Gesundheits-App mit IoT & AWS: Fallstudie

Die Gesundheitsbranche erlebt ein rasantes Wachstum und einen tiefgreifenden Wandel, angetrieben durch technologische Fortschritte und sich ändernde Verbraucherpräferenzen. Die weltweiten Gesundheitsausgaben überstiegen im Jahr 2020 8 Billionen US-Dollar und werden voraussichtlich weiter steigen. Digitale Investitionen schossen 2021 auf 57 Milliarden US-Dollar in die Höhe, mit einem erheblichen Fokus auf Telemedizin und psychische Gesundheit. Darüber hinaus gab es einen starken Anstieg der Anzahl digitaler Gesundheits-Startups, wobei Technologiegiganten wie Amazon ihre Präsenz im Gesundheitswesen ausbauen.

Eine der treibenden Kräfte hinter diesem Wandel ist das sich verändernde Verhalten und die Präferenzen der Gesundheitsverbraucher. Patienten suchen zunehmend nach bequemen, zugänglichen und personalisierten Gesundheitslösungen. Infolgedessen hat die Nutzung von Telemedizin, Wearable Devices und Gesundheits-Apps zugenommen, die es Einzelpersonen ermöglichen, ihre Gesundheit aus der Ferne zu überwachen und proaktive Maßnahmen zur Verwaltung ihres Wohlbefindens zu ergreifen.

Regierungen leiten Initiativen zur Modernisierung des Gesundheitssystems, mit dem Ziel, den Papierkram zu eliminieren und den Einsatz digitaler Technologien zu erhöhen. Investitionen in digitale IT, wie das IoT in der Medizin, nehmen zu und revolutionieren die Patientenversorgung durch Echtzeit-Datenerfassung und Fernüberwachung.

Während sich die Gesundheitsbranche weiterentwickelt, spielt digitale Innovation eine entscheidende Rolle bei der Verbesserung des Zugangs zur Versorgung, der Steigerung der Patientenbeteiligung und der Erzielung besserer Gesundheitsergebnisse weltweit. Insgesamt sind wir bei Jetbase stolz darauf, Teil dieses globalen Wandels zu sein, indem wir innovative IT-Projekte im Gesundheitswesen entwickeln.

In diesem Artikel freuen wir uns, unsere Fallstudie – ein medizinisches Web- und Mobile-App-Entwicklungsprojekt – detailliert vorzustellen. Dabei beleuchten wir aufgetretene Probleme, Entwicklungslösungen, die alle auf einer serverlosen Architektur von AWS basieren. Wir wünschen Ihnen eine angenehme Lektüre und zögern Sie nicht, uns bei Bedarf zu kontaktieren.

Unser Projekt integriert eine mobile und webbasierte Gesundheitslösung mit Modulen wie Remote Patient Monitoring (RPM) und Chronic Care Management (CCM).

Die RPM-Lösung bietet Kliniken eine Webplattform für die patientennahe Echtzeitüberwachung und prädiktive Analyse. Sie sammelt Daten von an IoT angebundenen medizinischen Geräten.

Das CCM ist ein weiteres Modul, in dem Anbieter für Kliniken Medikamente verschreiben, Gesundheits- und persönliche Ziele festlegen, Allergien verfolgen und vieles mehr können. Beide Module optimieren administrative Aufgaben und speichern Daten sicher.

Aus Sicht der Benutzererfahrung ermöglicht die Webplattform Ärzten und anderem medizinischem Personal, die Gesundheit der Patienten in Echtzeit zu überwachen. Sie verfolgt auch die Aktivitäten der Ärzte, speichert alle Datenberichte im System und erleichtert die Rechnungsbegleichung. Gleichzeitig ermöglicht die mobile App Patienten, ihre Gesundheit in Echtzeit aus der Ferne zu überwachen, und bezieht Familienmitglieder für eine effiziente Versorgung mit ein.

Zusammen verbinden diese Web- und mobilen Entwicklungslösungen Gesundheitsdienstleister und Patienten und verbessern das Fernmanagement im Gesundheitswesen. Lesen Sie weiter, um zu erfahren, wie wir bei Jetbase das Projekt gestartet und bis heute kontinuierlich verbessert haben.

