Utveckling av Android-app för analys av kognitiva funktioner: 35% ökning av antalet aktiva användare

Innowise har utvecklat en Android-app och byggt en SDK som utnyttjar AI för att analysera kognitiva funktioner och förbättra noggrannheten i dataanalysen.

Kund

Industri

Hälsovård

Region

Schweiz

Kund sedan

2023

Vår kund är ett neurovetenskapligt företag som specialiserar sig på att utveckla en innovativ teknikplattform för tidig upptäckt av kognitiva störningar. Genom att använda mobilapplikationer samlar de in och analyserar data om hur användaren interagerar med skärmen, vilket gör det möjligt att identifiera potentiella problem i ett tidigt skede.

Företaget samarbetar aktivt med ledande neurovetenskapliga forskare och praktiker över hela världen för att främja kunskapen om hjärnans hälsa. De förser forskarvärlden med robusta verktyg för dataanalys, vilket stöder utvecklingen av ny diagnostik och nya behandlingar.

Detaljerad information om kunden kan inte lämnas ut enligt bestämmelserna i NDA.

Utmaning

Utveckla en Android-app för analys av kognitiva funktioner

Kunden hade en iOS-applikation för analys av hjärnfunktioner och ville utöka räckvidden till Android-användare. Företaget hade dock bara iOS-utvecklare och såg inte fördelen med att anställa ytterligare interna ingenjörer.

Innowise tog sig an denna utmaning genom att utveckla en fullfjädrad Android-app som replikerar funktionaliteten i iOS-versionen samtidigt som den säkerställer sömlös datasynkronisering över båda plattformarna. Dessutom krävde projektet att avancerad AI-teknik integrerades för omfattande analys av insamlade data.

Lösning

Utveckling av Android-applikationer och SDK med AI

Innan arbetet påbörjades genomförde Innowise-teamet en grundlig analys av projektets krav och mål. Med hjälp av vår omfattande erfarenhet av att utveckla komplexa mobila lösningar, för att säkerställa att alla projektmål uppnåddes föreslog vi beprövade strategier och tillvägagångssätt som noggrant beaktade alla kunders önskemål och behov.

Utveckling av Android SDK

Vårt team började med att utveckla ett omfattande SDK för Android. SDK:n är utformad för att samla in information om hur ofta och när man trycker på skärmen och den totala tid man använder telefonen. Med hjälp av Java och Kotlin byggde vi SDK:n för att den skulle vara både flexibel och robust. Med SDK:n på plats gick vi sedan vidare med att utveckla Android-mobilapplikationer.

Utveckling av Android-appar

För att skapa en mobilapplikation för Android använde vi Java och Kotlin för en smidig upplevelse. Appen körs i bakgrunden, samlar in data från interaktioner på skärmen och skickar dem till servern för analys.

Våra utvecklare använde programmeringsspråket Dart för att bygga appens logik och användargränssnitt och integrera den med Android SDK. Vi såg till att appen har minimal inverkan på enhetens prestanda och batteritid genom att optimera koden och använda effektiva databehandlingsalgoritmer.

AI-integrering

Integration av AI-teknik var en hörnsten i detta projekt, som syftade till tidig upptäckt av subtila tecken som tyder på möjlig kognitiv försämring. Vi valde Python och det kraftfulla ramverket TensorFlow som grund för modellutvecklingen. Detta val gjorde det möjligt för oss att skapa flexibla och effektiva modeller som kan hantera komplexa data relaterade till användarnas interaktion med skärmen.

För att säkerställa hög noggrannhet och robusthet tränades modellerna på omfattande dataset från kliniska studier som omfattade olika användarbeteendemönster. Denna omfattande träning gjorde det möjligt för modellerna att känna igen även mindre avvikelser som är karakteristiska för tidiga stadier av kognitiv nedsättning.

Modellerna analyserade ett brett spektrum av data, inklusive:

Reactionstid: Den hastighet med vilken användaren reagerar på olika stimuli på skärmen.
Touch accuracy: Hur exakt användaren träffar rätt delar av gränssnittet.
Rörelsens bana: Fingerrörelsernas karaktär på skärmen (rak linje, sicksack, etc.).
Dynamik vid skrivning: Hastigheten och rytmen när du skriver på det virtuella tangentbordet.

