De uitdaging
Een grote leverancier van zorgtechnologie en -diensten, gespecialiseerd in farmaceutische oplossingen en data-analyse in de zorg, was afhankelijk van het handmatig tellen van pillen.
Handmatig tellen is traag en foutgevoelig. Het veroorzaakt knelpunten die gevolgen hebben voor voorraadbeheer, patiëntveiligheid en naleving van regelgeving. De klant had een proof of concept nodig dat specifieke farmaceutische producten op NDC-code kon herkennen en tellen op foto’s, ook op beelden met meerdere soorten pillen tegelijk, met een nauwkeurigheid op farmaceutisch niveau.
Onze oplossing
Wij ontwikkelden een computervisionsysteem op basis van een diep neuraal netwerk, gefinetuned voor het detecteren en tellen van medicijnpillen en getraind op beelden met hoge resolutie uit meerdere categorieën.
De inferentiepipeline levert voorspellingskaders met betrouwbaarheidsscores op, die met precisie, recall en F1 worden getoetst aan de ground truth.
- Kleine en grote modelvarianten om nauwkeurigheid en rekenkracht in balans te brengen
- Gebruikersinterface om beelden te uploaden, de betrouwbaarheidsdrempel aan te passen en resultaten in realtime te visualiseren
- Volledige technische documentatie en broncode overgedragen aan de klant
Het resultaat
Het systeem behaalde meer dan 99,9% precisie, recall en F1-score over alle voorspellingen, een grote verbetering ten opzichte van handmatige methoden. Zorgorganisaties kunnen farmaceutische voorraadprocessen automatiseren, medewerkers inzetten voor waardevollere patiëntenzorg en naleving consistent en controleerbaar houden.
Dezelfde aanpak is toepasbaar op bredere kwaliteitscontrole in de zorg, zoals inspectie van medische hulpmiddelen, validatie van geneesmiddelenproductie en automatisering van klinische studies. Ook kan de oplossing meeschalen langs de farmaceutische toeleveringsketen, van productie tot apotheek.