Der Kunde ist ein Anbieter von medizinischen Geräten für Kliniken. Vor etwa 3,5 Jahren kontaktierte er uns, um die Arbeit an einer bestehenden Software fortzusetzen, die mit Geräten zur Berechnung von Rechnungen auf Basis von Messwerten verbunden ist.

Das Ziel des Kunden war es, eine mobile Anwendung für Patienten, die diese Geräte nutzen, und eine Webanwendung für medizinisches Personal und Klinikadministratoren zu erstellen, um den Patientenzustand und die Mitarbeiterarbeit zu verfolgen. Für den Kunden war es auch wichtig, dass das Projekt in Zukunft skalierbar ist.

Bis heute wurden alle ursprünglich gesteckten Ziele erreicht – das Projekt ist gestartet und entwickelt sich kontinuierlich weiter. Das zukünftige Ziel ist es, das Projekt in ein Software-as-a-Service (SaaS)-Produkt zu überführen und auf dem freien Markt einzuführen.

Zunächst haben wir ein MVP – ein Minimum Viable Product – erstellt. Anschließend haben wir Tests durchgeführt und Fehler behoben. All dies dauerte etwa 7 Monate. Die Testphase trug maßgeblich dazu bei, das Produkt in seiner heutigen Form zu gestalten. Insgesamt haben wir dem Kunden geholfen, das Produkt zu skalieren und einzuführen, und wir unterstützen seine Entwicklung bis heute.

Gemeinsam mit dem Kunden verbessern wir das Produkt kontinuierlich. Eine der Erweiterungen umfasst die Implementierung von KI. Beispielsweise ermöglicht unser verbundener Dienst in Situationen, in denen kritische Daten empfangen werden und eine schnelle Reaktion erforderlich ist, das Vorschreiben einer Textantwort.

Dies beinhaltet die Verwendung verfügbarer Daten innerhalb des Systems, wie den vollständigen Namen und die klinische Situation, sowie Vorlagenphrasen für Begrüßungen und Verabschiedungen. Die wesentlichen Informationen werden jedoch immer vom Arzt überprüft, bevor sie an den Patienten gesendet werden. So arbeiten KI und Mensch zusammen.

Kürzlich haben wir auch eine Funktion zum Senden von SMS-Nachrichten hinzugefügt und verbessern diese derzeit. Konkret erstellen wir ein Dashboard, das es dem Arzt ermöglicht, auf Patientendaten zuzugreifen und bei Bedarf eine Nachricht zu senden, ohne den Browser verlassen zu müssen (siehe Abbildung oben).

Auf Wunsch des Kunden haben wir einen weiteren KI-Dienst implementiert. Dies ist ein Dienst zur Bewertung des Tonfalls in Nachrichten. Es ist wichtig, die Qualität der Kommunikation zwischen medizinischem Fachpersonal und Patienten zu beurteilen.

Wir sind noch dabei, neue Funktionen zu implementieren, aber hier ist eine Liste derer, die bereits implementiert und getestet wurden:

Warum wir AWS Serverless Lambda Services für dieses Gesundheitsprojekt gewählt haben

Die Wahl von AWS Lambda war offensichtlich, denn in diesem Fall zahlen Sie nur für die genutzten Sekunden und Megabytes. Und wenn keine Aktivität stattfindet, zahlen Sie nichts. Außerdem müssen Sie nicht für den Server zahlen und sich keine Sorgen machen, da AWS dies automatisch steuert. Es ist anspruchslos und kann mehr als hundert Anfragen verarbeiten. Dank der On-Demand-Funktion von AWS Serverless müssen wir uns keine Gedanken über Lasten machen. Natürlich könnten wir irgendwann an die Grenzen stoßen, aber das wäre eine andere Geschichte.

