Studium przypadku
Aplikacja AI do obrazowania medycznego
Produkt medyczny wykorzystujący potok ML do analizy zdjęć rentgenowskich stawów, zintegrowany bezpośrednio z procesami inżynieryjnymi klienta.
45+ zadań • 3 uczestników • 4 działy
Wyzwanie
Prace backendowe musiały wpasować się w kod ML należący do klienta i proces zgłoszeń GitHub.
Rezultat
Realizację backendu i potoku ML koordynowano osobno dla każdego zgłoszenia w GitHubie: uwierzytelnianie lekarzy i pacjentów, historia obrazowania i orkiestracja potoku.
Skład zespołu: 2 backend, 1 PM/BA.
Mój wkład
Koordynowałem orkiestrację potoku na Celery i RabbitMQ, migrację bazy danych Azure, zmiany API i schematów oraz procesy autoryzacji i weryfikacji — w rytmie pracy wewnętrznego zespołu ML klienta.
Co wdrożono
- Proces obrazowania AI wbudowany w kod ML klienta
- Uwierzytelnianie lekarz/pacjent i historia obrazowania
- Orkiestracja potoku na Celery/RabbitMQ, migracja bazy Azure
Technologie
- Python
- Celery
- RabbitMQ
- Azure
- PostgreSQL
- integracja potoku ML
- GitHub