Dessutom utvecklade vi en mekanism för dataöverföring mellan mobilapplikationerna och servern. Detta möjliggjorde dataanalys i realtid, vilket gav omedelbara resultat för användare och forskare.

Förbättrad användbarhet

Våra experter utvecklade ett intuitivt appgränssnitt där data presenteras med hjälp av tydliga grafer och diagram. Dynamiken i användarnas reaktionstid under en viss period visas till exempel som en graf, där X-axeln representerar tid och Y-axeln reaktionstid. Den här visualiseringen gör det möjligt att snabbt identifiera potentiella problem, t.ex. avvikelser från normen eller trender som tyder på försämrad prestanda.

Varje visualisering åtföljs av tydliga textförklaringar. Vid sidan av grafen för reaktionstid kan det till exempel finnas en förklaring som säger att en ökning av reaktionstiden kan tyda på en avmattning i de kognitiva processerna. Det här tillvägagångssättet gör det lättare att tolka data och hjälper användarna att snabbt identifiera och åtgärda eventuella problem.

Datasäkerhet

För att säkerställa att användardata skyddas på ett säkert sätt och uppfyller avancerade säkerhetsstandarder har Innowise-teamet implementerat en skottsäker metod för dataskydd:

Kryptering av data: Innan data skickas till servern krypteras de med den robusta algoritmen AES-256, vilket gör dem oläsliga för obehöriga användare.
Skydd av krypteringsnycklar: Krypteringsnycklar lagras i ett säkert valv med begränsad åtkomst för att förhindra eventuella kompromisser.
Tillförlitlig infrastruktur: Data lagras på Microsoft Azure-servrar, vilket ger en hög nivå av datasäkerhet.
Minimal datainsamling: Endast de uppgifter som behövs för analys samlas in, med uttryckligt undantag för användarnas personuppgifter.
Strikt åtkomstkontroll: Åtkomst till data ges endast till behöriga användare, vilket säkerställer att data inte hamnar i fel händer.

Teknik

Programmeringsspråk

Java, Kotlin, Dart, Python

Ramverk och bibliotek

TensorFlow

Testning

JUnit, Espresso

VCS

Git

Cloud

Microsoft Azure

Projektledning

Jira

Utvecklingsmiljöert

Android Studio

API

RESTful API:er

Process

I det här projektet använde vi Scrum med sprintar på två veckor för att hålla ordning och reda. Vi delade upp arbetsflödet i flexibla iterationer, vilket gjorde att vi kunde anpassa oss snabbt och hålla deadlines.

Vår dedikerade projektledare hanterade arbetsuppgifter, handlingsplaner, leveranser och samordning av milstolpar med kunden. Regelbundna statusmöten tre gånger i veckan höll alla uppdaterade och möjliggjorde justeringar i rätt tid. Kunden var aktivt involverad i processen och gav värdefull feedback och information under våra dagliga avstämningar.

Team

Projektledare

Android-utvecklare

ML Ingenjörer

Expert på datasäkerhet

UI/UX-designer

Resultat

Boost engagera publiken och förbättra noggrannheten i dataanalysen

Kunden har fått en beprövad lösning som nu är ett värdefullt verktyg inom neurovetenskaplig forskning och diagnostik. Lanseringen av Android-appen har lett till en ökning av antalet aktiva användare med 35%, vilket har ökat räckvidden och möjliggjort en mer mångsidig datainsamling.

Med AI-integration har dataanalysens noggrannhet ökat med 25%, vilket gör insikterna mer exakta och tillförlitliga. Denna förbättring har inte bara förbättrat validiteten i deras resultat utan också tillfört ett betydande värde till kognitiva bedömningar - vilket hjälper forskare och användare att upptäcka potentiella problem tidigare och med större säkerhet.

Projektet har avsevärt utökat kundens förmåga att undersöka och analysera kognitiva funktioner och befäst deras roll som ledande inom teknik för hjärnforskning.

Projektets löptid

Augusti 2023 - februari 2024

35%

ökning av antalet aktiva användare

25%

ökad noggrannhet i dataanalysen

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.