Efficiënte diagnose van pathologische taalpatronen in het gezondheidsonderzoek
UITDAGING #1
Efficiënte integratie: Hoe kan complexe analyse naadloos worden geïntegreerd in het digitale platform “Mili”?
UITDAGING #2
Schaalbaarheid en efficiëntie: Welke maatregelen optimaliseren de prestaties en schaalbaarheid van de analyse van spraakgegevens?
UITDAGING #3
Gebruiksvriendelijkheid voor iedereen: Hoe kan een intuïtieve oplossing worden gecreëerd die ook niet-deskundigen in staat stelt complexe taalgegevensanalyses uit te voeren?
Over het project
Projectdoelstellingen
Het project heeft tot doel een intuïtief digitaal platform te ontwikkelen— Onderdeel, dat de toegang tot de analyse van taalgegevens aanzienlijk vergemakkelijkt en tegelijkertijd de efficiëntie en gebruiksvriendelijkheid van de gezondheid verbetert;onderzoek verbeterd. De nadruk ligt op ondersteuning door deskundigen* binnen en onderzoekers bij het beoordelen van medische aandoeningen zoals Alzheimer en schizofrenie door middel van geautomatiseerde en op AI gebaseerde taalanalyse. Een belangrijk aspect van het project is de automatisering van analytische definities, waardoor de nodige handmatige inspanning wordt beperkt en het analyseproces wordt versneld. Door het gebruik ervan te vereenvoudigen, moeten gebruikers zonder diepere technische kennis doeltreffend gebruik kunnen maken van de verbeterde functionaliteiten van het platform. Het is de bedoeling het platform breder beschikbaar te maken. De aanvragen toegankelijk maken. Het project levert dus een belangrijke bijdrage aan de verdere ontwikkeling van de medische sector. Onderzoek hierdoor kunnen pathologische taalpatronen nauwkeuriger en sneller worden beoordeeld.
Basislijn
AI: element ontwikkelt op AI gebaseerde taalbiomarkers voor gezondheidonderzoek, beoordeling van pathologische aandoeningen zoals Alzheimer en schizofrenie. Het digitale platform “Mili” maakt spraakgegevens mogelijkTen aanzien vanamplificatie in klinische en huishoudelijke omgevingen en de integratie van taalbiomarkers. Uitdagingen hielden verband met de integratie van complexe analyses zoals de taalbiomarker en optimalisering van de efficiëntie en schaalbaarheid. Een nieuwe motor stelt onderzoekers zonder coderingsvaardigheden in staat rechtstreeks toegang te krijgen tot geavanceerde talenkenmerken, dit vereenvoudigt en versnelt studies.
BESCHRIJVING VAN DE ONDERNEMING
Dankzij de EDIH konden we rechtstreeks uitvoerbare ideeën ontwikkelen die ons op duurzame wijze vooruit helpen.
Janna Herrmann
Hoofd Technologie, Ki: elements GmbH (ki:)
Aanpak
Na een eerste raadpleging en een gedetailleerde analyse van de processen van de onderneming werd het project onderverdeeld in drie fasen. In de eerste fase (januari tot april 2024) is een prototype ontwikkeld om de opstelling van analytische regels voor spraakgegevens te automatiseren. Dit prototype werd geïmplementeerd met de JavaScript- en Fluttechnologieën en werd uiteindelijk beschikbaar gesteld als besturingssoftware. De tweede fase (april-juli 2024) was gericht op de ontwikkeling van een nieuw kenmerk Sigma Feature Engine, dat de analyse van taalgegevens vergemakkelijkt. Er werd voor gezorgd dat de software met een bijgewerkte versie van: r ki: de eigendomstalige bibliotheek van elementen Sigma blijft compatibel. In de derde fase (september 2024) werd gekeken hoe het systeem onder hoge belasting werkt en waar er kwetsbaarheden zijn. De resultaten werden gebruikt om de nadruk te leggen op fase 3. Dankzij de nauwe samenwerking met Saarland EDIH kon het team de bedrijfsprocessen zorgvuldig evalueren, de haalbaarheid beoordelen en het prototype met succes ontwikkelen.
Resultaat van het project
Het projectresultaat omvat verschillende softwareoplossingen die de gebruiksvriendelijkheid en efficiëntie van de analyse van spraakgegevens in Mili aanzienlijk verbeteren. Automatisering vermindert de handmatige inspanning aanzienlijk, beperkt fouten tot een minimum en bespaart kosten op lange termijn. In plaats van handmatig een complexe YAML-code te schrijven, kunnen gebruikers: * en maak nu alleen analytische definities via een intuïtief oppervlak. Het systeem stelt automatische matchingparameters voor en verbetert de nauwkeurigheid door middel van typekeuring en het genereren van codes. De oplossingen verhogen de productiviteit, ondersteunen flexibele combinaties van biomarkers en ingenieurs en vergemakkelijken de gegevensverwerking. De voordelen voor ki: elementen zijn duidelijk: Tijdsbesparing, het vermijden van fouten en een gebruiksvriendelijke werking die niet mogelijk isTechnische aspectenXpert * en maakt het mogelijk analyses uit te voeren. Daarnaast is er een Sigma-Feature motor ontwikkeld om spraakopnamen efficiënt te verwerken en relevante kenmerken uit verschillende taken te extraheren.
Belangrijkste lessen die uit het project zijn getrokken
Dit zegt ki: elementen over de samenwerking met de EDIH in Saarland
De steun van het digitaliseringsproject is van groot belang geweest om ons digitaliseringsproject vooruit te helpen.
Vervolgens werden andere digitaliseringsprojecten aangepakt.
Uit het digitaliseringsproject zijn nieuwe innovatieve ideeën voor follow-up naar voren gekomen.
Het project heeft ertoe bijgedragen dat ons bedrijf klaar is voor de toekomst.
Aan onze verwachtingen voor het project is voldaan.
Wij zijn zeer tevreden over de resultaten van het project.