Programvara för medicinsk forskning: 60% minskning av manuell datahantering

Innowise genomförde en mångfacetterad programvara för medicinsk forskning uppgradering för en ontologileverantör, med AI-driven sökning, anpassade datainstrumentpaneler och integrering av ontologi i ett kemiskt forskningsföretags infrastruktur.

Kund

Industri

Hälsovård

Region

Kund sedan

2022

Vår kund, en ledande enhet inom ontologi-domänen, är verksam i Tyskland. Företaget är specialiserat på utveckling av teknik som extraherar information från strukturerade och ostrukturerade data och omvandlar den till kunskap för forskning, upptäckter och beslutsfattande. Deras expertis sträcker sig över kemi, biologi och relaterade vetenskapliga områden. De äger ett omfattande ontologisystem, ett strukturerat ramverk av sammankopplade vetenskapliga termer och begrepp.

Detaljerad information om kunden kan inte lämnas ut enligt villkoren i sekretessavtalet.

Utmaning

Begränsade sök- och annoteringsfunktioner, komplexitet i skapandet av dashboards och manuellt hanterade dokument i det äldre systemet

De främsta utmaningarna för vår kund handlade om tre huvudområden: utveckla en frontend för deras AI-drivna söksystem, som automatiserar datavisualisering inom programvara för medicinsk forskning, och integrera deras ontologier i ett befintligt kemiskt forskningsföretags system:

Utveckling av det AI-drivna söksystemets front-end: Kundens främsta utmaning var att förbättra frontenden i sitt ontologibaserade söksystem, skräddarsytt för webb- och mobilplattformar. Systemet var avgörande för hanteringen av en omfattande samling vetenskapliga artiklar. Uppgraderingen krävde förbättrade sökfunktioner, visning av källor och kommentering av vetenskapliga begrepp och termer i olika dokumentformat. Det tidigare systemets begränsningar, framför allt avsaknaden av sökfilter och annoteringsfunktioner, hindrade ett fullt utnyttjande av den vetenskapliga databasen.
Automatiserad datavisualisering för vetenskaplig forskning:< Kunden stod inför utmaningen att automatisera datavisualisering för sin vetenskapliga dataanalys. Systemet behövde stödja datavetare i att identifiera, förbereda och validera data, samt i att skapa informativa instrumentpaneler. Detta var avgörande för att klassificera och länka medicinska enheter, identifiera molekylära mål för nya läkemedel och underlätta forskning om sjukdomar.
Integration av ontologisystem i kemisk forskning: Att integrera kundens ontologier i ett kemiskt forskningsföretags befintliga system innebar en unik utmaning. Företagets äldre system var starkt beroende av manuella processer för dokumenthantering och datainmatning. Vår uppgift var att modernisera systemet genom att automatisera dokumentanalys och databasuppladdningar, utveckla ett nytt gränssnitt och upprätta en back-end-system. Systemet måste stödja två olika användarroller: personer som ansvarar för att ladda upp och redigera dokument och administratörer som granskar och bekräftar dessa poster.

Lösning

AI-drivet söksystem, automatiserade instrumentpaneler och sömlös integrering av ontologier inom kemisk forskning

Innowises team fokuserade på tre viktiga aspekter av projektet:

Förbättring av en specialiserad AI-drivet söksystem för webb- och mobilgränssnitt.
Automatiserad datavisualisering för farmaceutisk forskning genom dynamiska instrumentpaneler.
Integrering av en ontologi i ett kemiskt forskningsföretags system och därigenom modernisering av deras dokumentanalys och databashantering.

Förbättring av söksystemet i programvara för medicinsk forskning

Vårt team fokuserade på att utveckla och förbättra ett specialiserat AI-drivet söksystem - ett viktigt delsystem inom ett större ramverk, utformat för webb- och mobilgränssnitt. Denna uppgift omfattade flera tekniska och funktionella förbättringar:

Avancerad dokumentsökning: Vi gjorde det möjligt för systemet att utföra djupgående sökningar i olika dokumentformat från ett stort dokumentarkiv. Systemet gjorde det möjligt för användarna att hitta dokument, visa interna och externa källor samt identifiera viktiga vetenskapliga begrepp och kommentarer som lyfts fram i dessa dokument.
Annotation och kategorisering: En viktig funktion var möjligheten för användare att välja specifika ord eller biljetter i dokument och tilldela dem till relevanta domäner för annotering. Vi integrerade GPT-baserade AI-funktioner för att vägleda användarna i korrekt annotering och kategorisering av varje term eller enhet.
Inlämnings- och granskningsprocess: När man gör ändringar eller lägger till ny information i ett dokument underlättade systemet en granskningsprocess. Användare kunde skicka in dessa ändringar, som sedan skickades till en administratör för statustilldelning och godkännande av de nya anteckningarna, kommentarerna eller kategoriseringarna.
Funktioner för förfrågningar och analys: Användarna kan nu välja dokument från en stor databas och lägga dem i en gemensam korg. De kan sedan söka i dessa dokument med hjälp av sökfältet i Analyzer, ställa specifika frågor eller begära sammanfattningar och analyser baserade på GPT-teknik.
Utveckling av kundanpassade filter: Vår utvecklare skapade sofistikerade filter för dokumentsökning, skräddarsydda för olika källtyper.
Problem med visning av dokument: En av de komplexa uppgifterna var att utveckla en dokumentvisare som kunde visa markerade anteckningar i PDF-dokument. Detta krävde komplicerad backend-samordning för att överlagra anteckningarna korrekt.
Översyn av äldre kod och arkitektur: Vi tog oss an utmaningarna med äldre kod och avsaknad av arkitektonisk struktur och såg till att systemet byggdes på en solid, modern teknisk grund.
Integrering av flera GPT-versioner: Vårt team förbättrade systemet med flera versioner av GPT (3.5, 4, Davinci), vilket möjliggjorde en mer mångsidig dokumentanalys.
LLM-integration: Innowise fokuserade på anpassad LLM-utveckling som gör det möjligt för användare att ange frågor på naturligt språk. När frågorna har omvandlats till backend-förfrågningar kan de skickas till servern.

