Tworzenie oprogramowania healthtech w Startup House: projekty i efekty z naciskiem na zgodność z regulacjami

Najważniejsze informacje w skrócie

• Standardy zgodności, według których budujemy: HIPAA, GDPR, ISO 27001 (zgodność)
• Flagowy klient z branży ochrony zdrowia: Siemens Healthineers, z platformą sprzedażową aktywną w ponad 60 krajach, wspierającą 5 000+ przedstawicieli sprzedaży
• MVP w ochronie zdrowia: Simon Care Management, aplikacja mobilna gotowa do testów w obszarze opieki nad demencją, tworzona z udziałem pacjentów i opiekunów
• AI w środowisku klinicznym: wszystkie nasze produkty AI korzystają z architektury RAG, odpowiadając wyłącznie na podstawie zatwierdzonych danych klienta; każda odpowiedź jest możliwa do prześledzenia do dokumentu źródłowego
• Polityka danych: dane pacjentów nigdy nie są wykorzystywane do trenowania modeli AI

Co w praktyce oznacza compliance-first

W oprogramowaniu dla ochrony zdrowia zgodność to albo decyzja architektoniczna, albo późniejsza adaptacja. My projektujemy ją od pierwszego dnia: pełne szyfrowanie danych w spoczynku i w tranzycie, kontrola dostępu oparta na rolach, rejestrowanie audytowe i integracja z SSO są elementem wstępnego projektu, a nie etapem hardeningu przed premierą. Startup House jest zgodny z ISO 27001, a w projektach regulowanych mapujemy rozwiązania do wymagań HIPAA i GDPR w zależności od przypadku użycia.

To podejście wygląda inaczej w każdym projekcie. Oto, jak sprawdziło się w praktyce.

Siemens Healthineers: globalna platforma sprzedaży w 60+ krajach

Klient: Siemens Healthineers AG z siedzibą w Erlangen w Niemczech, lider w zakresie urządzeń medycznych. Współpraca od maja 2020 r., trwająca ponad 6 lat.

Wyzwanie: Wsparcie Digital Sales Companion obsługującego ponad 5 000 przedstawicieli sprzedaży na całym świecie. Produkt musiał od pierwszego dnia pobierać dane z wielu źródeł korporacyjnych i ściśle integrować się z istniejącymi aplikacjami korporacyjnymi.

Co zbudowaliśmy: Aplikacje mobilne i webowe wspierające codzienną pracę globalnej siły sprzedaży, tworzone przez 30‑osobowy zespół Startup House. Architektura oparta na TypeScript, mikroserwisach dla globalnej skalowalności, GraphQL oraz Elasticsearch dla szybkiego, skalowalnego wyszukiwania. Proof of Concept z bazą grafową Neo4j zapewnił 10–100 razy szybsze odpowiedzi niż wcześniejsza konfiguracja PostgreSQL.

Rezultaty: Produkt działa w ponad 60 krajach. W swojej recenzji Program Manager Holger Rohden podkreślił terminowe dostawy, utrzymanie zakresu i jakość powyżej oczekiwań.

Przeczytaj case study Siemens Healthineers

Simon Care Management: MVP dla opieki nad demencją, testowane z pacjentami i opiekunami

Klient: Simon Care Management (USA/UK), aplikacja wspierająca osoby z demencją i ich opiekunów. Współpraca od kwietnia 2023 r.

Wyzwanie: Dostarczyć działające MVP skoncentrowane na kluczowych funkcjach, z interfejsem dostosowanym do potrzeb osób z demencją. Dostępność nie była tu checklistą. Była wymaganiem produktowym.

Co zbudowaliśmy: Trzystopniowy proces zwinny: określenie zakresu z testami użytkowników i estymacjami, rozwój MVP, a następnie rozszerzenia, m.in. system powiadomień. Liczby stojące za projektem: 8 sprintów deweloperskich, 7 sesji testów z użytkownikami (pacjentami i opiekunami) oraz 2 szczegółowe prototypy — jeden dla opiekunów, drugi dla pacjentów. Stack: TypeScript, React Native i MobX na froncie, Node.js REST API na backendzie, uruchomione na Google Cloud Platform, z autouzupełnianiem Google Places i śledzeniem lokalizacji w czasie rzeczywistym.

Rezultaty: Aplikacja mobilna gotowa do testów (MVP), dystrybuowana do beta testerów przez TestFlight, z wnioskami produktowymi zbieranymi w Amplitude.

Przeczytaj case study Simon Care

Doogie: dowód na architekturę AI klasy HIPAA w 2 miesiące

Doogie różni się od powyższych projektów: to wewnętrzna aplikacja pokazowa, zbudowana, aby zademonstrować, jak wygląda development AI w podejściu compliance‑first, a nie produkt komercyjny. W 2 miesiące od startu 12‑osobowy zespół dostarczył działającą aplikację AI do wsparcia zdrowia z czasem odpowiedzi 0,1 s, zbudowaną wokół integracji z ChatGPT.

