Die Herausforderung
Ein großer Anbieter von Technologie und Dienstleistungen für das Gesundheitswesen, spezialisiert auf pharmazeutische Lösungen und Gesundheitsdatenanalyse, zählte Tabletten bisher manuell.
Manuelles Zählen ist langsam und fehleranfällig. Es erzeugt Engpässe, die Bestandsmanagement, Patientensicherheit und die Einhaltung regulatorischer Vorgaben beeinträchtigen. Der Kunde benötigte einen Proof of Concept, der bestimmte Pharmaprodukte anhand des NDC-Codes auf Fotos erkennt und zählt – auch auf Bildern mit mehreren Tablettenarten gleichzeitig – und zwar mit einer Genauigkeit auf pharmazeutischem Niveau.
Unsere Lösung
Wir haben ein Computer-Vision-System auf Basis eines tiefen neuronalen Netzes entwickelt. Es wurde für die Erkennung und Zählung pharmazeutischer Tabletten feinabgestimmt und mit hochauflösenden Bildern aus mehreren Kategorien trainiert.
Die Inferenz-Pipeline erzeugt Vorhersageboxen mit Konfidenzwerten, die anhand der Ground Truth mit den Metriken Precision, Recall und F1 bewertet werden.
- Kleine und große Modellvarianten, um Genauigkeit und Rechenbedarf auszubalancieren
- Benutzeroberfläche für Bild-Upload, Anpassung der Konfidenzschwelle und Visualisierung der Ergebnisse in Echtzeit
- Vollständige technische Dokumentation und Quellcode an den Kunden übergeben
Das Ergebnis
Das System erreichte über alle Vorhersagen hinweg mehr als 99,9 % Precision, Recall und F1-Score – eine deutliche Verbesserung gegenüber manuellen Methoden. Organisationen im Gesundheitswesen können so pharmazeutische Bestandsprozesse automatisieren, Personal für wertschöpfendere Patientenversorgung einsetzen und die Compliance konsistent und prüfbar halten.
Derselbe Ansatz eignet sich für die Qualitätskontrolle im Gesundheitswesen insgesamt, etwa für die Prüfung von Medizinprodukten, die Validierung in der Arzneimittelherstellung und die Automatisierung klinischer Studien. Er lässt sich entlang der pharmazeutischen Lieferkette von der Herstellung bis zur Apotheke skalieren.