Es gibt auch Nachteile. Hier ist, was unser Jetbase-Experte dazu und zur Wahl von AWS Serverless im Allgemeinen sagt:

„Auf dem gewählten Weg wird es immer Vor- und Nachteile geben. Die Nachteile des serverlosen AWS Lambda sind seine Grenzen. Zum Beispiel gibt es ein Laufzeitlimit von 15 Minuten, was bedeutet, dass Sie feststecken, wenn Sie einen Prozess haben, der länger als 15 Minuten läuft. Sie müssen nachdenken und eine Umgehungslösung finden, wie z.B. den Prozess, wenn möglich, aufzuteilen, oder Sie können AWS Fargate in Betracht ziehen, ebenfalls eine serverlose Compute Engine, oder andere Lösungen. Ein weiterer Nachteil ist, dass AWS Lambda auch Speichergrenzen hat. Je nachdem, welche Funktion Sie implementieren wollen, sollten Sie diese Grenzen kennen und angehen…“ Shuhrat B. Full Stack Developer, Team Lead bei Jetbase

Auf unserem Weg stießen wir auf mehrere Herausforderungen, eine davon war die Verarbeitung von Berichten. Bei einer großen Anzahl aktiver Benutzer, die Berichte generieren und versenden, wurde der Prozess zeitaufwändig und überschritt das 15-Minuten-Limit. Um dieses Hindernis zu überwinden, griffen wir auf Amazons Simple Queue Service (SQS) zurück, ein leistungsstarkes Tool, das sich als Wendepunkt erwies.

Unsere Lösung bestand darin, die Berichte aufzuteilen und für jeden aktiven Benutzer eine Nachricht in der SQS zu erstellen. Am anderen Ende der Warteschlange implementierten wir einen Handler, der Berichte für einzelne Benutzer verarbeiten und senden würde. Dieser Ansatz reduzierte die Verarbeitungszeit der Berichterstellung für Benutzer erheblich und stellte sicher, dass kein Bericht länger als 15 Minuten zum Generieren und Senden benötigte. Da wir keine strenge Zeitvorgabe für das Versenden dieser Berichte hatten, hat uns und unseren Kunden diese gewählte Methode zufriedengestellt.

Durch den Einsatz von SQS konnten wir unseren Berichtsprozess-Workflow optimieren und die Gesamteffizienz unseres Systems verbessern. Diese Erfahrung unterstreicht die Bedeutung der Erkundung und Nutzung der verschiedenen von Amazon Web Services angebotenen Dienste, um Herausforderungen zu meistern und die Leistung in unseren Projekten zu optimieren.

Einige Vor- und Nachteile von AWS Serverless Server für Ihr Healthcare-IT-Projekt

AWS Serverless Services sind für Ihr Webentwicklungsprojekt im Gesundheitswesen von Vorteil, da:

• Es ist kosteneffizient – Sie zahlen nur für die genutzten Ressourcen, gemessen in Sekunden und Megabytes.
• Es ist skalierbar – die Schönheit der automatisierten Skalierbarkeit kann nicht hoch genug eingeschätzt werden, da Ressourcen je nach Bedarf zugewiesen werden, um eine optimale Nutzung zu gewährleisten.
• Die Infrastruktur kann verwaltet werden – AWS übernimmt die Serverwartung und -skalierung, was den Betriebsaufwand reduziert.

Es gibt jedoch Faktoren, die bei der Nutzung von AWS Serverless Services für Ihr Healthcare-IT-Projekt zu berücksichtigen sind:

• Ressourcenbeschränkungen – einige Aufgaben unterliegen zeitlichen Beschränkungen, was kontinuierliche oder langlaufende Prozesse potenziell einschränken kann.
• Latenzbedenken – komplexe Operationen oder Aufgaben zur großskaligen Datenverarbeitung können zu Verzögerungen führen.
• Abhängigkeit von globalen AWS-Systemen – die Abhängigkeit von AWS-Diensten kann zu einem Vendor Lock-in und langfristig zu eingeschränkter Flexibilität führen.

Trotz der Nachteile ziehen wir es vor, AWS Serverless für IT-Projekte im Gesundheitswesen zu wählen, da jahrelange Erfahrung seine Wirksamkeit und Stabilität gezeigt hat.

Zu Beginn des Projekts legte der Kunde mehrere Schlüsselanforderungen dar. Zum Beispiel äußerten sie den Wunsch nach sofortigen Benachrichtigungen bei der Registrierung eines Patienten – was eine prompte Gerätedisposition ermöglicht.

