Omfattende teknologiske forbedringer på tvers av flere strømmer for en ontologileverandør

Innowise gjennomførte en mangefasettertprogramvare for medisinsk forskningoppgradering for en ontologileverandør, med AI-drevet søk, tilpassede datainstrumentbord og ontologi-integrasjon.

Utfordring

Kundens primære utfordringer var knyttet til tre hovedområder:utvikling av en frontendfor deres AI-drevne søkesystem, som automatisererdatavisualiseringinnen medisinsk forskningsprogramvare, og integrere ontologiene deres i et eksisterende system:

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.
Automatisering av datavisualisering for vitenskapelig forskning:< Kunden sto overfor en utfordring med å automatisere datavisualisering for sine vitenskapelige dataanalyser. Systemet skulle hjelpe dataforskerne med å identifisere, klargjøre og validere data, samt skape informative dashbord. Dette var avgjørende for å kunne klassifisere og koble sammen medisinske enheter, identifisere molekylære mål for nye legemidler og legge til rette for forskning på sykdommer.
Integrasjon av ontologisystemer:Det var en unik utfordring å integrere kundens ontologier i et eksisterende system. Selskapets gamle system var i stor grad avhengig av manuelle prosesser for dokumenthåndtering og dataregistrering. Vår oppgave var å modernisere dette systemet ved å automatisere dokumentanalyse og databaseopplasting, utvikle et nytt grensesnitt og etablere enback-end-system. Systemet måtte støtte to forskjellige brukerroller: personer som var ansvarlige for å laste opp og redigere dokumenter, og administratorer som skulle gjennomgå og bekrefte disse oppføringene.

Løsning

Innowise-teamet fokuserte på tre viktige aspekter ved prosjektet:

Forbedring av en spesialisertAI-drevet søkesystemfor web- og mobilgrensesnitt.
Automatisering av datavisualisering for farmasøytisk forskninggjennom dynamiske dashbord.
Integrering av en ontologi i et selskaps system, og dermed modernisering av dokumentanalyse og databasehåndtering.

Forbedring av søkesystemet i programvare for medisinsk forskning

Teamet vårt fokuserte på å utvikle og forbedre et spesialisert AI-drevet søkesystem – et viktig delsystem i et større rammeverk, designet for nett- og mobilgrensesnitt. Denne oppgaven innebar flere tekniske og funksjonelle forbedringer:

Avansert dokumentsøk:Vi gjorde systemet i stand til å utføre dybdesøk på tvers av ulike dokumentformater fra et stort dokumentarkiv. Systemet gjorde det mulig for brukerne å finne dokumenter, se interne og eksterne kilder og identifisere viktige vitenskapelige begreper og kommentarer i dokumentene.
Annotasjon og kategorisering:En viktig funksjon var muligheten for brukerne til å velge spesifikke ord eller billetter i dokumenter og tilordne dem til relevante domener for annotering. Vi integrerte GPT-baserte AI-funksjoner for å hjelpe brukerne med å annotere og kategorisere hver term eller enhet på riktig måte.
Prosess for innsending og vurdering:Når man gjorde endringer eller la til ny informasjon i et dokument, la systemet til rette for en gjennomgangsprosess. Brukerne kunne sende inn endringene, som deretter ble sendt til en administrator for statustildeling og godkjenning av de nye merknadene, kommentarene eller kategoriseringene.
Funksjoner for spørring og analyse:Brukerne kan nå velge dokumenter fra en stor database og legge dem i en felles kurv. De kan deretter søke i disse dokumentene ved hjelp av søkefeltet i Analyzer, stille spesifikke spørsmål eller be om sammendrag og analyser basert påGPT-teknologi.
Utvikling av tilpassede filtre:Utvikleren vår har laget sofistikerte filtre for dokumentsøk, skreddersydd for ulike kildetyper.
Utfordringer med dokumentvisning:En av de komplekse oppgavene var å utvikle en dokumentfremviser som kunne vise markerte merknader i PDF-dokumenter. Dette krevde innviklet back-end-koordinering for å legge merknadene riktig over hverandre.
Overhaling av eldre kode og arkitektur:Vi tok tak i utfordringene med gammel kode og manglende arkitektonisk struktur, og sørget for at systemet ble bygget på et solid, moderne teknologisk fundament.
Integrering av flere GPT-versjoner:Teamet vårt har forbedret systemet med flere versjoner av GPT (3.5, 4, Davinci), noe som muliggjør mer allsidig dokumentanalyse.
LLM-integrering:Innowise fokuserte på tilpasset LLM-utvikling som gjør det mulig for brukerne å skrive inn spørsmål på naturlig språk. Når spørsmålene er konvertert til back-end-forespørsler, kan de sendes til serveren.

