Rewolucja w diagnostyce obrazowej: jak dedykowane oprogramowanie Gotoma Software House przekształciło pracę CM MED i podniosło efektywność o 25% [1/2]

Kiedy wzrost odsłania technologiczne słabości  W dynamicznym świecie opieki zdrowotnej, gdzie precyzja diagnostyczna i efektywność operacyjna idą w parze z jakością obsługi pacjenta, każda minuta i każdy bit danych ma znaczenie. CM MED, ambitna sieć placówek medycznych, doświadczała szybkiego wzrostu, który paradoksalnie zaczął odsłaniać technologiczne wąskie gardła. Problem nie leżał w braku specjalistycznego sprzętu, takiego jak zaawansowane Gamma Kamery, czy w kompetencjach personelu medycznego. Wyzwanie stanowiła koordynacja pracy między placówkami, zarządzanie lawinowo rosnącą ilością danych pacjentów, niekompatybilność systemów oraz nieefektywne wykorzystanie cennych zasobów. Brak spójnego, inteligentnego systemu software’owego prowadził do frustracji, przestojów, a co gorsza – do marnotrawienia potencjału diagnostycznego i ryzyka finansowego.

W tym krytycznym momencie CM MED zwróciło się do Gotoma General – firmy łączącej kompetencje doświadczonego software house z możliwościami generalnego wykonawcy IT. Zadanie było jasne: stworzyć dedykowane, kompleksowe rozwiązanie software’owe, które nie tylko zdigitalizuje i zintegruje kluczowe procesy, ale także stanie się motorem napędowym dalszego rozwoju i optymalizacji. Niniejsze case study zagłębia się w proces tworzenia tego oprogramowania, od analizy potrzeb, przez architekturę i technologie, po realne, mierzalne korzyści, które przyniosło CM MED.

Głęboka diagnoza potrzeb – fundament skutecznego oprogramowania

Zanim napisano pierwszą linię kodu, zespół Gotoma Software House przeprowadził gruntowną analizę sytuacji w CM MED. Sukces każdego projektu software’owego, szczególnie w tak wrażliwym sektorze jak medycyna, zależy od precyzyjnego zrozumienia potrzeb użytkowników i specyfiki procesów biznesowych.

1. Identyfikacja kluczowych interesariuszy i mapowanie procesów: Pierwszym krokiem było zainicjowanie spotkania, podczas którego precyzyjnie ustalono kluczowych decyzyjnie pracowników klienta. Następnie stworzono szczegółową mapę istniejących uprawnień i zakresów obowiązków. Ten etap pozwolił zrozumieć, kto i w jaki sposób będzie korzystał z przyszłego systemu.

2. Warsztaty grupowe – odkrywanie ukrytych problemów: Każda z zidentyfikowanych grup roboczych (np. personel recepcji, technicy obsługujący Gamma Kamery, lekarze diagności) wzięła udział w odrębnych, dedykowanych warsztatach. To podejście okazało się niezwykle cenne. Jak podkreślają analitycy Gotoma Software House: „Warsztaty pozwoliły nam odkryć problemy i potrzeby specyficzne dla każdej grupy, często niezależne lub nawet sprzeczne z perspektywą innych zespołów. Dzięki temu stworzyliśmy kompletny, wielowymiarowy obraz sytuacji i zidentyfikowaliśmy rzeczywiste źródła niepowodzeń i nieefektywności, a nie tylko ich symptomy.”

3. Definiowanie MVP (Minimum Viable Product): Rozumiejąc złożoność wyzwań i ograniczenia czasowo-budżetowe, wspólnie z CM MED zdefiniowano zakres MVP. Ten pierwszy, kluczowy etap zakładał stworzenie wersji oprogramowania pozwalającej na realizację najbardziej palących potrzeb:

• Przeprowadzenie pełnego procesu rejestracji pacjenta.
• Zarządzanie niezależnymi od siebie harmonogramami pracy poszczególnych placówek.
• Umożliwienie w czasie rzeczywistym podglądu kolejek pacjentów.
• Monitorowanie dostępności kluczowych zasobów, takich jak urządzenia diagnostyczne (Gamma Kamery) w różnych lokalizacjach.

Już samo MVP miało na celu rozwiązanie podstawowych problemów koordynacyjnych i zapewnienie transparentności operacyjnej, co było fundamentem do dalszej rozbudowy systemu.

