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

Firma Innowise przeprowadziła wieloaspektową oprogramowanie do badań medycznych oppgradering for en ontologileverandør, med AI-drevet søk, tilpassede datadashbord og ontologiintegrering i et kjemisk forskningsselskaps infrastruktur.

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 innen medisinsk forskningsprogramvare, og integrere ontologiene deres i et eksisterende kjemisk forskningssystem:

Utvikling av et AI-drevet søkesystems front-end: Kundens hovedutfordring var å forbedre frontenden av sitt ontologibaserte søkesystem, skreddersydd for web- og mobilplattformer. Systemet var avgjørende for å administrere en omfattende samling av vitenskapelige artikler. Oppgraderingen skulle gjøre det enklere å søke, vise kilder og kommentere vitenskapelige begreper og termer i ulike dokumentformater. Begrensningene i det tidligere systemet, særlig mangelen på søkefiltre og annoteringsfunksjoner, hindret full utnyttelse av den vitenskapelige databasen.
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: Det var en unik utfordring å integrere kundens ontologier i et kjemisk forskningsselskaps eksisterende system. Selskapets gamle system var svært avhengig av manuelle prosesser for dokumenthåndtering og dataregistrering. Vår oppgave var å modernisere systemet ved å automatisere dokumentanalyse og opplasting av databaser, utvikle et nytt grensesnitt og etablere en 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

Innowise-teamet fokuserte på tre viktige aspekter ved prosjektet:

Ulepszanie wyspecjalizowanego System wyszukiwania oparty na sztucznej inteligencji dla interfejsów webowych i mobilnych.
Automatyzacja wizualizacji danych na potrzeby badań farmaceutycznych poprzez dynamiczne pulpity nawigacyjne.
Integrering av en ontologi i et kjemisk forskningsselskaps system for å modernisere dokumentanalyse og databasehåndtering.

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 fokuserte på å automatisere datavisualisering ved hjelp av dashboards, en viktig komponent i kundens forskning for å identifisere molekylære mål for nye legemiddelbehandlinger. De primære sykdommene som ble studert, var blant annet fedme og muskelsykdommer.

Tworzenie pulpitu nawigacyjnego: Teamets mål var å lage dashbord for visualisering av farmasøytiske data. Dette innebar å behandle store datasett, som er et stort antall annoterte medisinske artikler med unik ID og metadata, for å danne store GBQ-tabeller.
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

Prosjektet vårt fokuserte på å integrere kundens ontologier i en etablert programvare for laboratorieadministrasjon hos et kjemisk forskningsselskap. Oppgaven omfattet flere viktige trinn for å modernisere og automatisere det utdaterte systemet:

Analiza i badania systemowe: Vi begynte med en grundig analyse og undersøkelse av kundens eksisterende system. Denne 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: Kjernen i løsningen vår var å integrere Ontology API i kundens programvare for laboratorieadministrasjon. Dette API-et fungerte som et punkt for å sende dokumentrelaterte spørsmål og motta svar, som deretter ble behandlet og vist via frontend før de ble sendt til kundens database.
Obsługa dokumentów i danych: I dette systemet ble dokumenter som ble lastet opp til det ontologiske systemet, behandlet, og de resulterende dataene ble lagret i selskapets kjemiske forskningsdatabase. Dette muliggjorde automatisk analyse av dokumenter og gjenfinning av viktig informasjon om kjemiske forbindelser.
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.

Teknologi

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.

Innledningsvis gjorde vi grundige undersøkelser for å forstå kundens behov og eksisterende systemer og leverte et detaljert visjons- og omfangsdokument. Basert på de innledende funnene gikk vi videre med å designe og utvikle de nødvendige funksjonene for hver strøm. Teamet vårt holdt jevnlige sprintmøter for å bekrefte at arbeidet vårt stemte overens med kundens forventninger. Alle funksjonene ble implementert og gjennomgikk grundige ytelses- og nøyaktighetstester, med løpende tilbakemeldinger fra kunden.

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 Utvikler

Inżynierowie danych

Wyniki

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

I vårt samarbeid med kunden, som spenner over tre hovedområder, har vi gjort betydelige fremskritt når det gjelder å forbedre den vitenskapelige forskningskapasiteten. Her er et øyeblikksbilde av de faktiske resultatene:

Usprawnione operacje wyszukiwania: Teamets arbeid med å forbedre søkesystemet førte til en dobling av søkehastigheten, noe som er til fordel for forskere som ønsker rask tilgang til vitenskapelige data.
Precyzja w adnotacjach: Wprowadzenie zautomatyzowanego systemu adnotacji zaowocowało zwiększoną dokładnością adnotacji, co jest czynnikiem krytycznym dla dogłębnych badań naukowych.
Zwiększona wydajność obsługi danych: Ved å automatisere datavisualiseringsprosessene har vi effektivt halvert tiden forskerne bruker på manuell datahåndtering, noe som gir mer tid til kjerneforskningsaktiviteter.
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: Automatiseringen av rutineoppgaver har ført til en reduksjon på 60% i manuell datahåndtering, noe som har frigjort tid for forskerne som tidligere brukte mye tid på manuelt arbeid.

For øyeblikket fortsetter vårt dedikerte team å jobbe iherdig med systemet, med fokus på utvikling av LLM-er for å videreutvikle og forbedre kundens system.

Czas trwania prosjektu

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.

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?

Firma zajmująca się rozwojem technologii blockchain

Firma zajmująca się rozwojem JavaScript

Firma zajmująca się rozwojem oprogramowania Java

Firma zajmująca się rozwojem w React.js

Firma tworząca chatboty AI

Firma Solana vil bruke blokkjedeteknologien til å utvikle seg

Usługi AIOps

Usługi konsultingowe w zakresie technologii blockchain

Usługi integracji interfejsu API bramki płatności

Rozwój aplikacji Cloud

Usługi GCP

Dedykowani programiści Java na zatrudnienie

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

Teknologi

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

Teknologi

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!

Subskrypcja newslettera

Zamknij

Rozwijajmy^● razem
oprogramowanie!