AI
Android
Angular
AWS
Flutter
Gezondheidszorg
iOS
ML
Mobiel
Python
REST
Innowise heeft een AI-app ontwikkeld die deep learning en beeldherkenning gebruikt om snel huidaandoeningen te beoordelen, waarbij snelle, voorlopige diagnoses worden gesteld op basis van geüploade foto's.
Klant
Industrie
Gezondheidszorg
Regio
Centraal-Azië
Klant sinds
2024
Onze klant, een toonaangevend netwerk van dermatologische klinieken in Centraal-Azië met meer dan 10 jaar ervaring, bedient dagelijks meer dan 1000 patiënten in zes landen. Ze richten zich onder andere op allergologie, flebologie en dermatologische chirurgie. Hun aanpak combineert patiëntgerichte zorg met geavanceerde diagnostische hulpmiddelen en de expertise van topspecialisten. Deze combinatie stelt hen in staat om diensten aan te bieden die variëren van het behandelen van chronische huidaandoeningen tot esthetische verbeteringen. Bekend om hun patiëntgerichte aanpak (NPS > 9) en hun klantenkring die bestaat uit 12% vermogende particulieren, zochten ze een oplossing om hun positie als innovators in de regio te versterken.
Gedetailleerde informatie over de klant kan niet openbaar worden gemaakt krachtens de bepalingen van de NDA.
Uitdaging
Een AI-gestuurde diagnostische app ontwikkelen die helpt marktleiderschap te verwerven en hoogwaardige patiënten aan te trekken
Met de toenemende concurrentie in de regio herkende de klant het potentieel van AI niet alleen voor het verbeteren van de diagnostiek, maar ook als een krachtig marketinginstrument. Ze wilden nieuwe patiënten aantrekken, met name in het vermogende segment, en zichzelf positioneren als technologieleider in de Centraal-Aziatische gezondheidszorgmarkt.
Hiervoor besloot de klant een Mobiele app met ML om de voorlopige diagnose van huidaandoeningen te automatiseren. Een belangrijke uitdaging hierbij was de noodzaak om beeldgegevens van hoge kwaliteit te verwerven en te onderhouden voor het trainen en valideren van een ML-model, waarbij ambitieuze nauwkeurigheidsdoelen moesten worden nagestreefd terwijl de beperkingen van variabele beeldkwaliteit moesten worden erkend. Omdat ze geen intern ontwikkelteam hadden om deze visie tot leven te brengen, namen ze contact op met Innowise voor diensten voor softwareontwikkeling.
Oplossing
Een AI-gestuurd platform dat mobiele apps en een webbeheerpaneel integreert
Innowise ontwikkelde een uitgebreid platform bestaande uit twee onderling verbonden mobiele applicaties en een webgebaseerd administratiepaneel, allemaal aangedreven door een op maat aangepast DINOv2-model dat gebruik maakt van transfer learning met Convolutional Neural Networks (CNN's).
Patiëntenapp (iOS en Android): Deze app dient als een geavanceerde marketingtool en biedt gebruikers een gratis, ML-gestuurde voorafgaande huidbeoordeling. Deze innovatieve aanpak biedt onmiddellijke beoordelingen voor 30 huidaandoeningen en fungeert als een lead generation tool voor het klinieknetwerk. Het gebruiksvriendelijke ontwerp van de app en de gepersonaliseerde aanbevelingen moedigen gebruikers aan om consulten te boeken bij de klinieken van de klant.
App voor het verzamelen van foto's van artsen (iOS en Android): Met deze app kunnen kliniekmedewerkers veilig beelden van hoge kwaliteit van verschillende huidaandoeningen vastleggen en uploaden, wat direct bijdraagt aan de voortdurende training en verfijning van het DINOv2-model. Deze continue feedback zorgt ervoor dat de AI accuraat en up-to-date blijft. De app bevat ook een rapportagesysteem voor het bijhouden van fotostatistieken en gediagnosticeerde aandoeningen, wat waardevolle gegevens oplevert voor analyse en verbetering.