Architektura i stos technologiczny – serce systemu CM MED

Wybór odpowiedniej architektury i technologii był kluczowy dla zapewnienia skalowalności, bezpieczeństwa, wydajności oraz łatwości utrzymania i rozwoju systemu. Gotoma Software House podeszło do tego zadania strategicznie.

Dobór technologii – konsolidacja i efektywność

„W procesie wyboru mechanizmów kierowaliśmy się kilkoma czynnikami,” wyjaśnia lider techniczny projektu z Gotoma Software House. „Przede wszystkim dążyliśmy do minimalizacji liczby dostawców technologii, aby ułatwić klientowi późniejszy rozwój i utrzymanie systemu. Kluczowe były również koszty poszczególnych rozwiązań oraz czas potrzebny na ich wdrożenie i integrację.” Ostatecznie, rozwiązanie dla CM MED zostało zbudowane w oparciu o sprawdzone, bezpieczne i wydajne technologie z ekosystemu Microsoft, uzupełnione o nowoczesny framework frontendowy:

• Baza danych: Microsoft MS SQL Server – ze względu na niezawodność, skalowalność i zaawansowane funkcje bezpieczeństwa, kluczowe przy przetwarzaniu danych medycznych.
• Backend: Microsoft .NET Framework – dojrzała i wszechstronna platforma umożliwiająca tworzenie robustnych aplikacji serwerowych.
• Aplikacja okienkowa (desktop): Microsoft WPF (Windows Presentation Foundation) – wybrana do stworzenia interfejsu aplikacji działającej w sieci lokalnej, przeznaczonej do zaawansowanej pracy z obrazami medycznymi.
• Frontend (aplikacja internetowa): Google Angular – popularny i wydajny framework do budowy dynamicznych, responsywnych interfejsów webowych.
• System operacyjny serwerów/stacji: Microsoft Windows Pro i Server Edition.
• Architektura modułowa i wzorce projektowe: System nie był monolitem. Składał się z kilku współpracujących aplikacji, co zapewniało większą elastyczność i łatwość rozwoju poszczególnych komponentów:
• Aplikacja internetowa: Głównie na potrzeby koordynacji kolejek, rejestracji pacjentów i dostępu do podstawowych informacji dla szerokiego grona użytkowników.
• Aplikacja okienkowa (desktop): Dostępna jedynie w zabezpieczonej sieci lokalnej placówek, zaprojektowana specjalnie na potrzeby zbierania, zaawansowanej analizy i uwspólniania bazy danych obrazów z Gamma Kamer. To tutaj odbywała się kluczowa praca diagnostyczna.  Aplikacje zostały wykonane zgodnie z uznanymi wzorcami projektowymi, takimi jak MVVM (Model-View-ViewModel) dla aplikacji WPF oraz z wykorzystaniem REST API do komunikacji między komponentami. „Całość podzieliliśmy na różne solucje, tworząc niezależne moduły, które współpracują ze sobą dzięki precyzyjnie zdefiniowanym interfejsom i serwisom pośredniczącym (middleware). Taka architektura ułatwia testowanie, wdrażanie i ewentualne modyfikacje poszczególnych części systemu bez wpływu na resztę,” dodaje architekt oprogramowania z Gotoma Software House.
• Projektowanie UI/UX – technologia przyjazna użytkownikowi: Szczególną uwagę poświęcono projektowaniu interfejsu użytkownika (UI) i doświadczenia użytkownika (UX). Biorąc pod uwagę feedback, że personel medyczny CM MED mógł być „słabo posługujący się nowymi technologiami,” podejście musiało być wyjątkowo empatyczne. „Wszystkie interfejsy zostały zaprojektowane wspólnie z docelowymi użytkownikami systemu,” podkreśla specjalista UX z Gotoma Software House. „Prowadziliśmy liczne sesje konsultacyjne, prototypowaliśmy i testowaliśmy kolejne wersje, aby system był intuicyjny, łatwy w obsłudze i realnie wspierał ich w codziennej pracy, a nie stanowił dodatkowego obciążenia.”

Bezpieczeństwo danych medycznych i innowacyjne wykorzystanie AI

W sektorze medycznym bezpieczeństwo danych pacjentów jest absolutnym priorytetem. Jednocześnie, CM MED chciało wykorzystać potencjał nowoczesnych technologii, takich jak sztuczna inteligencja, do dalszej optymalizacji.

