Allan Hanbury, Co-Fundador de contextflow – Serie de Entrevistas

Allan Hanbury es Profesor de Inteligencia de Datos en la TU Wien, Austria, y Miembro de la Facultad del Complexity Science Hub, donde lidera la investigación y la innovación para dar sentido a los datos no estructurados. Es el iniciador del Proyecto Faro de TIC de Austria, Data Market Austria, que está creando un ecosistema de servicios de datos en Austria. Fue coordinador científico del Proyecto Integrado Khresmoi financiado por la UE sobre búsqueda y análisis de información médica y de salud, y es co-fundador de contextflow, la empresa spin-off que comercializa la tecnología de búsqueda de imágenes de radiología desarrollada en el proyecto Khresmoi. También coordinó el proyecto VISCERAL financiado por la UE sobre la evaluación de algoritmos en grandes datos, y el proyecto KConnect financiado por la UE sobre tecnología para analizar textos médicos.

contextflow es una spin-off de la Universidad Médica de Viena y del proyecto de investigación europeo KHRESMOI. ¿Podría hablarnos sobre el proyecto KHRESMOI?

¡Claro! El objetivo de Khresmoi era desarrollar un sistema de búsqueda y acceso multilingüe y multimodal para información y documentos biomédicos, lo que requirió que automatizáramos efectivamente el proceso de extracción de información, desarrolláramos interfaces de usuario adaptativas y enlazáramos la información de texto no estructurada y semiestructurada con imágenes. Esencialmente, queríamos hacer que el proceso de recuperación de información para los profesionales médicos fuera confiable, rápido, preciso y comprensible.

¿Cuál es el conjunto de datos actual que alimenta el algoritmo de aprendizaje profundo de contextflow?

Nuestro conjunto de datos contiene aproximadamente 8000 tomografías computarizadas de pulmón. Como nuestro AI es bastante flexible, nos estamos moviendo hacia las resonancias magnéticas de cerebro a continuación.

¿Ha visto mejoras en el rendimiento del AI a medida que el conjunto de datos se ha vuelto más grande?

Se nos hace esta pregunta con frecuencia, y la respuesta probablemente no sea satisfactoria para la mayoría de los lectores. Hasta cierto punto, sí, la calidad mejora con más exploraciones, pero después de un umbral determinado, no se gana mucho más simplemente por tener más. Cuánto es suficiente realmente depende de varios factores (órgano, modalidad, patrón de enfermedad, etc.), y es imposible dar un número exacto. Lo más importante es la calidad de los datos.

¿Está diseñado contextflow para todos los casos, o simplemente para determinar el diagnóstico diferencial para casos difíciles?

Los radiólogos son realmente buenos en lo que hacen. Para la mayoría de los casos, los hallazgos son obvios, y las herramientas externas son innecesarias. contextflow se ha diferenciado en el mercado centrándose en la búsqueda general en lugar del diagnóstico automatizado. Hay algunos casos de uso para nuestras herramientas, pero el principal es ayudar con casos difíciles donde los hallazgos no son inmediatamente aparentes. Aquí, los radiólogos deben consultar varios recursos, y ese proceso lleva tiempo. contextflow SEARCH, nuestro motor de búsqueda de imágenes en 3D, tiene como objetivo reducir el tiempo que los radiólogos necesitan para buscar información durante la interpretación de imágenes al permitirles buscar a través de la imagen en sí. Como también proporcionamos información de referencia útil para el diagnóstico diferencial, la capacitación de nuevos radiólogos es otro caso de uso prometedor.

¿Puede explicarnos el proceso de cómo un radiólogo utilizaría la plataforma contextflow?

contextflow SEARCH Lung CT está completamente integrado en el flujo de trabajo del radiólogo (o de lo contrario, no lo utilizarían). El radiólogo realiza su trabajo como de costumbre, y cuando necesita información adicional para un paciente en particular, simplemente selecciona una región de interés en esa exploración y hace clic en el icono de contextflow en su estación de trabajo para abrir nuestro sistema en una nueva ventana del navegador. Desde allí, recibirá casos de referencia de nuestra base de datos de pacientes con patrones de enfermedad similares a los del paciente que están evaluando, así como estadísticas y literatura médica (por ejemplo, radiopedia). Pueden desplazarse a través de su paciente en nuestro sistema de manera normal, seleccionando regiones adicionales para buscar información adicional y compararlas lado a lado con los casos de referencia. También hay mapas de calor que proporcionan una visualización de la distribución general de los patrones de enfermedad, lo que ayuda con la informe de los hallazgos. Realmente intentamos poner todo lo que un radiólogo necesita para escribir un informe en un solo lugar y disponible en cuestión de segundos.

Esto se diseñó inicialmente para tomografías computarizadas de pulmón, ¿contextflow se expandirá a otros tipos de exploraciones?

¡Sí! Tenemos una lista de órganos y modalidades solicitadas por radiólogos que estamos ansiosos por agregar. El objetivo final es proporcionar un sistema que cubra todo el cuerpo humano, independientemente del órgano o tipo de exploración.

contextflow ha recibido el apoyo de dos programas de incubación increíbles INiTS y i2c TU Wien. ¿Cuán beneficiosos han sido estos programas y qué ha aprendido del proceso?

Les debemos mucha gratitud a estos incubadores. Ambos nos conectaron con mentores, consultores y inversionistas que desafiaron nuestro modelo de negocio y finalmente aclararon nuestro quién/por qué/cómo. También actúan de manera muy práctica, proporcionando financiamiento y espacio de oficina para que pudiéramos centrarnos realmente en el trabajo y no preocuparnos tanto por temas administrativos. Realmente no podríamos haber llegado tan lejos sin su apoyo. El ecosistema de startups austríaco es aún pequeño, pero hay programas allí para ayudar a llevar ideas innovadoras a la realidad.

También es el iniciador del Proyecto Faro de TIC de Austria, que tiene como objetivo construir un ecosistema de servicios de datos sostenible en Austria. ¿Podría hablarnos más sobre este proyecto y sobre su papel en él?

La cantidad de datos producidos diariamente crece exponencialmente, y su importancia para la mayoría de las industrias también está explotando… ¡realmente es uno de los recursos más importantes del mundo! Data Market Austria’s Lighthouse proyecto tiene como objetivo desarrollar o reformar los requisitos para empresas impulsadas por datos exitosas, garantizando un bajo costo, alta calidad y interoperabilidad. Coordiné el proyecto durante el primer año en 2016-2017. Esto llevó a la creación de la Data Intelligence Offensive donde estoy en la junta directiva. La misión de la DIO es intercambiar información y conocimientos entre los miembros sobre gestión y seguridad de datos.

¿Hay algo más que le gustaría compartir con nuestros lectores sobre contextflow?  

Los flujos de trabajo de radiología no están en la mente del ciudadano promedio, y así debería ser. El sistema debería simplemente funcionar. Desafortunadamente, una vez que se convierte en un paciente, se da cuenta de que no siempre es así. contextflow está trabajando para transformar ese proceso tanto para los radiólogos como para los pacientes. Pueden esperar muchos desarrollos emocionantes de nosotros en los próximos años, ¡así que manténganse atentos! Por favor, visite contextflow para obtener más información.