Taikymo sritis

Mūsų klientas, „MedTech“ startuolis, pasitelkė Orthogonal, kad sukurtų programinę įrangą kaip medicinos įrenginį (SaMD) mobiliosios programėlės su debesies užpakaline programa savo mašininio mokymosi (ML) diagnostikos algoritmui. Algoritmas nustato STREP požymius, analizuodamas pacientų gerklės vaizdus, ​​todėl tai yra klinikinė plataus vartojimo elektronikos diagnostika (CD-CE). Klientas išmokė savo algoritmą naudodamas duomenis, sukauptus per pastaruosius penkerius metus, ir buvo pasirengęs investuoti, kad pagrindinė „Python“ logika būtų konvertuojama į vietinį „Swift“ mobilųjį ML modelį, kuris būtų įdėtas į jų įrenginio mobiliosios programos dalį. Klientas paprašė „Orthogonal“ sukurti „iPhone SE“ skirtą „iOS“ programą, skirtą naudoti atliekant klinikinį algoritmo tyrimą.

Iššūkis

Kad programa būtų naudojama klinikiniame tyrime, ji turėjo padėti ne medicinos profesionalams naudotojams naudoti savo išmaniojo telefono kamerą savo (ar kito) gerklės vaizdams fotografuoti. Užfiksuoti vaizdai būtų analizuojami derinant tris ML algoritmus, du, esančius išmaniojo telefono programoje, o vieną – debesyje, kurie užtikrintų ūminės gerklės diagnozės patikimumo lygį.

Kad algoritmas veiktų, naudotojai turėjo padaryti dešimt aukštos kokybės vaizdų su geru apšvietimu, matomomis gerklės sritimis, pvz., uvula, ir be dantų ar liežuvio, kuris netrukdytų matyti gerklės. Vienas iš pagrindinių Orthogonal ir mūsų kliento iššūkių buvo rasti geriausią būdą užfiksuoti šiuos vaizdus naudojant „iPhone“. Metodas reikalingas dviem skirtingiems reikalavimams patenkinti. Pirma, programėlės užfiksuotos nuotraukos turėjo būti pakankamai aukštos kokybės, kad atitiktų įrenginio algoritmų poreikius. Antra, procesas turėjo būti pakankamai lengvas, kad paprastas vartotojas galėtų atlikti užduotį ir išeiti patyręs teigiamą patirtį.

Prieiga

Projekto pradžioje programėlės požiūris į vaizdų fiksavimą buvo nukreipti vartotojus į vaizdo įrašą apie jų gerklę. Tada iš vaizdo įrašo būtų atrenkami atskiri kadrai ir įvedami į diagnostikos algoritmus. Šis metodas gerai veikė kliento pradinio įrenginio tyrimo ir plėtros metu, įskaitant sėkmingą kontroliuojamų eksperimentų atlikimą.

Tačiau, kai Orthogonal pradėjo kurti išmaniojo telefono programą ir išbandyti ją su reprezentatyviais vartotojais, buvo nustatyta, kad šis metodas reguliariai duoda per žemos kokybės vaizdus, ​​​​kad juos būtų galima naudoti diagnozei. Pagrindinė problema buvo integruotos kameros skirtumai skirtinguose „iPhone SE“ modeliuose. Pavyzdžiui, vienas modelis gali turėti tris fotoaparato objektyvus, o kitas gali turėti tik vieną objektyvą. „iOS“ taip pat yra patentuotų vaizdo kokybei užtikrinti skirtų algoritmų, kurie skirtingai sąveikauja su skirtingomis kameros sąrankomis, todėl sudėtinga standartizuoti fiksavimo procesą.

Įrenginiui veikiant agresyvioje laiko juostoje, abi pusės turėjo pasikliauti Agile gebėjimu iš naujo nustatyti užduočių prioritetus, atsižvelgiant į besikeičiančias aplinkybes, kad nustatytų geresnį vaizdų rinkimo metodą.

Rezultatas

„Orthogonal“ ir kliento susivienijimo dėka, kad dinamiškai pakeistų prioritetus, kūrėjų komanda per kelias savaites pasikeitė nuo gerklės vaizdų fiksavimo iki vaizdo įrašymo iki kelių atskirų nuotraukų iš eilės darymo. Išbandžius šį metodą, gautos nuotraukos, kurių kokybė buvo būtina, kad būtų galima analizuoti pagal įrenginio algoritmus.

Iš šios patirties kūrimo komanda išmoko šias pamokas:

1. Pirmiausia spręskite didelės techninės rizikos sritis: Mūsų komandai buvo priminta, kaip svarbu projekto pradžioje teikti pirmenybę didelės techninės rizikos sritims. Net ir esant trumpam terminui, anksti atskleisti didelę riziką ir kartoti veiksmingą sprendimą verta laiko ir investicijų.

2. Lankstumas plėtojant: Agile metodika padėjo kūrėjams ir klientui atlikti būtinus vykdomo projekto pakeitimus, nuolat perskirstydami savo darbo prioritetus, kad pateiktume tai, ko reikia klientui, remiantis kūrimo proceso metu atskleista informacija.

3. Svarbiausia komunikacija: Kaip patikimas verslo partneris, Orthogonal sugebėjo palaikyti aiškias, mielas ir skaidrias bendravimo su klientu linijas. Mūsų geri darbo santykiai leido mums veiksmingai bendrauti, kad pasiektume tinkamą rezultatą.

Šis atvejo tyrimas pabrėžia prisitaikymo vertę kuriant SaMD. Agili metodika, kruopštus eksperimentavimas ir stiprus klientų ir kūrėjų bendravimas padėjo įveikti netikėtus iššūkius ir pasiekti sėkmingą rezultatą. Išmoktos pamokos buvo aptartos tarp „Orthogonal“ pristatymo vadybininkų ir dokumentuotos bendroje „Confluence“ erdvėje, kad būtų galima susipažinti su būsimais klientų projektais.

– – –

Reikia pagalbos kuriant medicinos įrenginį, kuriame integruota vietinė „iOS“ arba „Android“ programa ir mašininio mokymosi algoritmai? „Orthogonal“ judrių kūrėjų komanda dirbs su jumis, kad sukurtų į vartotoją orientuotą, saugią ir veiksmingą mobiliąją medicinos programą. Susisiekite su mumis, jei norite gauti daugiau informacijos apie mūsų mobiliųjų medicinos programų kūrimo paslaugas.