• Wielowarstwowe zabezpieczenia systemu: Gotoma Software House zaimplementowało szereg zaawansowanych mechanizmów bezpieczeństwa, aby chronić wrażliwe dane medyczne:
• Autoryzacja domenowa: Wykorzystanie Active Directory do zarządzania dostępem użytkowników.
• Szyfrowana komunikacja: Przesyłanie danych zaszyfrowanymi tokenami.
• Kontrola dostępu oparta na rolach: Zastosowanie Claims-based Authorization do precyzyjnego definiowania, jakie widoki i funkcjonalności są dostępne dla poszczególnych użytkowników i grup.
• Minimalizacja danych lokalnych: Ograniczenie liczby informacji przechowywanych po stronie urządzeń końcowych (np. w ciasteczkach).
• Logika biznesowa po stronie API: Zapewnienie, że kluczowe operacje i walidacje odbywają się na bezpiecznym serwerze.
• Ograniczenia lokalizacyjne: Blokowanie dostępu do systemu spoza wskazanych, zaufanych lokalizacji (np. sieci wewnętrznej placówek).
• Szyfrowanie HTTPS: Standardowe zabezpieczenie komunikacji webowej.  Rozwiązanie software’owe stworzone przez Gotoma jest zgodne z rygorystycznymi standardami ochrony danych, takimi jak RODO (GDPR), wytycznymi norm ISO oraz dyrektywą NIS.
• Sztuczna inteligencja (AI/ML) wspomagająca diagnostykę: Innowacyjnym elementem systemu było wdrożenie modułu opartego na uczeniu maszynowym, mającego na celu wsparcie lekarzy w procesie opisywania obrazów z Gamma Kamer.
• Proces trenowania modelu: „Uczenie maszynowe oparliśmy o zasilenie naszej bazy danych ogromną ilością zanonimizowanych obrazów, które wcześniej zostały precyzyjnie opisane przez wyszkolonych i doświadczonych lekarzy,” wyjaśnia specjalista ds. AI z Gotoma Software House. „Dzięki skali danych, jaką dysponowało CM MED wynikającej z liczby przeprowadzonych badań, pozwoliło to wytrenować model w sposób, który realnie przyspiesza opisywanie zdjęć z urządzeń medycznych, poprzez sugerowanie lekarzom wstępnych opisów lub wyróżnianie potencjalnie istotnych obszarów.”
• Korzyści i ograniczenia modułu AI: Efekty były zauważalne. „Obecnie opisywanie standardowych, typowych badań trwa dwukrotnie krócej niż przed wdrożeniem i wytrenowaniem modelu AI,” przyznaje CM MED. Niemniej, technologia ma swoje granice. „Nowe, niestandardowe lub rzadkie przypadki kliniczne wciąż wymagają pełnego zaangażowania, wiedzy i doświadczenia lekarza. Model AI jest cennym asystentem, ale nie zastąpi ludzkiej ekspertyzy, zwłaszcza w analizie nietypowych obrazów.”
• Integracja AI z systemem: Mechanizm AI działał w tle. W momencie, gdy lekarz otwierał zestaw zdjęć do analizy, system AI zaczynał przetwarzać obraz i w czasie rzeczywistym sugerować elementy opisu, adekwatnie do tego, co „widział” na zdjęciu. To płynne wkomponowanie w workflow lekarza było kluczowe dla akceptacji tej funkcjonalności.
• Wyzwania wdrażania AI w medycynie: Największym problemem okazała się ograniczona reprezentacja niektórych grup pacjentów w danych treningowych. „Społeczeństwo, z którego pochodziły dane, jest dość jednolite etnicznie i demograficznie. To spowodowało, że wytrenowanie modelu do skutecznego opisywania wyników badań dotyczących pewnych mniejszości było utrudnione z uwagi na zbyt małą, niereprezentatywną bazę danych. To unaoczniło nam, że w AI medycznym, reprezentatywność danych jest równie ważna, co ich ilość,” konstatuje zespół Gotoma Software House.

Druga część dostępna jest tutaj. Jeśli jeszcze nas nie obserwujesz, to teraz jest ten moment. Jeśli chcesz dowiedzieć się więcej, zapraszamy do kontaktu z naszymi specjalistami.