Automatisering av dashbord for datavitenskap

Vårteam for datavitenskapfokuserte 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.

Opprettelse av dashbord: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.
Visualisering av data:Bruk avLooker Studio, for å kunne lage dashbord forvandlet vi disse store datatabellene til mindre og mer håndterbare formater. Dette visualiseringstrinnet var nødvendig for at ekspertene bedre skulle kunne gjennomgå og filtrere dataene.
Automatisering av dashbordet:Etter godkjenning fra medisinske eksperter automatiserte vi opprettelsen av dashbordet ved hjelp av datatekniske teknikker. Dette innebar at vi brukte arkiver som inneholdt SQL-skript for å hente inn nødvendig informasjon. Disse skriptene ble planlagt kjørt med bestemte intervaller, slik at dashbordene alltid var oppdatert med de nyeste forskningsresultatene.
Kontinuerlige oppdateringer og integrering:Løsningen vår gjorde det mulig å integrere nye relevante publikasjoner i dashbordene fortløpende. Denne dynamiske oppdateringsprosessen ble muliggjort av Google Cloud Functions. Det sørget for at dashbordene alltid var oppdatert med de nyeste dataene.
Håndtering av forespørsler:Vi håndterte spørringer gjennom store tabeller og hentet ut spesifikk informasjon basert på søk. Teamet visualiserte deretter statistikken i dashbordene og identifiserte eventuelle problemer i søkene.

Ontologiintegrasjon i forskning

Prosjektet vårt fokuserte på å integrere kundens ontologier i en etablert programvare for laboratorieadministrasjon. Denne oppgaven innebar flere viktige steg for å modernisere og automatisere det utdaterte systemet:

Systemanalyse og forskning:Vi begynte med en grundig analyse og undersøkelse av kundens eksisterende system. Denneprogramvaren for laboratorieadministrasjon, som først og fremst brukes til lagring av rapporter og forskningsresultater, var basert på eldreJavaversjoner og JSP-teknologier.
Utvikling av nytt grensesnitt og backend:Vi utviklet blant annet et nytt grensesnitt og back-end-system for å automatisere prosessen med dokumentanalyse og databaseoppdatering, som tidligere ble utført manuelt.
Brukertyper og funksjoner:Vi har utviklet systemet for å imøtekomme to forskjellige brukertyper:
Dokumentet er lastet opp:Forskere som legger til dokumenter i systemet. Etter at et dokument er kommentert, vises det på en egen side der opplasteren kan gå gjennom resultatene, gjøre endringer og bekrefte at det er lagt inn i databasen.
Administrator:Ansvarlig for å gjennomgå og bekrefte dokumenttillegg. Denne rollen innebærer en omfattende gjennomgang av dokumenter, med mulighet til å redigere, godkjenne eller gjøre endringer før endelig registrering i databasen.
Back-end-utvikling og overhaling av eldre kode:Utvikleren vår tok på seg oppgaven med å revidere den eksisterende koden. Dette innebar å skrive JSP-sider i henhold til kundens spesifikasjoner og utvikle back-end-funksjonalitet (forespørsler, svar, databehandling og databaseoppføring).
Utvikling av administrasjonsgrensesnitt:Vi har også utviklet en administrasjonsdel av systemet der administratoren (vanligvis lederen for forskningsavdelingen) mottar et varsel med en lenke til grensesnittet som viser informasjon fra databasen.
Integrering av ontologi-API: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.
Håndtering av dokumenter og data:I dette systemet ble dokumenter som ble lastet opp til det ontologiske systemet, behandlet, og de resulterende dataene ble lagret i selskapets forskningsdatabase. Dette muliggjorde automatisk analyse av dokumenter og gjenfinning av viktig informasjon.
Full stack-utvikling:Utvikleren vår jobbet som en full-stack-ingeniør som håndterte både front-end- og back-end-aspekter og sørget for sømløs integrering av alle systemkomponenter.