Webgebaseerd beheerpaneel: Dit paneel biedt kliniekbeheerders uitgebreide tools voor het beheren van diagnoses, het configureren van behandelingen en medicijnen per land, het beoordelen van door AI gegenereerde beoordelingen, het analyseren van app-gebruiksgegevens en het genereren van rapporten. Dit gecentraliseerde systeem stroomlijnt de werkzaamheden en biedt waardevolle inzichten in de demografische gegevens en trends van patiënten.
Het hele platform is gebouwd op een schaalbare en veilige AWS-cloudinfrastructuur, waardoor gegevensprivacy en betrouwbare prestaties gegarandeerd zijn. De initiële dataset voor het DINOv2-model werd aangeleverd door de klant en wordt continu aangevuld met beelden die via de artsenapp worden verzameld.
Hoe werkt de huidscanner-app
De app voor de huidscanner is ontworpen met het oog op gebruiksgemak en leidt gebruikers door een eenvoudig proces om een voorlopige beoordeling te krijgen. Van de selectie van het lichaamsdeel tot gepersonaliseerde kliniekaanbevelingen, de app biedt een naadloze gebruikerservaring. Zo werkt het:
- Lichaamsdeel selecteren: Wanneer gebruikers de app openen, selecteren ze eerst het lichaamsdeel waar de huidaandoening zich bevindt. Dit helpt de app om de mogelijke aandoeningen die betrekking kunnen hebben op dat specifieke gebied te beperken.
- Afbeelding uploaden: Gebruikers kunnen een foto maken van hun huidaandoening of er een uploaden vanuit hun galerij.
- Vragenlijst: Zodra de foto is geüpload, beantwoorden gebruikers een korte quiz van drie vragen. Deze vragen helpen om context toe te voegen voor de machine learning analyse, zoals symptomen of een relevante medische geschiedenis.
- Beeldanalyse en diagnose: After the photo has been submitted, the app provides three possible diagnoses, each with a probability score. For example, it might show acne (80%), dermatitis (15%), and psoriasis (5%).
- Gedetailleerde conditie-informatie: Gebruikers kunnen op een diagnose tikken om meer gedetailleerde informatie over de aandoening te krijgen, waaronder een beschrijving, behandelingsopties en aanbevolen medicijnen. Deze informatie wordt regelmatig bijgewerkt via het beheerderspaneel om alles up-to-date te houden.
- Op geolocatie gebaseerde kliniekaanbevelingen: De app maakt gebruik van geolocatie om gebruikers een gepersonaliseerde lijst te geven van klinieken in de buurt waar ze behandeld kunnen worden voor hun aandoeningen. Bij elke kliniek staat alle contactinformatie en de exacte locatie op een interactieve kaart, zodat patiënten gemakkelijk in contact kunnen komen met zorgverleners. Als er geen geschikte klinieken zijn in de stad van de gebruiker, stelt de app alternatieven voor in nabijgelegen steden of regio's.
- Gebruikersregistratie en profielbeheer: De app biedt gebruikers twee opties: gastmodus en geregistreerde modus. In de gastmodus kunnen gebruikers snelle diagnoses krijgen zonder een account aan te maken. Geregistreerde gebruikers daarentegen ontgrendelen extra functies zoals een gepersonaliseerd profiel waar ze hun diagnosegeschiedenis kunnen bijhouden, foto's kunnen opslaan en meer gedetailleerde inzichten kunnen krijgen op basis van hun eerdere interacties.
- In-app reclame: We hielpen de klant met het toevoegen van niet-opdringerige banneradvertenties aan de app, door ze strategisch boven of onder aan het scherm te plaatsen om een extra inkomstenstroom te creëren.
Technologieën
Mobiel
Flutter
Front-end
Angular
Back-end
Python, FastAPI
Machine learning
DINOv2, AWS SageMaker
Beveiliging
TLS, AES-256-codering, MFA
VCS
Git, GitHub
Cloud
AWS
Proces
Een gefaseerde aanpak zorgde voor een soepele uitvoering, van ontdekking (demo van de fotoverzamelingstoepassing en workflowontwerp) tot implementatie (mobiele ontwikkeling, modeltraining en het opzetten van de infrastructuur) en tot slot voortzetting van de werking en ondersteuning (voortdurende verfijning van het model, kennisoverdracht en toegewijde ondersteuning).
