W dzisiejszych czasach telemedycyna, umożliwiająca świadczenie usług medycznych na odległość, zyskała ogromne znaczenie i praktyczną wartość. Nasz zespół inżynierów stale pracuje nad platformą, która skupia się na diagnozowaniu problemów zdrowotnych za pomocą sesji wideo. W celu nadania teorii praktycznego zastosowania i zapewnienia wysokiej wartości medycznej, podjęliśmy ten projekt.
Napotkaliśmy wiele wyzwań i zmieniających się wymagań, których musimy sprostać. Obecnie rozwijamy aplikację internetową oraz mobilną na systemy iOS i Android. Wszystkie dodatkowe funkcje są systematycznie testowane za pomocą zarówno manualnych, jak i maszynowych modeli opartych na określonych zestawach znaczników.
Wymagania i wyzwania projektowe
Wymagania są obecnie w trakcie realizacji i nadal są poddawane wielu modyfikacjom i ulepszeniom. Głównym celem platformy było umożliwienie oceny sesji wideo pacjentów oraz obsługa płatności za świadczone usługi. Pierwotnie projekt zakładał badanie stanów zdrowia za pomocą tego produktu. Jednak obecnie pojawiła się potrzeba rozszerzenia zakresu projektu o sąsiednie dziedziny opieki zdrowotnej.
W procesie opracowywania i wdrażania projektu wyzwania stanowiły integralną część. Jednak wiele zależy od potrzeb klienta końcowego, dlatego przy każdym nowym przypadku medycznym nadal skupiamy się na jakości, do której przyczyniają się wszyscy członkowie zespołu. Niedawne wprowadzenie inżyniera ds. kontroli jakości przyniosło cenny wkład w monitorowanie i doskonalenie kontroli jakości.
Rozwiązania projektowe
Aplikacja składa się z dwóch głównych platform: mobilnej (iOS i Android) oraz internetowej, która została zbudowana przy użyciu ClojureScript. Zespół programistów Agiliway jest odpowiedzialny za rozwój wszystkich kluczowych komponentów systemu, włączając w to model AI/ML.
Tekst jest przetwarzany za pomocą biblioteki NLTK Pythona w celu wydobycia emocjonalnej charakterystyki tekstu oraz tworzenia oszacowań emocjonalnych. Filmy, teksty oraz automatyczne wyniki i oceny są udostępniane lekarzowi, pomagając mu lepiej zrozumieć stan zdrowia pacjenta. Dodatkowo, lekarz ma szybki dostęp do historii zdrowia pacjenta i może szybko wprowadzać potrzebne zmiany, eliminując zbędne formalności.
Do hostowania i zarządzania infrastrukturą, a także do dostarczania aplikacji, używamy AWS Terraform. Aplikacja internetowa pełni rolę panelu administracyjnego, który zawiera analitykę sesji. Jest ona głównie wykorzystywana przez przychodnie i organizacje administracyjne.
Frontend aplikacji internetowej został zbudowany przy użyciu Reagenta wraz z Re-frame i innymi narzędziami, aby:
- – tworzyć interfejs użytkownika za pomocą komponentów, które są jednocześnie prostymi i wydajnymi, dzięki zastosowaniu prostych funkcji i manipulacji podstawowymi danymi,
- – zarządzać stanem aplikacji jako frameworkiem front-end, który znacznie usprawnia procesy tworzenia i utrzymania aplikacji,
- – umożliwiać testowanie aplikacji w sposób kompatybilny z różnymi frameworkami JavaScript i zapewniając prostotę obsługi, itp.
Aplikacja mobilna, dostępna na systemach iOS i Android, została stworzona z myślą o pacjentach i zawiera tekstowe informacje, prezentacje wideo oraz różne scenariusze rozwoju choroby, uwzględniające różne czynniki, zalecenia lub określone kombinacje działań. Podczas tworzenia aplikacji wykorzystano Reagenta i Re-frame do zarządzania stanem aplikacji.
Technologie backend opierają się na serwerze Clojure, który służy do stworzenia solidnej, skalowalnej i łatwej w konfiguracji platformy programistycznej. Wykorzystano również Datomic Cloud, dość specyficzną i stosunkowo nową, ale bardzo elastyczną bazę danych.
Dostarczona wartość
W świetle obecnych uwarunkowań światowych telemedycyna i jej praktyczne zastosowania zyskały ogromną popularność. Projekt związany z telemedycyną już teraz wykazuje swoją wartość zarówno na krótką, jak i długą metę. Mamy już kilku klientów, którzy są gotowi do współpracy w tej dziedzinie. Są to kliniki, które chciałyby wykorzystać aplikację w różnorodnych obszarach.
Aplikacja stale rozwija się i zyskuje nowe funkcje w celu dokładniejszej analizy. Aby wyniki były jeszcze bardziej precyzyjne i miały większą wartość praktyczną, model uczenia maszynowego jest zawsze poddawany podwójnej weryfikacji przez rzeczywistego lekarza. Stale doskonalimy format wymagań i elastyczność testowych formuł, przy uwzględnieniu opinii lekarzy, aby umożliwić płynne i szybkie dostosowanie aplikacji.
Bądź na bieżąco i zostań jednym z ponad 14 tysięcy naszych obserwujących!
