Allan Hanbury, Co-Founder von contextflow – Interview-Serie

Allan Hanbury ist Professor für Data Intelligence an der TU Wien, Österreich, und Mitglied der Complexity Science Hub, wo er Forschung und Innovation leitet, um unstrukturierten Daten Sinn zu verleihen. Er ist Initiator des österreichischen ICT-Leuchtturmprojekts, Data Market Austria, das ein Data-Services-Ökosystem in Österreich schafft. Er war wissenschaftlicher Koordinator des EU-geförderten Khresmoi-Integrationsprojekts zu medizinischer und Gesundheitsinformationssuche und -analyse und ist Mitbegründer von contextflow, dem Spin-off-Unternehmen, das die im Khresmoi-Projekt entwickelte Radiologie-Bildsuchtechnologie kommerzialisiert. Er koordinierte auch das EU-geförderte VISCERAL-Projekt zur Bewertung von Algorithmen auf großen Datenmengen und das EU-geförderte KConnect-Projekt zu Technologien für die Analyse medizinischer Texte.

contextflow ist ein Spin-off der Medizinischen Universität Wien und des europäischen Forschungsprojekts KHRESMOI. Können Sie uns über das KHRESMOI-Projekt erzählen?

Sicher! Das Ziel von Khresmoi war es, ein mehrsprachiges, multimodales Such- und Zugangssystem für biomedizinische Informationen und Dokumente zu entwickeln, was eine effektive Automatisierung des Informationsextraktionsprozesses, die Entwicklung adaptiver Benutzeroberflächen und die Verbindung unstrukturierter und semistrukturierter Textinformationen mit Bildern erforderte. Im Wesentlichen wollten wir den Informationsabrufprozess für medizinische Fachleute zuverlässig, schnell, genau und verständlich machen.

Was ist der aktuelle Datensatz, der den contextflow-Tiefenlernalgorithmus antreibt?

Unser Datensatz enthält etwa 8000 Lungen-CTs. Da unser AI ziemlich flexibel ist, bewegen wir uns auf die nächsten Gehirn-MRTs zu.

Haben Sie Verbesserungen gesehen, wie die AI funktioniert, wenn der Datensatz größer wird?

Wir werden häufig nach diesem fragen, und die Antwort ist wahrscheinlich nicht befriedigend für die meisten Leser. In gewissem Maße ja, die Qualität verbessert sich mit mehr Scans, aber nach einem bestimmten Schwellenwert gewinnt man nicht viel mehr einfach durch die Menge. Wie viel genug wirklich ist, hängt von verschiedenen Faktoren ab (Organ, Modalität, Krankheitsmuster usw.), und es ist unmöglich, eine genaue Zahl zu nennen. Was am wichtigsten ist, ist die Qualität der Daten.

Ist contextflow für alle Fälle konzipiert oder einfach für die Bestimmung der Differentialdiagnose bei schwierigen Fällen?

Radiologen sind wirklich gut in ihrem Job. Für die Mehrheit der Fälle sind die Befunde offensichtlich, und externe Tools sind unnötig. contextflow hat sich im Markt durch die Konzentration auf allgemeine Suche statt automatischer Diagnose abgegrenzt. Es gibt einige Anwendungsfälle für unsere Tools, aber der Hauptanwendungsbereich ist die Unterstützung bei schwierigen Fällen, bei denen die Befunde nicht sofort offensichtlich sind. Hier müssen Radiologen verschiedene Ressourcen konsultieren, und dieser Prozess dauert Zeit. contextflow SEARCH, unsere 3D-Bildsuchmaschine, zielt darauf ab, die Zeit, die Radiologen für die Suche nach Informationen während der Bildinterpretation benötigen, zu reduzieren, indem sie über das Bild selbst suchen können. Da wir auch Referenzinformationen zur Verfügung stellen, die für die Differentialdiagnose hilfreich sind, ist die Ausbildung neuer Radiologen ein weiterer vielversprechender Anwendungsbereich.