Automatisering av instrumentpaneler för datavetenskap

Vår Team för datavetenskap fokuserade på att automatisera datavisualisering genom dashboards, en viktig komponent i kundens forskning för att identifiera molekylära mål för nya läkemedelsbehandlingar. De primära sjukdomarna som studerades var bland annat fetma och muskelsjukdomar.

Skapande av instrumentpanel: Teamets mål var att skapa instrumentpaneler för visualisering av läkemedelsdata. Detta innebar bearbetning av stora datamängder, som är ett stort antal kommenterade medicinska artiklar med unika ID och metadata, för att bilda stora GBQ-tabeller.
Datavisualisering: Att använda Looker Studio, omvandlade vi dessa stora datatabeller till mindre, mer hanterbara format för att skapa instrumentpaneler. Detta visualiseringssteg var nödvändigt för att experter bättre skulle kunna granska och filtrera data.
Automatisering av instrumentpanelen: Efter godkännande av medicinska experter automatiserade vi skapandet av instrumentpanelen med hjälp av datatekniska tekniker. Detta innebar att vi använde arkiv som innehöll SQL-skript för att hämta nödvändig information. Dessa skript schemalades för att köras med specifika intervall, vilket säkerställde att instrumentpanelerna hölls uppdaterade med de senaste forskningsresultaten.
Kontinuerliga uppdateringar och integration: Vår lösning gjorde det möjligt att kontinuerligt integrera nya relevanta publikationer i instrumentpanelerna. Denna dynamiska uppdateringsprocess underlättades av Google Cloud Functions. Det höll instrumentpanelerna uppdaterade med de senaste uppgifterna.
Hantering av förfrågningar: Vi hanterade frågor genom stora tabeller och tog fram specifik information baserat på sökfrågor. Teamet visualiserade sedan denna statistik i dashboards och identifierade eventuella problem i sökfrågorna.

Integration av ontologi i kemisk forskning

Vårt projekt fokuserade på att integrera vår kunds ontologier i en etablerad programvara för laboratoriehantering på ett kemiskt forskningsföretag. Denna uppgift omfattade flera viktiga steg för att modernisera och automatisera deras föråldrade system:

Systemanalys och forskning: Vi började med en grundlig analys och undersökning av kundens äldre system. Detta programvara för labbhantering, som främst används för att lagra rapporter och forskningsresultat, baserades på äldre Java versioner och JSP-teknik.
Utveckling av nya gränssnitt och backend: I vår strategi ingick att utveckla ett nytt gränssnitt och back-end-system för att automatisera processen med dokumentanalys och databasuppdatering, som tidigare gjordes manuellt.
Användartyper och funktioner: Vi utformade systemet för att tillgodose två olika användartyper:
Uppladdare av dokument: Forskare som lägger till dokument i systemet. När ett dokument har kommenterats visas det på en särskild sida där uppladdaren kan granska resultaten, göra ändringar och bekräfta att dokumentet har lagts in i databasen.
Administratör: Ansvarig för att granska och bekräfta dokumenttillägg. Denna roll innebär en omfattande granskning av dokument, med möjlighet att redigera, godkänna eller göra ändringar före slutlig inmatning i databasen.
Backend-utveckling och översyn av äldre kod: Vår utvecklare tog sig an uppgiften att se över den befintliga äldre koden. Detta innebar att skriva JSP-sidor enligt kundens specifikationer och utveckla back-end-funktioner (förfrågningar, svar, databehandling och databasinmatning).
Utveckling av administrationsgränssnitt: Vi utvecklade också en administratörsdel av systemet där administratören (vanligtvis chefen för forskningsavdelningen) får ett meddelande med en länk till gränssnittet som visar information från databasen.
Integrering av API för ontologi: Kärnan i vår lösning var att integrera Ontology API i kundens programvara för laboratoriehantering. Detta API fungerade som en punkt för att skicka dokumentrelaterade frågor och ta emot svar, som sedan bearbetades och visades via frontend innan de skickades till kundens databas.
Hantering av dokument och data: I detta system bearbetades dokument som laddats upp till det ontologiska systemet, och de resulterande uppgifterna sparades i företagets kemiska forskningsdatabas. Detta möjliggjorde automatisk analys av dokument och hämtning av viktig information om kemiska föreningar.
Fullständig utveckling: Vår utvecklare arbetade som en fullstack-ingenjör och hanterade både frontend- och backend-aspekter och säkerställde en sömlös integration av alla systemkomponenter.

