Inspiracions
La inspiració per aquest projecte va néixer de la necessitat de millorar la comunicació i l'organització entre pacients i doctors. Vam observar que moltes clíniques i hospitals utilitzen sistemes antiquats o processos manuals que generen ineficiències i errors. A més, volíem oferir una solució que també contribuís a la detecció precoç de malalties pulmonars, un àmbit crític en la salut pública.
Qué fem
Hem desenvolupat una innovadora aplicació per facilitar la gestió de cites mèdiques, millorant l'experiència tant dels pacients com dels doctors. El projecte inclou dos components principals:
- Aplicació mòbil per als pacients: Permet als usuaris gestionar les seves cites mèdiques de manera senzilla i ràpida.
- Plataforma web per als doctors: Proporciona als professionals de la salut una eina per organitzar els seus horaris, consultar informació dels pacients i accedir a un predictor de malalties pulmonars.
Com l'hem construit
- Desenvolupament del Backend: Hem utilitzat Python i FastApi per construir un backend robust, capaç de gestionar dades de cites, pacients i resultats del predictor.
- Aplicació Mòbil: Hem creat una app híbrida amb Flutter per garantir compatibilitat a iOS i Android.
- Plataforma Web: Hem dissenyat una interfície moderna i funcional per als doctors, emprant Angular.js.
- Predictor de Malalties: Hem entrenat un model de machine learning basat en dades públiques anonimitzades, utilitzant Python i Scikit-learn.
Reptes amb què vam trobar
- Equilibrar la Usabilitat i la Seguretat: Dissenyar una experiència fàcil d'usar mentre es protegeix la informació.
Assoliments dels cuals estem orgullosos
- Creació d'un predictor funcional de malalties pulmonars: Hem implementat un model de machine learning que ja mostra resultats prometedors en la detecció precoç de malalties.
- Una experiència d'usuari intuïtiva: Els primers usuaris han destacat la facilitat d'ús tant de l'aplicació mòbil com de la plataforma web.
El que hem après
- Desenvolupament d'aplicacions mòbils: Hem après a construir interfícies intuïtives i accessibles per als usuaris.
- Integració d'algorismes de Machine Learning: Hem dissenyat un predictor de malalties pulmonars utilitzant tècniques d'aprenentatge automàtic i dades mèdiques.
- Seguretat i privadesa de dades: Hem implementat mesures estrictes per protegir la informació sensible dels pacients.
Futur de FibroPred
- Ampliació del Model de Machine Learning: Incorporar més dades i millorar la precisió del predictor.
- Noves Funcionalitats: Afegir recordatoris automàtics, integracions amb dispositius IoT de salut i teleconsultes.
- Escalabilitat: Implementar la solució en més clíniques i hospitals.
Log in or sign up for Devpost to join the conversation.