Teknologier

Programmeringsspråk

JavaScript, TypeScript, Java

Front-end

React, react-pdf, Redux, Redux-thunk, React-redux, Primereact, SASS, Lodash, Axios, FileSaver, GPT-Tokenizer

Back-end

Spring oppstart, Java med Lucene-biblioteker, Stardog

Datavitenskapoganalyser

Python(Pandas, Numpy, Plotly, Matplotlib), GCP (Google Big Query, Google Cloud Storage, Cloud Run), Looker, Data Studio, Apache Solr, tilpassede verktøy for databehandling og visualisering

Prosess

Vår tilnærming til utviklingsprosessen var metodisk og fulgte Agile-prinsippene, noe som sikret fleksibilitet og kontinuerlig forbedring.

At the beginning, we conducted thorough research to understand the client’s needs and existing systems to deliver a detailed ‘Vision and Scope’ document. Based on the initial findings, we proceeded to design and develop the necessary features for each stream. Our team held regular sprint meetings to confirm that our work aligned with client expectations. All features were implemented and subjected to rigorous testing for performance and accuracy, with the client providing continuous feedback.

For effektiv kommunikasjon og prosjektsporing brukte vi Microsoft-verktøy og Monday.com for å sikre en transparent prosess og oppdateringer i sanntid.

Team kreves

Prosjekt-leder

React-utviklere

Java-utviklere

ML/Python Utvikler

Dataingeniører

Resultater

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:

Effektiviserte søkeoperasjoner: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.
Presisjon i merknader:Innføringen av det automatiserte annoteringssystemet resulterte i økt nøyaktighet i annoteringen, noe som er avgjørende for vitenskapelige dybdestudier.
Økt effektivitet i datahåndteringen:Ved å automatisere datavisualiseringsprosessene har vi effektivt halvert tiden forskerne bruker på manuell datahåndtering, noe som gir mer tid til kjerneforskningsaktiviteter.
Økt hastighet i databehandlingen:Databehandlings- og visualiseringshastigheten ble tredoblet, noe som innebar et stort sprang i håndteringen av komplekse datasett.
Optimalisert brukeropplevelse:Det moderniserte brukergrensesnittet i systemene våre har ført til en betydelig økning i brukertilfredsheten, noe som har bidratt til økt engasjement i det vitenskapelige miljøet.
Frigjort forskningstid: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.

Relaterte saker

Kontakt oss

Bestill en samtale eller fyll ut skjemaet nedenfor, så vil vi kontakte deg så snart vi har behandlet forespørselen din.

Navn

Firma

E-post

Telefon

Melding

Send oss en talemelding

Legg ved dokumenter

Last opp fil

Du kan legge ved én fil opptil 2MB. Gyldige filformater: pdf, jpg, jpeg, png.

Ved å klikke Send, samtykker du til at Innowise behandler dine personopplysninger i henhold til vår Personvernerklæring for å gi deg relevant informasjon. Ved å oppgi telefonnummeret ditt, godtar du at vi kan kontakte deg via talesamtaler, SMS og meldingsapper. Samtale-, meldings- og datakostnader kan påløpe.

Du kan også sende oss forespørselen din
til contact@innowise.com

Hva skjer videre?

Når vi har mottatt og behandlet forespørselen din, vil vi kontakte deg for å diskutere prosjektbehovene dine og signere en NDA for å sikre konfidensialitet.

Etter å ha undersøkt dine ønsker, behov og forventninger, vil teamet vårt utarbeide et prosjektforslag med omfang av arbeid, teamstørrelse, tids- og kostnadsestimater.

Vi vil arrangere et møte med deg for å diskutere tilbudet og fastsette detaljene.

Til slutt vil vi signere en kontrakt og starte arbeidet med prosjektet ditt umiddelbart.