Решение для здравоохранения в виде платформы на базе машинного обучения для обработки, хранения и визуализации данных.
Задача
Наш клиент специализируется на медицинском программном обеспечении для частных организаций здравоохранения. Обратившись к нам, он искал команду специалистов, которая воплотила бы его идею с помощью современных технологий - а именно алгоритмов машинного обучения.
Главной задачей нашей команды было создать решение для медицины, которое оптимизировало бы процессы, где большая часть времени уходила на обработку данных и диагностику. Так врачи и медперсонал смогли бы уделять больше времени непосредственно уходу за пациентами. Кроме того, алгоритмы способны выявлять закономерности в данных, которые можно упустить при ручном анализе, и это помогает в ранней диагностике и лечении заболеваний.
У Invatechs уже был опыт создания медицинских ИТ-решений и команда, специализирующаяся на ML и ИИ, поэтому проект стал для нас отличной возможностью реализовать что-то новое. Мы предложили клиенту построить платформу с применением машинного обучения в здравоохранении, чтобы сотрудники могли объединять разрозненные данные в удобные и наглядные дашборды и тем самым повышать качество оказываемых услуг.
Команда Invatechs как поставщик решений для здравоохранения наметила следующие шаги по реализации платформы:
- Создать кроссплатформенное ПО, работающее как на ПК и терминалах, так и на мобильных устройствах;
- Разработать алгоритм машинного обучения и подготовить для него базу данных;
- Интегрировать облачное хранилище для безопасного хранения данных.
Решение
Сначала нашим специалистам нужно было создать удобное приложение, в котором разберётся любой сотрудник без долгого обучения. Мы сделали интерфейс и фильтры, позволяющие легко сортировать информацию о каждом пациенте за определённый период. Дополнительные возможности реализовали в виде диаграмм, по которым можно отслеживать динамику и состояние пациентов в отдельном центре или во всей сети.
У каждого пациента есть профиль с основными показателями, контактными данными и историей всех визитов к врачу. А внедрённые алгоритмы помогают врачам быстро анализировать информацию и подсказывают, какие процедуры или визиты нужны пациенту для дальнейшего лечения.
Прежде чем внедрять алгоритмы машинного обучения, команда Invatechs с нуля разработала медицинское ПО. Мы также подключили инструменты, обеспечивающие стабильное и защищённое соединение с серверами облачного хранилища, чтобы исключить утечки данных, и внедрили несколько решений для защиты от DDoS-атак.
Технологии и инструменты
Процесс
Работу над проектом мы начали в 2018 году: сначала подготовили прототип на согласование клиенту. Invatechs предложила работать по методологии Agile - наши специалисты отчитывались о прогрессе в рамках двухнедельных спринтов. Клиент давал обратную связь по функциям и мог вносить правки. После того как MVP был готов и полностью утверждён, мы приступили к написанию кода самой платформы.
Для постановки задач специалистам и ведения документации по проекту мы использовали Jira, а спринтами и общением с клиентом управляли через мессенджер Slack. На протяжении всего цикла разработки платформы знания наших специалистов очень пригодились при создании и внедрении разных функций.
После создания основы платформы и её первичного тестирования мы приступили к трудоёмкой работе над внедрением алгоритмов машинного обучения. Клиент предоставил большие объёмы данных, которые алгоритмы обрабатывали и на которых обучались распознаванию, сортировке, анализу и подсказкам. Затем наши QA-специалисты тестировали алгоритм и платформу вместе вплоть до завершения работ. После этого мы передали ПО клиенту, чтобы он мог протестировать его и в дальнейшем полностью внедрить в работу частных клиник.
Команда
Сроки проекта
Результаты
Специалисты Invatechs полностью выполнили требования клиента, создав современное и инновационное ПО для обработки данных с помощью машинного обучения. Приложение кроссплатформенное, поэтому им можно пользоваться на разных устройствах - для медперсонала это ещё удобнее. Приложение помогло повысить эффективность ухода за пациентами и способствовало росту сети частных клиник.
Более того, машинное обучение помогает снизить расходы, связанные с оказанием медицинской помощи. Автоматизируя отдельные задачи и уменьшая объём ручного ввода и анализа данных, медицинские учреждения экономят на персонале и других издержках. Кроме того, машинное обучение делает медицинскую помощь эффективнее и результативнее, а значит, снижает её общую стоимость для пациентов и страховых компаний.
Мы работали в тесном контакте с клиентом и вели открытый диалог, благодаря чему получилось отличное решение для здравоохранения. Партнёрство продолжается: мы обновляем ПО и добавляем новые полезные функции для медперсонала.
- Эффективность сотрудников выросла на 80%
- Удобное кроссплатформенное приложение
- Безопасное облачное хранилище