Bezüglich der Architekturauswahl konnte der Kunde zwar Inputs geben, wir schlugen jedoch unsere eigene Version vor. Um beispielsweise hohe Mengen an Messwerten und Aktionen (wie Anrufe und Kommentare) zu verarbeiten, schlugen wir vor, zu implementieren

Wie im Diagramm dargestellt, können Ärzte vom Dashboard aus Telefonanrufe initiieren – in diesem Fall wird das Amazon Connect SDK gestartet, um Patienten mit medizinischen Spezialisten zu verbinden. Für uns ist es entscheidend, die Anrufdetails wie Dauer für die Abrechnungsberechnung und Anrufprotokollierung zur Analyse der Patientenzufriedenheit zu verfolgen.

Unser System muss Anrufe genau verfolgen und aufzeichnen, um eine Genauigkeit von nahezu 100 % zu erreichen, da dies eine kritische Funktion ist. Daher haben wir als Team empfohlen, einen Warteschlangenansatz zu verwenden, um die Kontrolle über das System zu gewinnen und Funktionen wie Wiederholung bei Fehlschlag oder das Speichern fehlgeschlagener Nachrichten für spätere Aktionen zu ermöglichen.

Welche Dienste wurden in das Projekt integriert

Im Projekt gibt es so viele Integrationen mit anderen Diensten, dass es unmöglich ist, sie alle aufzulisten. Hier sind nur einige davon:

Twilio – ein SMS-Dienst zum Versenden von Nachrichten an Benutzer. Monday – ein Benutzerregistrierungsdienst. Tray – wird zur Automatisierung von Workflows, wie dem Versenden von Berichten, verwendet. Stitch – ein ETL (Extract, Transform, Load) Dienst zur Integration und Verarbeitung von Big Data. Während wir die Integration mit Stitch erleichtern, bieten sie auch ihr eigenes Tool zur Datenabfrage und -analyse an. Azure ChatGPT – ein Dienst, der zur Analyse von Messwerten und zur Bereitstellung von Kommentaren eingesetzt wird. Auth0 – ein Autorisierungs- und Authentifizierungsdienst. Files.com – ein Dienst zur Dateispeicherung und Berichterstattung.

Das Wesen des Projekts dreht sich um die Übertragung von Daten von medizinischen Geräten über den Server an die Anwendungen. Diese gefilterten Daten sind dann sowohl für Ärzte und Patienten als auch für Klinikmitarbeiter und Versicherer zugänglich, die einen Überblick benötigen und Berichte erhalten.

Die Datenübertragung erfolgt nahezu in Echtzeit, sodass medizinisches Personal im Notfall sofort eingreifen kann. Es hilft Patienten auch, Zeit und Geld zu sparen, die sie typischerweise für Reisen zu Kliniken und medizinischen Einrichtungen aufwenden würden.

In unserem Fall wurden verschiedene Geräte angeschlossen, wie zum Beispiel:

— Fernüberwachung von Patienten — Blutzuckermessgeräte — Sturzerkennungsgeräte — Pulsoximeter — Blutdruckmessgeräte — Smarte Thermometer — Fitness-Tracker — Gewicht — Schlafmatte

Wir stießen bei der Integration auf keine Probleme, außer vielleicht bei der Synchronisierung der Messdatenerfassungszeiten. Zum Beispiel sendeten einige Geräte Daten gemäß den Zeitzonen der Patienten, während andere UTC verwendeten. Wir mussten dieses Problem lösen, um die Datengenauigkeit zu gewährleisten.

Für die Organisation und Speicherung von Daten nutzten wir Amazon DynamoDB, das sich je nach Datenvolumen skaliert, egal ob es weniger oder mehr ist, ohne die Systemeffizienz zu beeinträchtigen. Es gibt keine Wartezeit für die Anpassung. Der gesamte Ablauf und die Architektur sind im Diagramm dargestellt.

Ein weiterer Dienst, den wir für ein bequemes Datenmanagement integriert haben, ist Elasticsearch, das hilft, spezifische Messwerte oder andere Daten schnell zu finden. Der Dienst unterstützt auch die intelligente und schnelle Analyse von Daten.

