Implémenter l'IA dans l'application de santé basée sur l'IoT (Internet des objets) pour la logistique de santé

Client

Le client est une entreprise basée en Europe spécialisée dans la fourniture de solutions informatiques pour les entreprises de divers secteurs. Pour améliorer l'approche commerciale existante en mettant en place des technologies modernes, le client avait besoin d'une application de santé intégrée à l'IoT ainsi que de solutions d'IA visant à améliorer les conditions de travail des employés et accroître l’efficacité des services. Le client recherchait des experts dans le domaine du développement de logiciels d’IA.

Défi : Améliorer l'application de santé IoT avec l'IA

En tant que fournisseur expérimenté de services de développement de logiciels d'IA, DataSqueeze a été mis au défi d'entraîner un modèle d'apprentissage automatique (ML) pour améliorer la solution existante du client. Notre équipe d'ingénierie avait pour mission de construire un modèle capable de traiter efficacement de grandes quantités de données historiques et de données collectées à partir d'appareils portables afin de créer et d'envoyer des notifications push basées sur les données pour iOS.

Le composant IoT était un bracelet qui mesurait le rythme cardiaque du conducteur avant et pendant chaque trajet. Ces données n'étaient pas suffisantes pour une évaluation fiable de l'état de santé. Pour systématiser et traiter plus de données, la solution existante nécessitait un modèle supplémentaire basé sur le ML.

Solution : Modèle ML pour traiter plusieurs types de données et générer des notifications personnalisées

L'application de santé basée sur l'IoT est destinée aux conducteurs de véhicules commerciaux ayant des problèmes de santé. La prévention des urgences fait partie du programme de prise en charge des employés et de gestion des dépenses du propriétaire de l'entreprise.

L'équipe DataSqueeze a commencé par examiner en détail la solution existante. Nos experts en Recherche et développement IA se sont penchés sur les capacités de l'application existante pour déterminer les meilleures façons de l'améliorer.

En plus des données collectées via des bracelets, nous avons récupéré les types suivants de données pour le modèle en entrée :

• Le rythme cardiaque du conducteur
• Le genre et l'âge du conducteur
• Données historiques de fréquence cardiaque
• Informations météo
• Moment de la journée
• Itinéraire & destination

Les données collectées ont été intégrées à la base de données du client pour un traitement ultérieur. Ainsi, les sources de données suivantes ont été utilisées pour obtenir les données d'entrée du modèle ML :

Sur la base des données d'entrée complètes, nous avons formé le modèle pour accomplir les tâches suivantes :

• Analyser l'état de santé des conducteurs
• Détecter des problèmes de santé
• Générez des notifications push
• Envoyer des alertes et des recommandations aux conducteurs

L'algorithme divise la sortie reçue en 3 catégories ou zones. Selon l'une ou l'autre catégorie, différentes notifications push et recommandations sont envoyées aux conducteurs depuis le serveur. Les exemples sont présentés ci-dessous.

Pour accomplir la tâche, l'équipe DataSqueeze a utilisé le service Apple Push Notification (APNs) pour activer la fonctionnalité de notifications à distance. Notre équipe a également utilisé le service du client pour stocker et traiter les données.

Résultat : Solution de gestion des dépenses alimentée par ML, réduction des coûts grâce à l'automatisation des processus

L'équipe DataSqueeze a livré avec succès le modèle ML qui a permis la fusion entre IoT et l'IA pour améliorer l’application de santé du client. L’algorithme fourni a facilité l’analyse des données et permis des notifications push basées sur les données pour les appareils iOS.

L'algorithme embarqué a efficacement fonctionné avec différents types de données et a permis de créer des recommandations plus personnalisées. De plus, la solution de DataSqueeze a permis au propriétaire d'une flotte de véhicules commerciaux de mieux prendre soin des employés, d'améliorer les conditions de travail des conducteurs, de minimiser les risques sanitaires et de réduire les coûts en automatisant le service d'assistance en temps réel.

Commencez votre Projet de développement de logiciel IA avec DataSqueeze