Mjukvaruutveckling inom healthtech på Startup House: projekt och resultat med regelefterlevnad i fokus

Viktiga fakta i korthet

• Efterlevnadsramverk vi arbetar enligt: HIPAA, GDPR, ISO 27001 (compliant)
• Flaggskeppskund inom hälso- och sjukvård: Siemens Healthineers, med en säljplattform aktiv i över 60 länder som stödjer 5 000+ säljrepresentanter
• Healthcare MVP: Simon Care Management, en testredo mobilapp för demensvård, byggd tillsammans med patienter och anhörigvårdare
• AI i kliniska miljöer: alla våra AI-produkter använder RAG-arkitektur och svarar endast från kundens godkända data, med varje svar spårbart till ett källdokument
• Datapolicy: patientdata används aldrig för att träna AI-modeller

Vad compliance-first faktiskt innebär

I mjukvara för hälso- och sjukvård är efterlevnad antingen ett arkitekturbeslut eller en efterhandslösning. Vi bygger in den från dag ett: fullständig kryptering av data i vila och under överföring, rollbaserad åtkomstkontroll, granskningsloggar och SSO-integration är del av den initiala designen, inte en säkerhetshärdning precis före lansering. Startup House är ISO 27001 compliant, och för reglerat vårdarbete anpassar vi oss efter era HIPAA- och GDPR-krav beroende på användningsfall.

Det angreppssättet tar sig olika uttryck i varje projekt. Så här har det sett ut i praktiken.

Siemens Healthineers: en global säljplattform i 60+ länder

Kunden: Siemens Healthineers AG, med huvudkontor i Erlangen, Tyskland, en ledare inom medicinteknik. Partnerskap sedan maj 2020, pågående i mer än 6 år.

Utmaningen: Stödja Digital Sales Companion som tjänar mer än 5 000 säljrepresentanter världen över. Produkten behövde hämta data från flera företagskällor och från dag ett integrera tätt med befintliga företagsapplikationer.

Vad vi byggde: Mobil- och webbapplikationer som stödjer den globala säljkårens dagliga arbete, byggda av ett Startup House-team på 30 personer. Arkitekturen använder TypeScript, mikrotjänster för global skalbarhet, GraphQL och Elasticsearch för snabb, skalbar sökning. Ett proof of concept med grafdatabasen Neo4j gav 10–100x snabbare svar än den tidigare PostgreSQL-uppsättningen.

Resultaten: Produkten är aktiv i över 60 länder. I sin recension noterade Program Manager Holger Rohden att vi levererade i tid, höll scope och att kvaliteten låg över förväntan.

Läs fallstudien om Siemens Healthineers

Simon Care Management: ett MVP för demensvård testat med patienter och anhörigvårdare

Kunden: Simon Care Management (USA/UK), en applikation som stödjer personer med demens och deras anhörigvårdare. Samarbete från april 2023.

Utmaningen: Leverera ett fungerande MVP med fokus på kärnfunktioner, med ett gränssnitt anpassat till behoven hos personer med demens. Tillgänglighet var inte en punkt på checklistan. Det var själva produktkravet.

Vad vi byggde: En tredelad agil process: scoping med användartester och estimat, MVP-utveckling och därefter utbyggnader, inklusive ett notifieringssystem. Siffrorna bakom bygget: 8 utvecklingssprintar, 7 användartillfällen med tester tillsammans med patienter och anhörigvårdare, samt 2 detaljerade prototyper – en för anhörigvårdare och en för patienter. Stacken: TypeScript, React Native och MobX i frontend, ett Node.js REST API i backend, som körs på Google Cloud Platform, med Google Places autocomplete och plats­spårning i realtid.

Resultaten: En testredo MVP-mobilapp, distribuerad till beta-testare via TestFlight, med produktinsikter insamlade via Amplitude.

Läs fallstudien om Simon Care

Doogie: bevisar HIPAA-klassad AI-arkitektur på 2 månader

Doogie skiljer sig från projekten ovan: det är en intern demonstrationsapp vi byggde för att visa hur compliance-first i AI-utveckling ser ut, inte en kommersiell produkt. På 2 månader från kickoff levererade ett team på 12 personer en fungerande AI-baserad hälso­rådgivningsapp med svarstider på 0,1 sekunder, byggd kring en ChatGPT-integration.

