Entwicklung eines AI gestützten medizinischen Hundehalsbands zur Erkennung von Osteoarthritis

In Kollaboration mit einem US-amerikanischen Start-up-Unternehmen, konnten wir eine praxistaugliche Methode für Tierkliniken und Hundebesitzer entwickeln.

Smarte Hardware zur Prävention

Aniv8 ist ein BioTech-Startup mit Sitz in den Vereinigten Staaten und wurde 2020 von erfahrenen Veterinärmedizinern gegründet. Gemeinsam mit unserem Team von Deeptech-Produktberater:innen wollten sie ein innovatives Halsband mit eingebauten Sensoren für Hunde entwickeln.

Die Idee war, die automatische Erkennung und Diagnose von Arthrose anhand der Bewegungen der Tiere zu unterstützen. Osteoarthritis ist schmerzhaft und betrifft bis zu 25% aller Hunde.

Das Projekt war als Abonnement basierter Dienst konzipiert und richtete sich zunächst an professionelle Tierkliniken. Zunächst sollte das intelligente Halsband nur an Hunden getestet werden, mit der Perspektive, den Anwendungsbereich auf andere vierbeinige Tiere wie Katzen auszuweiten.


Die Herausforderungen von Innovationen

Aniv8 suchte einen Partner, der ihnen bei der Entwicklung einer End-to-End-Lösung helfen konnte. Dazu gehörte die Entwicklung der Softwareplattform, die Entwicklung der Hardwareelektronik und der Sensoren sowie die Bereitstellung einer Software, die die Daten der Hardware über Bluetooth Low Energy auslesen kann. Schließlich sollten mobile und Desktop-Anwendungen für Endbenutzer:innen und Tierärzte entwickelt werden.

Nachdem die erste Finanzierung gesichert war, begann die Suche nach einem Technologiepartner, der bei der Implementierung der Soft- und Hardware helfen konnte. Zuerst sollte ein MVP erstellt werden, um zu prüfen, ob es technisch möglich ist, maschinelles Lernen zur Lösung einer solchen Herausforderung einzusetzen. Mehr als 180.000 USD waren bereits für die Zusammenarbeit mit anderen Anbietern ausgegeben worden, und die Suche brachte nicht die erwarteten Ergebnisse. Das Budget wurde knapp.


Technologische Kompetenz von punktum als Retter in der Not

Als sich das Unternehmen an uns wandte, hatte es einen niedrigen Technology Readiness Level (TRL) und es war unklar, ob die Produktidee umgesetzt werden könnte. Sie benötigten eine robuste Methodik, um das Projekt voranzutreiben.

In unserer Rolle als Interim Product Owner konnten wir erste Discovery Workshops mit dem Aniv8 Team durchführen. Unsere Experten analysierten den aktuellen Stand und schlugen eine neue Roadmap vor, um schnelle Fortschritte zu erzielen.

Optimale Lösung für dieses Ziel: Deep Learning

Wir haben einen Deep-Learning-Ansatz vorgeschlagen, um eine erste Klassifizierung vorzunehmen, den Schweregrad der Erkrankung zu bewerten und anschließend Daten für die weitere Überwachung der Erkrankung zu extrahieren. Gemeinsam wurde beschlossen, Deep-Learning-Modelle und ein tiefes neuronales Netzwerk für Bilddaten zu verwenden, um Muster in den gesammelten Rohdaten zu erkennen.

Vor der Entwicklung des Algorithmus stellte unser Team aus internationalen Wissenschaftler:innen schnell fest, dass die Lerndaten des Patienten (die Aktivitäten der Hunde) zunächst bereinigt werden mussten, um sicherzustellen, dass sie korrekt annotiert und verwertbar waren.

Hardware sensor and initial data classification.

Auf der Grundlage dieser Daten entwickelten unsere Expert:innen den Algorithmus für maschinelles Lernen und das Produktkonzept, wodurch der positive Nachweis erbracht wurde, dass die Lösung gebaut und skaliert werden kann. Unsere Gesamtlösung umfasste die Entwicklung geeigneter KI-Verarbeitungsalgorithmen und die Modellierung der Sensordaten (Beschleunigungsmesser und Gyroskope).

Unsere Ergebnisse ermöglichten es, alle Daten zu sortieren und die wichtigsten Merkmale zu extrahieren, um den Schweregrad der OA bei einem bestimmten Hund zu klassifizieren. Als Nächstes legten wir Meilensteine und mögliche weitere Schritte auf dem Weg zu dem Produkt fest, das sich das Start-up vorstellte.

Data pre-processing and transformation.

Unser Partner war von den Ergebnissen der Zusammenarbeit begeistert. Unsere schnelle Lieferung und die Qualität der intelligenten Lösung, die wir mit einem festen und knappen Budget für ein Produkt mit einem noch sehr niedrigen TRL in der Prototypenphase geliefert haben, waren besonders wertvoll.


Die Lösung in Zahlen

180 Stunden

Ursprünglich wurden 240 Stunden veranschlagt, die Ergebnisse lagen bereits innerhalb von 180 Stunden vor.

60 000 USD

Wir haben für nur 60.000 USD eine umfassende Produkt-Roadmap erstellt und eine intelligente und schlanke Lösung für diesen Start-up-Kunden entwickelt.

Über 80%

Tests haben gezeigt, dass die vorgeschlagene Lösung Krankheit und Schweregrad mit über 80% Genauigkeit erkennt.


Unser Prozess: vom schnellen Projektstart bis zum erfolgreichen Prototypentest und der Auslieferung

  1. Erkundung und Analyse mit dem Kunden, um den Geschäftskontext und die übergeordneten Ziele zu verstehen

  2. Überprüfung der Arbeiten früherer Partner

  3. Bewertung der technischen Durchführbarkeit des Produkts

  4. Planung der Meilensteine des Innovationsprozesses und einer Produkt-Roadmap

  5. Vorschlag einer Entwicklungsmethodik und eines Lösungskonzepts zur Schaffung eines tragfähigen Produkts

  6. Entwicklung und Verifikation von Algorithmen

  7. Erarbeitung des Technologiekonzeptes für weitere Erprobungen im Großen Maßstab


Unser Spektrum an Dienstleistungen

Die Gründer des Start-up-Unternehmens hatten eine klare Vorstellung von dem Produkt und eine gut durchdachte Roadmap. Sie brauchten jemanden, der sie mit fundiertem technologieübergreifendem Wissen unterstützt, um das komplexe, auf maschinellem Lernen basierende Produkt bereitzustellen.
  • Discovery and analysis

  • Product roadmap

  • Data analysis

  • Deep neural network

  • AI modelling

  • Hardware advisory

Schritte zur optimalen Lösung

  1. Datensatz bereinigen: Erster notwendiger Schritt, um eine Bewertung durchzuführen und eine Lösung zu entwickeln.

  2. Nachweis der Realisierbarkeit des Produkts: Feststellung, ob das Produkt realisierbar ist und ob weitere Arbeiten am Deep-Learning-Modell sinnvoll und in der weiteren Entwicklung realisierbar sind.

  3. Vorschlag einer praktikablen Methodik zur Erhöhung des TRL: Nach umfangreichen Tests wurde die Umsetzung des Produktes als machbar eingestuft. Anschließend konnten die Methodik für die weitere Entwicklung, die Lernmodelle sowie eine mögliche Ausweitung des Use Cases auf andere Tiere festgelegt werden.


Let's build something great together!

Your inquiry