La gestió de dades clíniques procedents de dispositius IoT planteja reptes específics d’integració, organització i visualització. MiceLab, una grup de recerca de l’Institut d’Informàtica i Aplicacions de la Universitat de Girona, necessitava una solució mòbil capaç d’estructurar la informació recopilada durant els seus estudis sobre diabetis i facilitar-ne la consulta per part d’investigadors, professionals sanitaris i pacients.

Per donar resposta a aquesta necessitat, vam desenvolupar una aplicació Android basada en Kotlin Multiplatform. La solució permet visualitzar informació clínica en temps real, organitzar les dades per estudis i mantenir una experiència fluida fins i tot quan es representen grans volums de registres.

Informació del projecte.

Client
MiceLab – Institut d'Informàtica i Aplicacions (Universitat de Girona).

Sector
Recerca sanitària.

Servei
Desenvolupament de programari a mida.

Tecnologies principals
Kotlin Multiplatform, Jetpack Compose, Ktor, IoT.

Objectiu
Visualitzar i gestionar dades clíniques procedents de dispositius IoT utilitzats en estudis sobre diabetis.

El repte: transformar dades clíniques en informació interpretable.

MiceLab utilitza dispositius IoT de tercers en els seus estudis sobre diabetis i els integra amb dispositius mòbils per recopilar dades o validar els seus algoritmes en assajos clínics. Tanmateix, necessitava una eina específica que permetés consultar, organitzar i analitzar la informació generada durant els diferents estudis. 

L’equip investigador necessitava una solució que permetés estructurar la informació per assajos clínics, categoritzar correctament els registres associats a cada pacient i facilitar l’accés a les dades tant als investigadors i professionals sanitaris com als participants en els assajos clínics. 

Des del punt de vista tècnic, el projecte presentava, a més, dos reptes rellevants: la integració amb una API d’elevada complexitat i la necessitat de representar grans volums d’informació en dispositius mòbils mantenint una experiència d’usuari fluida i coherent. La capacitat d’interpretar i consultar la informació de manera eficient es va convertir així en un dels elements clau del projecte.

La solució: una aplicació multiplataforma per a la consulta de dades clíniques.

Per donar resposta a les necessitats del projecte es va optar per una estratègia basada en un MVP (Minimum Viable Product), amb l’objectiu de disposar d’una primera versió funcional que permetés validar el model de consulta i representació de la informació i evolucionar la solució de manera progressiva. Tot i que l’abast inicial preveia el desenvolupament d’una aplicació Android, l’arquitectura es va dissenyar utilitzant Kotlin Multiplatform, deixant preparada la base tecnològica per a una futura compilació i evolució cap a iOS.

L’aplicació es va dissenyar com un punt central d’accés a la informació generada pels dispositius IoT, facilitant la consulta i l’organització de les dades recopilades durant els diferents estudis. L’estructura de la solució havia d’adaptar-se tant als requisits de recerca com a les necessitats de consulta per part de professionals sanitaris i pacients.

Des de les primeres fases del desenvolupament, la representació gràfica de la informació i l’organització de les dades per estudis es van definir com a elements fonamentals de l’experiència d’usuari. Això va permetre construir una eina preparada per gestionar informació clínica de manera estructurada i facilitar-ne la interpretació en diferents contextos d’ús.

Arquitectura i tecnologies emprades.

La solució es va desenvolupar sobre una arquitectura basada en Kotlin Multiplatform (KMP), una tecnologia que va permetre construir una base sòlida i preparada per a l’evolució del producte. Aquesta aproximació va facilitar l’organització de la lògica de negoci i va contribuir a mantenir una arquitectura coherent al llarg de tot el desenvolupament.

Per a la capa de presentació es va utilitzar Jetpack Compose, fet que va facilitar la construcció d’interfícies dinàmiques orientades a la consulta d’informació clínica i va permetre optimitzar la representació de grans volums de dades en dispositius mòbils.

La integració amb els sistemes externs es va implementar mitjançant Ktor, que va actuar com a capa de comunicació amb l’API. Aquest component va ser clau per gestionar la recuperació de la informació necessària per a cada estudi.

Tecnologies principals

• Kotlin.
• Kotlin Multiplatform (KMP).
• Jetpack Compose.
• Ktor.
• Tractament i visualització de dades procedents de dispositius IoT.
• Actualització de dades en temps real.

Rendiment i visualització: els principals reptes tècnics

Un dels reptes més importants del projecte va ser garantir una visualització fluida de grans volums de dades clíniques en dispositius mòbils.

L’aplicació havia de representar informació procedent de diferents estudis, actualitzar les dades de manera contínua i oferir una experiència d’usuari coherent durant la navegació entre gràfics. Aquest escenari exigia prestar una atenció especial tant al rendiment de la interfície com a la gestió eficient de la informació rebuda dels sistemes externs.

L’optimització de la capa de visualització es va convertir en un aspecte clau del desenvolupament. L’objectiu no era únicament mostrar les dades, sinó fer-ho de manera que investigadors, professionals sanitaris i pacients poguessin interpretar-les sense que la quantitat d’informació afectés la usabilitat de l’aplicació.

Com a resultat, la solució és capaç de representar simultàniament cinc gràfics amb centenars de registres mantenint una experiència fluida, fins i tot durant el desplaçament entre visualitzacions i l’actualització contínua de la informació en temps real.

Resultats assolits

El projecte va permetre proporcionar a MiceLab una plataforma mòbil preparada per consultar i visualitzar informació clínica procedent de dispositius IoT de manera estructurada i en temps real.

Entre els principals resultats obtinguts destaquen:

• Integració estable amb els sistemes externs. 
• Centralització de la informació generada durant els diferents estudis.
• Consulta estructurada de dades organitzades per assaigs clínics i pacients.
• Actualització automàtica de la informació a mesura que es generen nous registres.
• Representació simultània de cinc gràfics amb centenars de dades mantenint una experiència fluida.
• Base tecnològica preparada per a la incorporació de noves funcionalitats i futurs estudis.

Aprenentatges del projecte

Un dels principals aprenentatges del projecte va ser la importància de definir des de l’inici com es consumiran i es visualitzaran les dades.

En les aplicacions basades en la representació gràfica, l’estructura de la informació condiciona directament el rendiment, la capacitat d’interpretació i l’experiència d’usuari. Per aquest motiu, és fonamental definir des del primer moment com s’estructuraran i es presentaran les dades per facilitar-ne la interpretació per part dels diferents perfils d’usuari.

El projecte també va confirmar la necessitat d’abordar l’optimització dels gràfics des de les primeres fases del desenvolupament. Mantenir una navegació fluida mentre es representen simultàniament múltiples gràfics amb centenars de registres requereix decisions tècniques específiques tant en la gestió de les dades com en la capa de visualització.

Necessites transformar dades complexes en eines útils per als teus usuaris?

La integració de sensors i dispositius connectats és només una part del repte. Perquè la informació generi valor, cal que es pugui organitzar, processar i presentar de manera que en faciliti la consulta i la interpretació.

A Coditramuntana desenvolupem aplicacions mòbils, plataformes de dades i solucions IoT adaptades a les necessitats específiques de cada organització, combinant arquitectura, rendiment i experiència d’usuari.

Tens un projecte relacionat amb la visualització de dades, l’IoT o el desenvolupament de programari a mida? 

Explica’ns el teu cas.