowiedzialny za przeglądanie i potwierdzanie dodanych dokumentów. Rola ta obejmuje kompleksowy przegląd dokumentów, z możliwością edycji, zatwierdzania lub wprowadzania zmian przed ostatecznym wprowadzeniem do bazy danych.
Rozwój back-endu i przegląd starszego kodu: Nasz programista podjął się zadania przebudowy istniejącego kodu. Wiązało się to z pisaniem stron JSP zgodnie ze specyfikacją klienta i rozwijaniem funkcji zaplecza (żądania, odpowiedzi, przetwarzanie danych i wprowadzanie danych do bazy danych).
Rozwój interfejsu administratora: Opracowaliśmy również część administracyjną systemu, w której administrator (zazwyczaj kierownik działu badawczego) otrzymuje powiadomienie z linkiem do interfejsu wyświetlającego informacje z bazy danych.
Integracja interfejsu API ontologii: Rdzeniem naszego rozwiązania była integracja interfejsu API Ontology z oprogramowaniem klienta do zarządzania laboratorium. Ten interfejs API służył jako punkt do wysyłania zapytań związanych z dokumentami i otrzymywania odpowiedzi, które były następnie przetwarzane i wyświetlane za pośrednictwem interfejsu użytkownika, zanim zostały wysłane do bazy danych klienta.
Obsługa dokumentów i danych: W systemie tym dokumenty przesyłane do systemu ontologicznego były przetwarzane, a uzyskane dane zapisywane w bazie danych badań chemicznych firmy. Pozwoliło to na automatyczną analizę dokumentów i wyszukiwanie ważnych informacji o związkach chemicznych.
Rozwój w pełnym zakresie: Nasz programista pracował jako inżynier full-stack, zajmując się zarówno aspektami front-end, jak i back-end oraz zapewniając płynną integrację wszystkich komponentów systemu.

Technologie

Języki programowania

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 z bibliotekami Lucene, Stardog

Nauka o danych i analityka

Python (Pandas, Numpy, Plotly, Matplotlib), GCP (Google Big Query, Google Cloud Storage, Cloud Run), Looker, Data Studio, Apache Solr, niestandardowe narzędzia do przetwarzania i wizualizacji danych.

Proces

Nasze podejście do procesu rozwoju było metodyczne i zgodne z zasadami Agile, co zapewniło elastyczność i ciągłe doskonalenie.

Na początku przeprowadziliśmy dokładne badania, aby zrozumieć potrzeby klienta i istniejące systemy, aby dostarczyć szczegółowy dokument "Wizja i zakres". Na podstawie wstępnych ustaleń przystąpiliśmy do projektowania i opracowywania niezbędnych funkcji dla każdego strumienia. Nasz zespół odbywał regularne spotkania sprintowe, aby potwierdzić, że nasza praca jest zgodna z oczekiwaniami klienta. Wszystkie funkcje zostały wdrożone i poddane rygorystycznym testom pod kątem wydajności i dokładności, a klient zapewniał ciągłe informacje zwrotne.

Do skutecznej komunikacji i śledzenia projektów wykorzystaliśmy narzędzia Microsoft i Monday.com, zapewniając przejrzysty proces i aktualizacje w czasie rzeczywistym.

Zespół

Kierownik projektu

Programiści React

Programiści Java

ML/Python Developer

Inżynierowie danych

Wyniki

50% szybszy proces adnotacji, 60% redukcja ręcznej obsługi danych i 3-krotny wzrost szybkości wyszukiwania danych dla naukowców.

W ramach współpracy z klientem, obejmującej trzy kluczowe strumienie, poczyniliśmy znaczne postępy w rozwijaniu jego możliwości w zakresie badań naukowych. Oto migawka rzeczywistych wyników:

Usprawnione operacje wyszukiwania: Wysiłki naszego zespołu w zakresie udoskonalenia systemu wyszukiwania doprowadziły do podwojenia szybkości wyszukiwania, przynosząc korzyści badaczom w ich dążeniu do szybkiego dostępu do danych naukowych.
Precyzja w adnotacjach: Wprowadzenie zautomatyzowanego systemu adnotacji zaowocowało zwiększoną dokładnością adnotacji, co jest czynnikiem krytycznym dla dogłębnych badań naukowych.
Zwiększona wydajność obsługi danych: Automatyzując procesy wizualizacji danych, skutecznie skróciliśmy o połowę czas poświęcany przez badaczy na ręczną obsługę danych, co przekłada się na więcej czasu na podstawowe działania badawcze.
Zwiększona prędkość przetwarzania danych: Szybkość przetwarzania i wizualizacji danych została zwiększona trzykrotnie, co oznacza skok w obsłudze złożonych zestawów danych.
Zoptymalizowane doświadczenie użytkownika: Zmodernizowany interfejs użytkownika naszych systemów doprowadził do znacznego wzrostu zadowolenia użytkowników, sprzyjając lepszemu zaangażowaniu w społeczność naukową.
Wyzwolony czas na badania: Automatyzacja rutynowych zadań doprowadziła do redukcji ręcznej obsługi danych o 60%, uwalniając czas badaczy, wcześniej pochłaniany przez pracę ręczną.

