Desenvolvimento de visão computacional
O sistema para identificar comprimidos usando visão computacional precisou de muitos dados de treino e validação para atingir os padrões de precisão necessários para ser usado com sucesso. Em tentativas, ele atingiu uma taxa de precisão de ; no entanto, foram necessárias mais parcerias na indústria farmacêutica e consultas com a FDA para atingir o limite de para garantir a segurança dos pacientes.
Design da experiência do utilizador
O design original da plataforma tentou reunir todos os recursos de gestão de medicamentos numa interface, o que acabou por confundir os utilizadores e reduzir significativamente as taxas de adoção. Ao simplificar a experiência do utilizador e revelar gradualmente os recursos através de uma abordagem de divulgação progressiva, ajudou a aumentar o envolvimento do utilizador e a melhorar consideravelmente os resultados de adesão à medicação.
Obstáculos à integração nos sistemas de saúde tradicionais
Os profissionais de saúde utilizam frequentemente sistemas de registos de saúde com funcionalidades API restritas ou métodos de integração desatualizados. O desenvolvimento de ferramentas de integração e a garantia da disponibilidade de opções de transferência manual de dados foram cruciais para que os prestadores adotassem esses sistemas, mesmo que a integração automatizada fosse possível do ponto de vista técnico.
Navegação regulamentar
As aplicações de saúde para dispositivos têm de seguir regras e regulamentos em várias regiões e países ao redor do mundo. Interagir com as autoridades participando em reuniões prévias à submissão com a FDA e consultando os departamentos de saúde estaduais tem se mostrado eficaz para evitar atrasos no desenvolvimento e garantir que as questões de conformidade sejam tratadas de forma rápida e eficaz.
Desafios técnicos
A área de imagem tem seus desafios, como lidar com diferentes condições de iluminação e distinguir entre comprimidos genéricos e de marca com base nos padrões de desgaste. Garantir que o modelo seja continuamente retreinado e validado em relação a cenários do mundo real provou ser mais crucial do que focar no tamanho do conjunto de dados de treinamento.
Privacidade e confiança do utilizador
Os utilizadores mostraram preocupação com a privacidade dos dados sobre medicamentos, mesmo quando pediram para partilhar com familiares e profissionais de saúde. As medidas de segurança que permitem controlar a privacidade e as políticas claras sobre o uso de dados exigiram a educação dos utilizadores e várias revisões do design da interface para serem implementadas de forma eficaz.
Funcionalidade offline
A toma de medicamentos ocorre frequentemente em locais onde a ligação à Internet não é estável, o que torna necessário ter funcionalidades disponíveis em todos os momentos. Por esse motivo, é necessário um sistema complexo de sincronização de dados e resolução de conflitos para equilibrar as capacidades com a comunicação em tempo real com os profissionais de saúde e as funções de alerta de emergência.
Diversidade de utilizadores
Projetar interfaces para atender a uma variedade de usuários, desde adolescentes que lidam com condições médicas até idosos com rotinas complexas de medicação, exigiu a incorporação de elementos de design flexíveis e várias maneiras para os usuários interagirem com o sistema de forma eficaz e confortável. Recursos de acessibilidade, como comandos de voz, opções de texto e caminhos de navegação simplificados, não eram mais apenas um diferencial, mas componentes essenciais para atender às diferentes necessidades dos usuários.
Infraestrutura de processamento de dados
O Apache Spark é usado para lidar com o processamento de dados e criar recursos em grande escala.