IoT bietet Echtzeit-Datenüberwachungs- und -verfolgungsfunktionen, die es Gesundheits-Apps ermöglichen, zeitnahe Einblicke in den Gesundheitszustand von Patienten zu geben. Durch die Integration von IoT-Technologie können Gesundheits-Apps die Fernüberwachung von Patienten verbessern, die Therapietreue erhöhen und die Früherkennung von Gesundheitsproblemen erleichtern, was letztendlich zu besseren Patientenergebnissen führt

Welche Probleme gab es auf Entwicklerseite

Sicherlich standen wir vor einigen Herausforderungen. Wir scheuen uns nicht, sie zu besprechen, denn sie wurden alle gelöst. Zum Beispiel stießen wir, wie bereits erwähnt, auf Schwierigkeiten bei der Synchronisierung der Messdatenerfassungszeiten. Es war zwingend erforderlich, dieses Problem anzugehen, um die Datengenauigkeit zu gewährleisten.

— Verzögerung bei der Erfassung von Messwerten

Darüber hinaus erhielten wir aufgrund der Gerätelatenz einige Messwerte sehr spät, manchmal sogar Messwerte der Vorwoche. Dies führte zu Verwirrung bei Ärzten und Patienten, da die heute erhaltenen Messwerte als heutige Messwerte angezeigt wurden, obwohl sie eine Woche zuvor erfasst worden waren.

— Probleme bei eingehenden Anrufen

Wir stießen auf Probleme mit eingehenden Anrufen von unbekannten Telefonnummern (d.h. Telefonnummern, die nicht in unserem System registriert sind). In solchen Fällen haben wir eine Lösung entwickelt, um diese Anrufe anhand der Patienten-ID zu verfolgen, die Ärzte oder Agenten während des Anrufs implementieren können. Folglich haben wir einen halbautomatisierten Prozess zur Verfolgung von Anrufen von unbekannten Nummern etabliert und arbeiten noch an der Lösung des Problems.

— Probleme mit Datenverlust Mit zunehmender Anzahl aktiver Patienten stießen wir auf Probleme beim Verlust einiger Messwerte. Es traten unerwartete Fehler auf, die uns daran hinderten, die Messdaten zu transformieren und in der Benutzeroberfläche anzuzeigen.

— Probleme bei der Berichtsverteilung

Anfangs erhielten nur 30-50 von 500 Kliniken Berichte. Dieses Problem haben wir jedoch inzwischen gelöst, und nun werden alle Berichte am 1. jedes Monats verteilt. Obwohl dieser Prozess immer noch Zeit in Anspruch nimmt – von frühmorgens bis 18 Uhr, etwa 4-5 Stunden – wird er innerhalb eines einzigen Arbeitstages abgeschlossen. Sollte die Anzahl der Kliniken 500 überschreiten, werden wir die Situation entsprechend angehen.

Was die Patienten betrifft, so gibt es Zehntausende, und wir haben es erfolgreich geschafft, Berichte an alle innerhalb eines einzigen Tages zu senden. Darüber hinaus ist unser Kunde auch mit einer Verzögerung von mehreren Tagen zufrieden.

Wir hoffen, dass unser Fallstudienartikel für Sie hilfreich war. Unser Ziel war es, transparente Informationen über die Entwicklung unserer digitalen Gesundheitslösung für das IoT-System bereitzustellen, die Herausforderungen, denen wir begegnet sind, und wie wir sie gemeistert haben, detailliert darzulegen. Darüber hinaus haben wir die von uns genutzten Dienste erläutert und begründet, warum wir AWS Lambda Serverless Services für unser medizinisches Webentwicklungsprojekt gewählt haben.

Mit langjähriger Erfahrung im Bereich der Gesundheitsentwicklung verstehen wir die Feinheiten und Komplexitäten beim Aufbau robuster und skalierbarer Lösungen. Wenn Sie über ein medizinisches Projekt nachdenken oder Unterstützung bei der Entwicklung von Gesundheitssoftware benötigen, sind wir bestens gerüstet, um unser Fachwissen und unsere Unterstützung anzubieten. Zögern Sie nicht, uns für eine Beratung und Zusammenarbeit bei Ihrer nächsten Gesundheitsinnovationsreise zu kontaktieren.

Und wenn Sie weitere Unterstützung bei der Entwicklung im Gesundheitswesen benötigen, beachten Sie bitte, dass wir einen speziell erstellten Leitfaden 'Healthcare Development Cost 2025' haben, der Ihnen Einblicke in Budgetierung und Investitionen geben wird.