Obecnie nasz dedykowany zespół nadal pilnie pracuje nad systemem, koncentrując się na rozwoju LLM w celu dalszego udoskonalania i ulepszania systemu klienta.

Czas trwania projektu

Lipiec 2022 r. - w trakcie realizacji

60%

redukcja ręcznej obsługi danych

wzrost prędkości wyszukiwania danych

50%

szybszy proces adnotacji

Podobne projekty

Skontaktuj się z nami!

Zadzwoń lub wypełnij poniższy formularz, a my skontaktujemy się z Tobą po przetworzeniu Twojego zgłoszenia.

Nazwa

Firma

E-mail

Telefon

Wiadomość Prosimy o podanie szczegółów projektu, czasu trwania, stosu technologicznego, potrzebnych specjalistów IT i innych istotnych informacji.

Nagraj wiadomość głosową na temat
projekt, który pomoże nam lepiej go zrozumieć

W razie potrzeby dołącz dodatkowe dokumenty

Prześlij plik

Można załączyć maksymalnie 1 plik o łącznej wielkości 2 MB. Ważne pliki: pdf, jpg, jpeg, png

Informujemy, że po kliknięciu przycisku Wyślij Innowise będzie przetwarzać Twoje dane osobowe zgodnie z naszą Polityką prywatności w celu dostarczenia Ci odpowiednich informacji.

Co będzie dalej?

Po otrzymaniu i przetworzeniu Twojego zgłoszenia skontaktujemy się z Tobą wkrótce, aby wyszczególnić potrzeby projektu i podpisać umowę o zachowaniu poufności, aby zapewnić poufność informacji.

Po przeanalizowaniu wymagań, nasi analitycy i programiści opracowują projekt z zakresem prac, wielkością zespołu, czasem i kosztami szacunki.

Umówimy się z Tobą na spotkanie, aby omówić ofertę i dojść do porozumienia porozumienia.

Podpisujemy umowę i rozpoczynamy pracę nad projektem tak szybko, jak to możliwe.

Potrzebujesz innych usług?

Tworzenie oprogramowania dla mediów i rozrywki

Firma zajmująca się rozwojem technologii blockchain

Ruby na szynach

Firma zajmująca się rozwojem oprogramowania Java

Firma zajmująca się rozwojem JavaScript

React Firma zajmująca się tworzeniem aplikacji natywnych

Firma zajmująca się rozwojem w React.js

Firma tworząca chatboty AI

Usługi AIOps

Usługi konsultingowe w zakresie technologii blockchain

Usługi rozwoju generatywnej sztucznej inteligencji

Usługi integracji interfejsu API bramki płatności

Oprogramowanie do badań medycznych: redukcja ręcznej obsługi danych o 60%

Klient

Wyzwanie

Ograniczone funkcje wyszukiwania i adnotacji, złożoność tworzenia pulpitów nawigacyjnych i ręczna obsługa dokumentów w starszym systemie.

Wdrożenie

System wyszukiwania oparty na sztucznej inteligencji, zautomatyzowane pulpity nawigacyjne i płynna integracja ontologii w badaniach chemicznych

Ulepszanie systemu wyszukiwania w oprogramowaniu do badań medycznych

Automatyzacja pulpitu nawigacyjnego w nauce o danych

Integracja ontologii w badaniach chemicznych

Technologie

Proces

Zespół

Wyniki

50% szybszy proces adnotacji, 60% redukcja ręcznej obsługi danych i 3-krotny wzrost szybkości wyszukiwania danych dla naukowców.

Podobne projekty

Skontaktuj się z nami!

Co będzie dalej?

Potrzebujesz innych usług?

Rozwijajmy^● razem
oprogramowanie!

Zamknij

Oprogramowanie do badań medycznych: redukcja ręcznej obsługi danych o 60%

Klient

Wyzwanie

Ograniczone funkcje wyszukiwania i adnotacji, złożoność tworzenia pulpitów nawigacyjnych i ręczna obsługa dokumentów w starszym systemie.

Wdrożenie

System wyszukiwania oparty na sztucznej inteligencji, zautomatyzowane pulpity nawigacyjne i płynna integracja ontologii w badaniach chemicznych

Ulepszanie systemu wyszukiwania w oprogramowaniu do badań medycznych

Automatyzacja pulpitu nawigacyjnego w nauce o danych

Integracja ontologii w badaniach chemicznych

Technologie

Proces

Zespół

Wyniki

50% szybszy proces adnotacji, 60% redukcja ręcznej obsługi danych i 3-krotny wzrost szybkości wyszukiwania danych dla naukowców.

Podobne projekty

Skontaktuj się z nami!

Co będzie dalej?

Potrzebujesz innych usług?

Rozwijajmy● razem oprogramowanie!

Zamknij

Rozwijajmy^● razem
oprogramowanie!