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.

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?

Rozwijajmy^● razem
oprogramowanie!

Złóż kolejną prośbę

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?

Rozwijajmy● razem oprogramowanie!

Subskrypcja na adres nasz newsletter

Złóż kolejną prośbę

Zamknij

Rozwijajmy^● razem
oprogramowanie!

Subskrypcja
na adres nasz newsletter