Arkitekturen är poängen: HIPAA- och HITRUST-anpassad design, Kubernetes RBAC för åtkomstkontroll, tvåfaktorsautentisering, flerårig loggretention för revision, kontinuerliga penetrationstester, kryptering av data i vila och under överföring samt automatiserade säkerhetskopior med point-in-time recovery, på en molnagnostisk setup som även stödjer bare metal.

Läs fallstudien om Doogie

AI i vården utan hallucinationer

Generativ AI i en klinisk miljö har ett icke förhandlingsbart krav: systemet får inte hitta på svar. Varje AI-produkt vi driftsätter i vården använder Retrieval-Augmented Generation (RAG). AI:n besvarar frågor endast med kundens godkända kliniska data, dokumentation och verifierade dataset, aldrig publika internetskällor. Varje svar är spårbart tillbaka till ett specifikt källdokument.

Vår AI-verktygslåda för vården omfattar:

• KnowHub, en AI-driven kunskapsportal som omvandlar institutionell kunskap till en säker assistent för medarbetare och patienter, som svarar dygnet runt enbart baserat på verifierade dokument – på vilket språk som helst.
• SmartSearch, semantisk sökning som förstår medicinsk intention i stället för att bara matcha nyckelord, och som returnerar en källhänvisning som bevis med varje resultat.
• InProduct AI, en copilot för MedTech SaaS-bolag som integreras med kodbasen och genererar teknisk dokumentation i realtid.
• Legacy system modernization, ett konversationellt AI-lager ovanpå befintliga kliniska system så att läkare och sjuksköterskor kan fråga efter data på naturligt språk medan den kärnkliniska logiken förblir intakt.

Två principer gäller för samtliga. Patientdata används aldrig för att träna AI-modeller, och all AI-bearbetning sker i kundens säkra miljö, styrd av befintliga åtkomstpolicyer och SSO.

Hur lång tid tar det att bygga hälso- och sjukvårdsprogramvara?

Baserat på vår leveranspraxis: Tidslinjer för MVP beror på omfattning och mängden användartester. AI-produkter som KnowHub eller SmartSearch kan gå live på så lite som 2 veckor när datat är förberett. Tidsplanen fastställs exakt efter ett discovery-samtal.

Om Startup House

Startup House är ett tvärfunktionellt mjukvaruteam på 50 personer baserat i Warszawa, Polen, grundat 2016, med 100+ levererade produkter, ett NPS från kunder på 75 och kunder på 5 kontinenter. Vi bygger mjukvara för hälso- och sjukvården för MedTech-bolag och hälso-SaaS-plattformar.

Bygger du inom vården? Boka ett 30-minuterssamtal.

Vanliga frågor

Hur hanterar Startup House HIPAA- och GDPR-efterlevnad i vårdprogramvara?

Efterlevnad byggs in i arkitekturen från dag ett: fullständig kryptering av data i vila och under överföring, rollbaserad åtkomstkontroll, granskningsloggar och SSO-integration. Startup House är ISO 27001 compliant. Vår Doogie-demonstration visar en HIPAA- och HITRUST-compliant arkitektur, och i kundprojekt anpassar vi oss efter era HIPAA- och GDPR-krav beroende på användningsfallet.

Hur förhindrar Startup House att AI ger felaktiga svar i kliniska miljöer?

Alla AI-produkter för vården byggs på RAG (Retrieval-Augmented Generation). AI:n svarar endast från kundens godkända kliniska data och verifierade dokument, aldrig från publika internetskällor, och varje svar är spårbart till ett specifikt källdokument.

Används patientdata för att träna AI-modeller?

Aldrig. Proprietär data och patientjournaler används inte för att träna offentliga eller delade AI-modeller. All AI-bearbetning sker i kundens säkra miljö under befintliga åtkomstpolicyer.

Hur lång tid tar det att bygga en vårdapplikation?

AI-produkter som KnowHub eller SmartSearch kan gå live på så lite som 2 veckor när datat är förberett. Tidsplaner för skräddarsydda vårdapplikationer beror på omfattning och fastställs efter ett discovery-samtal.