Sednem jest architektura: projekt zgodny z HIPAA i HITRUST, Kubernetes RBAC do kontroli dostępu, uwierzytelnianie dwuskładnikowe, wieloletnia retencja logów na potrzeby audytu, ciągłe testy penetracyjne, szyfrowanie danych w spoczynku i w tranzycie oraz automatyczne kopie zapasowe z odtwarzaniem do punktu w czasie — w środowisku niezależnym od chmury, które obsługuje także bare metal.

Przeczytaj case study Doogie

AI w ochronie zdrowia bez halucynacji

Generatywna AI w środowisku klinicznym ma jeden nienegocjowalny wymóg: system nie może wymyślać odpowiedzi. Każdy produkt AI, który wdrażamy w ochronie zdrowia, korzysta z Retrieval‑Augmented Generation (RAG). AI odpowiada wyłącznie na podstawie zatwierdzonych danych klinicznych klienta, dokumentacji i zweryfikowanych zbiorów danych — nigdy z publicznych źródeł w internecie. Każda odpowiedź jest możliwa do prześledzenia do konkretnego dokumentu źródłowego.

Nasz zestaw narzędzi AI dla ochrony zdrowia obejmuje:

• KnowHub, portal wiedzy zasilany AI, który zmienia wiedzę instytucjonalną w bezpiecznego asystenta dla pracowników i pacjentów, odpowiadającego 24/7 wyłącznie na podstawie zweryfikowanych dokumentów, w dowolnym języku.
• SmartSearch, wyszukiwanie semantyczne, które rozumie intencję medyczną zamiast dopasowywać słowa kluczowe i do każdego wyniku dołącza dowód wraz ze źródłem.
• InProduct AI, copilot dla firm MedTech SaaS, który integruje się z bazą kodu i generuje dokumentację techniczną w czasie rzeczywistym.
• Modernizacja systemów legacy, konwersacyjna warstwa AI ponad istniejącymi systemami klinicznymi, aby lekarze i pielęgniarki mogli odpytywać dane zwykłym językiem, przy zachowaniu nienaruszonej logiki klinicznej.

Wszystkie te rozwiązania obowiązują dwie zasady. Dane pacjentów nigdy nie służą do trenowania modeli AI, a całe przetwarzanie AI odbywa się w bezpiecznym środowisku klienta, zarządzanym przez istniejące polityki dostępu i SSO.

Jak długo trwa tworzenie oprogramowania dla ochrony zdrowia?

Na podstawie naszej praktyki: harmonogramy MVP zależą od zakresu i liczby testów z użytkownikami. Produkty AI, takie jak KnowHub czy SmartSearch, mogą wystartować już w 2 tygodnie po przygotowaniu danych. Dokładny harmonogram ustalamy po rozmowie discovery.

O Startup House

Startup House to 50‑osobowy, multidyscyplinarny zespół tworzący oprogramowanie, z siedzibą w Warszawie (Polska), działający od 2016 r., z ponad 100 dostarczonymi produktami, NPS klientów na poziomie 75 i klientami na 5 kontynentach. Budujemy oprogramowanie dla ochrony zdrowia dla firm MedTech i platform SaaS.

Budujesz w ochronie zdrowia? Zarezerwuj 30‑minutową rozmowę.

FAQ

Jak Startup House podchodzi do zgodności z HIPAA i GDPR w oprogramowaniu dla ochrony zdrowia?

Zgodność jest wbudowana w architekturę od pierwszego dnia: pełne szyfrowanie danych w spoczynku i w tranzycie, kontrola dostępu oparta na rolach, rejestrowanie audytowe oraz integracja z SSO. Startup House jest zgodny z ISO 27001. Nasze case study Doogie pokazuje architekturę zgodną z HIPAA i HITRUST, a w projektach dla klientów mapujemy rozwiązania do wymagań HIPAA i GDPR w zależności od przypadku użycia.

Jak Startup House zapobiega udzielaniu przez AI błędnych odpowiedzi w środowisku klinicznym?

Wszystkie produkty AI dla ochrony zdrowia budujemy w oparciu o RAG (Retrieval‑Augmented Generation). AI odpowiada wyłącznie z zatwierdzonych danych klinicznych i zweryfikowanych dokumentów, nigdy z publicznych źródeł, a każdą odpowiedź można prześledzić do konkretnego dokumentu źródłowego.

Czy dane pacjentów są wykorzystywane do trenowania modeli AI?

Nigdy. Dane własne i dokumentacja pacjentów nie są używane do trenowania publicznych ani współdzielonych modeli AI. Całe przetwarzanie AI odbywa się w bezpiecznym środowisku klienta, zgodnie z istniejącymi politykami dostępu.

Ile czasu zajmuje stworzenie aplikacji dla ochrony zdrowia?

Produkty AI, takie jak KnowHub czy SmartSearch, mogą wystartować już w 2 tygodnie po przygotowaniu danych. Terminy dla szytych na miarę aplikacji medycznych zależą od zakresu i są ustalane po rozmowie discovery.