Können Sie uns durch den Prozess führen, wie ein Radiologe die contextflow-Plattform verwenden würde?

contextflow SEARCH Lung CT ist vollständig in den Arbeitsablauf des Radiologen integriert (oder sonst würden sie es nicht verwenden). Der Radiologe führt seine Arbeit wie gewohnt durch, und wenn er für einen bestimmten Patienten zusätzliche Informationen benötigt, wählt er einfach eine Region des Interesses in diesem Scan aus und klickt auf das contextflow-Symbol in seiner Arbeitsstation, um unser System in einem neuen Browserfenster zu öffnen. Von dort aus erhält er Referenzfälle aus unserer Datenbank von Patienten mit ähnlichen Krankheitsmustern wie dem Patienten, den er gerade auswertet, sowie Statistiken und medizinische Literatur (z. B. Radiopedia). Er kann durch seine Patienten in unserem System scrollen, zusätzliche Regionen auswählen, um weitere Informationen zu suchen und side-by-side mit den Referenzfällen zu vergleichen. Es gibt auch Heatmaps, die eine Visualisierung der Gesamtdistribution der Krankheitsmuster liefern, was bei der Berichterstellung hilft. Wir haben wirklich versucht, alles, was ein Radiologe benötigt, um einen Bericht zu schreiben, an einem Ort und innerhalb von Sekunden verfügbar zu machen.

Wurde contextflow ursprünglich für Lungen-CT-Scans konzipiert, wird contextflow auf andere Arten von Scans erweitert?

Ja! Wir haben eine Liste von Organen und Modalitäten, die von Radiologen angefordert werden und die wir hinzufügen möchten. Das ultimative Ziel ist es, ein System bereitzustellen, das den gesamten menschlichen Körper abdeckt, unabhängig von Organ oder Scan-Typ.

contextflow hat die Unterstützung von zwei großartigen Inkubator-Programmen, INiTS und i2c TU Wien, erhalten. Wie nützlich waren diese Programme und was haben Sie aus dem Prozess gelernt?

Wir schulden diesen Inkubatoren viel Dank. Beide haben uns mit Mentoren, Beratern und Investoren verbunden, die unser Geschäftsmodell herausgefordert und letztendlich unser Ziel und unsere Mission geklärt haben. Sie haben auch sehr praktisch geholfen, indem sie Finanzierung und Büroräume bereitstellten, sodass wir uns wirklich auf die Arbeit konzentrieren und nicht so sehr auf administrative Themen achten mussten. Wir könnten ohne ihre Unterstützung nicht so weit gekommen sein. Das österreichische Startup-Ökosystem ist noch klein, aber es gibt Programme, die helfen, innovative Ideen zu verwirklichen.

Sie sind auch der Initiator des österreichischen ICT-Leuchtturmprojekts, das darauf abzielt, ein nachhaltiges Data-Services-Ökosystem in Österreich aufzubauen. Können Sie uns mehr über dieses Projekt und Ihre Rolle darin erzählen?

Die Menge an täglich produzierten Daten wächst exponentiell, und ihre Bedeutung für die meisten Branchen explodiert… es ist wirklich eine der wichtigsten Ressourcen der Welt! Data Market Austrias Lighthouse-Projekt zielt darauf ab, Anforderungen für erfolgreiche datengetriebene Unternehmen zu entwickeln oder zu reformieren, um niedrige Kosten, hohe Qualität und Interoperabilität sicherzustellen. Ich koordinierte das Projekt im ersten Jahr 2016-2017. Dies führte zur Schaffung der Data Intelligence Offensive, bei der ich im Vorstand bin. Die Mission der DIO ist es, Informationen und Know-how zwischen Mitgliedern zu teilen, um Datenmanagement und -sicherheit zu verbessern.

Gibt es noch etwas, das Sie unseren Lesern über contextflow mitteilen möchten?

Radiologie-Workflows sind nicht im Bewusstsein des durchschnittlichen Bürgers, und das sollte so sein. Das System sollte einfach funktionieren. Leider wird man sich dessen bewusst, wenn man selbst Patient wird, dass dies nicht immer der Fall ist. contextflow arbeitet daran, diesen Prozess für Radiologen und Patienten zu transformieren. Sie können in den kommenden Jahren viele spannende Entwicklungen von uns erwarten, also bleiben Sie dran!

Bitte besuchen Sie contextflow, um mehr zu erfahren.