The MEDIMONITOR platform

Result code in IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F27938701%3A_____%2F23%3AN0000002" target="_blank" >RIV/27938701:_____/23:N0000002 - isvavai.cz</a>

Result on the web

—

DOI - Digital Object Identifier

—

Result language

čeština

Original language name

Platforma MEDIMONITOR

Original language description

Základním projektovým cílem, realizovaného ve spolupráci s Vysokou školou Báňskou v Ostravě, bylo vytvořit softwarovou platformu s prvky znalostního managementu a umělé inteligence, která je nastavitelná pro vybrané typy medicínských diagnóz, zejména z oblasti konzervativní léčby. Výstupem celkového projektu je univerzální řešení ověřené na diagnóze idiopatické skoliózy. Jedná se o inteligentní platformu využívající prvky umělé inteligence pro monitoring a prognózu diagnóz a second opinion diagnostik. Nový systém umožňuje pracovat s neúplnými zdravotnickými daty, pro vyhodnocení dané situace a prezentování prognózy pacienta. Tato digitální platforma je schopna nahradit aplikačně odborné konziliární procesy v reálném čase (zejména v oblastech konzervativní léčby.) Slouží také jako distribuční znalostní databáze pro pacienty, terapeutické komunity a zdravotní pojišťovny, kde lze moderovat konzervativní léčbu na úrovni „second opinion diagnostic“. Platforma je plně customizovatelná pro klinické oblasti jako ortodoncie, patologie klinických preparátů a nálezů, pooperační rekonvalescence, poúrazová rekonvalescence, fyzioterapeutická pracoviště, preventivní screening (nejen skolióz) a další. Platforma je postavena na dvou hlavních pilířích – slouží jako široká znalostní databáze s možností modelování vývoje na základě strojového učení a umělé inteligence u které je prodej možný prostřednictví mezinárodních portálů (např. researchgate.com nebo cognitive science network); model licenční platformy je uzpůsobený pro nasazení u jiných diagnóz s obdobným znalostním a datovým typem. Platforma zajišťuje velmi vysokou úroveň vyhodnocování dat a dosavadních záznamů díky propojením s umělou inteligencí. Medimonitor je také prvním ze softwarových řešení v oblasti medicíny, který poskytuje „second opinion“ metodu.

Czech name

Platforma MEDIMONITOR

Czech description

—

Type

R - Software

CEP classification

—

OECD FORD branch

10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)

Project

<a href="/en/project/EG20_321%2F0024858" target="_blank" >EG20_321/0024858: Research and development of a new MEDIMONITOR system for intelligent forecasting of diagnosis development</a><br>

Continuities

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Publication year

2023

Confidentiality

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Internal product ID

Platforma MEDIMONITOR

Technical parameters

Systém má dvě hlavní funkcionality: Screening (základní funkcionalita); Predikce (pokročilá funkcionalita). Základem řešení je centrální databáze záznamů. Nad touto databází je vytvořena zobrazovací vrstva s prvky znalostního managementu a prvky strojového učení. Zobrazovací vrstva je pojata jako uživatelské GUI (Graphical User Interface). Tato vrstva funguje v technologii Python a GUI se instaluje na lokální stanici. Je vyvinuta i možnost přímo do vzdálené aplikace (technologie hyperlink s připojením na vzdálenou plochu, která v případě ověřeného uživatele spustí automaticky provoz přes VPN). Nad touto vrstvou jsou vytvořeny algoritmy umělé inteligence ve dvou fázích: získávání znalostí z frekventovaných množin pomocí asociačních pravidel a klasifikace a predikce v datech. Algoritmy umělé inteligence byly vytvořeny v samostatných zabezpečených knihovnách na technologii Python. Všechny jsou navržené tak, že jsou schopny zvládnout a diagnostikovat širokou množinu deviací zkoumané diagnózy. Další knihovny, integrované do této vrstvy pomocí strojového učení dokáží posílat optimalizované informace do různých částí systému tak, aby výsledek byl na základě dodaných informací co nejoptimálnější. Klasifikace a predikce v datech byla použita pro rozdělení dat do předem daných tříd, kde každá třída vyžaduje nějaké vlastnosti. Jednotlivé třídy reprezentují prediagnostické postupy (tzn. anamnéza, rodinná anamnéza, kauzální typologie u pacienta, předpoklady vytěžené z dostupných dat anamnéz atd.). Jednotlivé třídy je možné rozšiřovat, omezovat a kombinovat jejich úrovně. Na základě těchto tříd byla vytvořena predikce. Zvolena byla metoda XGboost.

Economical parameters

Přínosem je rozšíření produktového portfolia příjemce se zaměřením na medicínu, zvýšení konkurenceschopnosti, obratu a zisku příjemce. Došlo k prohloubení spolupráce s vysokými školami, především s VŠB – Univerzitou v Ostravě. Příjemce buduje dva distribuční modely – direkt (prodej přímo zákazníkům) a indirect (prodej prostřednictvím business partnerů a prodej vývojové licence). Propagace je zajištěna prostřednictvím otevřených IT kanálů (Konference, White papers, Zákaznická hodnocení, Best practices, Publikace dosažených metrik v odborných časopisech (pro lékaře, nemocnice apod.) Projekt byl citován v odborném článku Performance and Robustness of Regional Image Segmentation Driven by Selected Evolutionary and Genetic Algorithms: Study on MR Articular Cartilage Images (2022) Sensors (Basel, Switzerland), 22 (17). V časopisu Akademik byl projekt představen akademické obci VŠB – TUO. Hamzova odborná léčebna pro děti a dospělé vyjádřila zájem o spolupráci a o výsledky projektu.

Owner IČO

27938701;61989100

Owner name

miraclIS, SE;Vysoká škola báňská - Technická univerzita Ostrava