机器学习正在帮助Invisalign的患者呈现完美的微笑

作者: Clint Boulton 2020-06-05 10:18:48

移动计算的趋势要求企业能够满足消费者从智能手机获取信息和完成任务的期望。与此相应的是,移动设备早已经成为企业推销产品和服务的首选数字平台了。

Align Technology提供了一种无创牙齿矫正设备来矫正牙齿,该公司正在通过一个移动平台来拥抱这一趋势,该移动平台既可以帮助患者协调与医生的护理,也可以用来吸引新客户。My Invisalign应用程序包括了关于Invisalign系统如何工作的详细内容,以及机器学习技术,可以用来模拟佩戴者在使用医疗设备后的笑容。

Align Technology的首席数字官Sreelakshmi Kolli表示:“这是帮助医生和患者保持联系的自然延伸。”他于2003年以软件工程师的身份加入了公司,过去几年一直在致力于实现客户体验和业务运营的数字化。My Invisalign的开发也是Kolli将公司迁移到敏捷和DevSecOps实践的一个关键支点。

对完美笑容的推销

My Invisalign是一家公司的数字化入口,该公司依赖于热情的牙医和满意的病人的推介,来帮助Invisalign在800多万客户的口中找到一个家。除了笨重的金属牙套,Invisalign还拥有透明的塑料牙套,可以在几个月的时间里逐渐将患者的牙齿拉直。Invisalign的病人对这款设备非常信赖,但许多消费者对这款价格在3,000美元到5,000美元之间的设备仍持观望态度,因为它几乎完全没有被保险覆盖。

也就是说,市场营销会是My Invisalign的一个关键功能。2018年,Kolli组建了一个跨职能团队,包括了IT、销售、市场营销、商业和其他业务部门。通过使用敏捷方法,团队向一小部分患者推出了早期功能,并使用DevSecOps进行持续的实时反馈和发布。

该应用程序通过日历功能鼓励患者遵守他们的治疗,允许患者创建一个变更校准时间表(每周或每两周),并在计划的间隔期间提醒他们。MyCare的功能则允许患者通过照片、视频和其他虚拟协作功能与医生分享治疗进展,这允许他们可以跳过办公室的探访。

早期的挑战需要一些引导来进行修正。例如,一些用户由于在登录过程中出现注册错误而感到沮丧,因此放弃了该应用。Kolli的团队通过一键登录简化了注册过程,这是通过添加到aligner包和ML算法中的二维码的图像文本识别来实现的。在这些修改之后,My Invisalign被采用的次数从每周200次飙升到了每周800次。

在这一增长的鼓舞下,该团队于去年秋天升级了该应用程序,也推出了针对潜在患者的功能,包括教育内容和其他功能,以促进Invisalign的采用。例如,Find a Doctor功能可以帮助人们找到并安排与当地医生的会诊。公司在My Invisalign上的努力为Align Technology赢得了IDG 2020 CIO 100技术创新奖。

机器学习促进转化率

对于新病人的转化,真正的利器是SmileView,它融合了虚拟现实(VR)、面部识别、微笑检测和其他模式,一旦上传了自拍照片,就能同时显示佩戴者微笑前后的模拟。通过ML算法,这些图像可以根据从750万成功的Invisalign安装客户端中所收集的信息,帮助生成佩戴者潜在微笑的可视化图像。

“它会直观地告诉你什么是可能的,这比医生的说服更好,”当Kolli谈到专有功能时说,该功能是通过Amazon Web Services来运行其算法的。“这需要大量的工程技术。”

在很大程度上要感谢SmileView,以及通过Instagram、Twitter和其他社交媒体进行的健康宣传,成千上万的患者在他们的矫正治疗期间使用了My Invisalign。这款应用在苹果应用商店中拥有4.7的用户评分,已经被下载了超过20万次,这个数字每月都会增长20%到25%。

跟踪和分析患者的治疗过程对未来的成功是至关重要的。Align会使用谷歌Data Studio来分析患者的参与度,这有助于提供个性化和新的My Invisalign特性,以及用于未来销售线索的营销工作。

Kolli认为敏捷和DevSecOps的运营模式(包括每日的站立会议)能够获得客户的反馈,使Align能够快速为myInvisalign创建新的故事点。API和微服务在平台即服务的体系结构中也得到了支持,使得遍布世界各地的Align开发人员能够快速为消费者创建新功能和接触点,包括在亚洲、拉丁美洲和欧洲的超过15种语言的可用性。

“一个好的平台来自于一个好的API和微服务,”Kolli说。“拥有一个可扩展的技术架构的好处是,新功能既可以很容易地被构建,也可以很容易地被去除。”

机器学习 数字化
上一篇:没有了传感器,工业机器人还能工作吗? 下一篇:盘点人工智能十大经典应用领域、图解技术原理
评论
取消
暂无评论,快去成为第一个评论的人吧

更多资讯推荐

人工智能正在改变软件开发模式

软件开发人员正在使用人工智能来帮助编写和审查代码、检测错误、测试软件和优化开发项目。这种帮助正在帮助公司更有效地部署新软件,并使新一代开发人员能够更轻松地学习编码。

Harris ·  1天前
2022 年 AIOPS 趋势和预测:您需要知道的一切

AI与IT运营的这种集成导致了术语AIOps的出现,它利用大数据、分析和AI能力进行IT运营管理。以下是每个人都应该关注的 2022年AIOps趋势和预测。

Cassie ·  3天前
谷歌研究总监赴斯坦福任教,著有《人工智能:一种现代方法》

斯坦福大学宣布谷歌研究总监(Director of Research)Peter Norvig 加入斯坦福以人为本人工智能研究院 HAI,任杰出教育研究员。

机器之心 ·  3天前
人工智能65年简史:从麦卡锡到Hinton,人类追求的AI究竟是什么?

人工智能的发展已有65年的历史,曾经历过寒冬,也经历过辉煌。从符号主义的专家系统到现在所向披靡的神经网络,不少人担心是否寒冬会再来,也有乐观的人表示人工智能的春天也要来了。

佚名 ·  4天前
计算机架构的机器学习

最近机器学习 (ML) 进步的关键贡献者之一是定制加速器的开发,例如Google TPU和Edge TPU,它们显着提高了可用计算能力,从而解锁了各种功能,例如AlphaGo、RankBrain、WaveNets和对话代理。

雨夜的博客 ·  4天前
人工智能能否使机器具有流体智力?

麻省理工学院和奥地利研究人员为灵活的人工智能创造了“液体”机器学习。

千家网 ·  2021-06-01 10:38:55
高真实感、全局一致、外观精细,面向模糊目标的NeRF方案出炉

自 NeRF 被提出后,有多项研究对其加以改进。在本篇论文中,上海科技大学的研究者提出了首个将显式不透明监督和卷积机制结合到神经辐射场框架中以实现高质量外观的方案。

Haimin Luo等 ·  2021-06-01 09:57:39
大脑模拟NLP,高德纳奖得主:神经元集合演算用于句子解析

一个简单的大脑模型为人工智能研究提供了新的方向。世界顶尖计算机科学理论学家、哥德尔奖和高德纳奖获得者、哥伦比亚大学计算机科学教授 Christos Papadimitriou 关于「大脑中单词表征」的演讲。

Ben Dickson ·  2021-06-01 09:39:24
Copyright©2005-2021 51CTO.COM 版权所有 未经许可 请勿转载