Teknik

Programmeringsspråk

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 med Lucene-bibliotek, Stardog

Datavetenskap och analys

Python (Pandas, Numpy, Plotly, Matplotlib), GCP (Google Big Query, Google Cloud lagring, Cloud körning), Looker, Data Studio, Apache Solr, anpassade verktyg för databehandling och visualisering

Process

Vår inställning till utvecklingsprocessen var metodisk och följde de agila principerna, vilket garanterade flexibilitet och ständiga förbättringar.

I början genomförde vi en grundlig undersökning för att förstå kundens behov och befintliga system för att kunna leverera ett detaljerat dokument med "Vision och omfattning". Baserat på de första resultaten fortsatte vi med att designa och utveckla de nödvändiga funktionerna för varje ström. Vårt team höll regelbundna sprintmöten för att bekräfta att vårt arbete motsvarade kundens förväntningar. Alla funktioner implementerades och genomgick rigorösa tester för prestanda och noggrannhet, med kontinuerlig feedback från kunden.

För effektiv kommunikation och projektspårning använde vi Microsoft-verktyg och Monday.com, vilket säkerställde en transparent process och uppdateringar i realtid.

Team

Projektledare

React-utvecklare

Java-utvecklare

ML/Python Utvecklare

Dataingenjörer

Resultat

50% snabbare annoteringsprocess, 60% minskning av manuell datahantering och 3x snabbare datasökning för forskare

I vårt samarbete med kunden, som spänner över tre viktiga områden, har vi gjort betydande framsteg när det gäller att utveckla deras vetenskapliga forskningskapacitet. Här är en ögonblicksbild av de faktiska resultaten:

Effektiviserade sökoperationer: Vårt teams arbete med att förfina söksystemet ledde till en fördubbling av sökhastigheten, vilket gynnar forskare i deras strävan efter snabb tillgång till vetenskapliga data.
Precision i annoteringar: Införandet av det automatiserade annoteringssystemet resulterade i ökad noggrannhet i annoteringarna, en kritisk faktor för djupgående vetenskapliga studier.
Ökad effektivitet i datahanteringen: Genom att automatisera datavisualiseringsprocesser har vi effektivt halverat den tid som forskare lägger på manuell datahantering, vilket innebär mer tid för kärnforskningsaktiviteter.
Förbättrad hastighet för databehandling: Hastigheten för databehandling och visualisering tredubblades, vilket innebar ett stort steg framåt i hanteringen av komplexa datamängder.
Optimerad användarupplevelse: Det moderniserade användargränssnittet för våra system har lett till en markant ökning av användarnöjdheten, vilket främjar ett bättre engagemang inom forskarsamhället.
Frigjord forskningstid: Automatiseringen av rutinuppgifter har lett till en minskning av manuell datahantering med 60%, vilket frigör tid för forskarna som tidigare ägnade sig åt manuellt arbete.

För närvarande fortsätter vårt dedikerade team att arbeta flitigt med systemet och fokuserar på utvecklingen av LLM för att ytterligare förfina och förbättra kundens system.

Projektets löptid

Juli 2022 - Pågående

60%

minskning av manuell datahantering

ökad hastighet vid datasökning

50%

snabbare annoteringsprocess

Relaterade fall

Kontakta oss!

Boka ett samtal eller fyll i formuläret nedan så återkommer vi till dig när vi har behandlat din förfrågan.

Namn

Företag

E-post

Telefon

Meddelande Vänligen inkludera projektinformation, varaktighet, teknologistack, IT-proffs som behövs och annan relevant information

Spela in ett röstmeddelande om ditt projekt för att hjälpa oss att förstå det bättre

Bifoga ytterligare dokument vid behov

Ladda upp filen

Du kan bifoga upp till 1 fil på totalt 2 MB. Giltiga filer: pdf, jpg, jpeg, png

Observera att när du klickar på knappen Skicka kommer Innowise att behandla dina personuppgifter i enlighet med vår Integritetspolicy för att ge dig lämplig information.

Vad händer härnäst?

Efter att ha mottagit och behandlat din begäran kommer vi att återkomma till dig inom kort för att specificera dina projektbehov och underteckna en NDA för att säkerställa konfidentialitet av information.

Efter att ha undersökt kraven utarbetar våra analytiker och utvecklare en projektförslag med arbetets omfattning, lagets storlek, tid och kostnad uppskattningar.

Vi ordnar ett möte med dig för att diskutera erbjudandet och komma överens.

Vi skriver på ett kontrakt och börjar arbeta med ditt projekt så snabbt som möjligt.