Team
1
Project
Manager
1
Bedrijfs-
analist
2
Angular
Ontwikkelaars
1
UX/U
I Ontwerper
2
Python
Ingenieurs
2
Flutter
Ontwikkelaars
3
ML-
ontwikkelaars
1
QA
ingenieur
Resultaten
Een succesvol AI-gebaseerd huiddiagnoseplatform dat snelle gebruikersgroei en hoge diagnostische nauwkeurigheid realiseert en tegelijkertijd uitbreidingsmogelijkheden genereert
We hebben een Mobiele app met ML die gebruikers een snelle en veilige manier biedt om hun huidaandoeningen te beoordelen. In de eerste drie maanden heeft de platformonafhankelijke app 5.000 nieuwe gebruikers gekregen, wat de klant heeft geholpen een sterke aanwezigheid te verwerven in een concurrerende markt. Daarnaast creëerden we een app voor het verzamelen van foto's om het ML-model te trainen en te verfijnen. Dit model heeft nu een nauwkeurigheid van 80% voor 30 dermatologische diagnoses.
Ons team heeft ook een webgebaseerd beheerderspaneel gebouwd waarmee de beheerders van de kliniek de inhoud kunnen beheren, het gebruik kunnen bijhouden en alle gegevens eenvoudig up-to-date kunnen houden.
Vooruitkijkend heeft de klant ons team toevertrouwd om abonnementsopties te implementeren en API-toegang tot het model te bouwen voor een netwerk van partnerklinieken. We werken ook aan het verbeteren van de huidige functies om de app zo effectief en gebruiksvriendelijk mogelijk te houden.
Duur van het project
- Februari 2024 - Doorlopend
5,000
nieuwe gebruikers in de eerste drie maanden
80%
bereikte ML model nauwkeurigheid
Gerelateerde gevallen
Mobiele applicatie voor kankerpatiënten
AWSGezondheidszorgMobielPythonReactReact Native
Meer lezen
Patform voor klantervaring
GolangGezondheidszorgPython
Meer lezen
Platform voor ademhalingsmonitoring van baby's
AWSGezondheidszorgIoTJavaJavaScriptKotlinPython
Meer lezen
Android app-ontwikkeling voor cognitieve functieanalyse: 35% groei in actieve gebruikers
AIAndroidGezondheidszorgJavaKotlinPython
Meer lezen
Gegevensbeheerplatform voor precisiegeneeskunde voor gestroomlijnde analyse van gegevens uit de gezondheidszorg dankzij upgrade van de infrastructuur
AWSData analyticsDevOpsGezondheidszorgPython
Meer lezen
46% vermindering van verlopen voorraden na het bouwen van geavanceerde software om medicijnen proactief te controleren
AngularAR/VR/MRAWSBusiness analysisData management (DMS)DjangoFlutter
Meer lezen
Mobiel medisch adviseur die reizen opnieuw vormgeeft
AIAWSDjangoFlutterGezondheidszorgMVP ontwikkelingPython
Meer lezen
Neem contact met ons op!
Boek een gesprek of vul het onderstaande formulier in en we nemen contact met je op zodra we je aanvraag hebben verwerkt.
Wat gebeurt er nu?
1
Na ontvangst en verwerking van uw aanvraag, nemen wij binnenkort contact met u opom uw projectbehoeften in detail te beschrijven en een NDA te ondertekenen om devertrouwelijkheid van informatie te garanderen.
2
Na het bestuderen van de vereisten, stellen onze analisten en ontwikkelaars eenprojectvoorstel met de omvang van de werkzaamheden, teamgrootte, tijd en kostenschattingen.
3
Wij regelen een ontmoeting met u om het aanbod te bespreken en tot eenovereenkomst.
4
We tekenen een contract en beginnen zo snel mogelijk aan uw project te werken.
