Allan Hanbury, co-fondateur de contextflow – Série d’entretiens

Allan Hanbury est professeur de l’intelligence des données à la TU Wien, en Autriche, et membre de la faculté du Complexity Science Hub, où il dirige la recherche et l’innovation pour donner un sens aux données non structurées. Il est l’initiateur du projet phare autrichien des TIC, Data Market Austria, qui crée un écosystème de services de données en Autriche. Il a été coordinateur scientifique du projet intégré Khresmoi financé par l’UE sur la recherche et l’analyse d’informations médicales et de santé, et est co-fondateur de contextflow, la société spin-off qui commercialise la technologie de recherche d’images de radiologie développée dans le projet Khresmoi. Il a également coordonné le projet VISCERAL financé par l’UE sur l’évaluation des algorithmes sur les grandes données, et le projet KConnect financé par l’UE sur la technologie d’analyse de textes médicaux.

contextflow est une spin-off de l’Université médicale de Vienne et d’un projet de recherche européen KHRESMOI. Pouvez-vous nous parler du projet KHRESMOI ?

Bien sûr ! L’objectif de Khresmoi était de développer un système de recherche et d’accès multilingue et multimodal pour les informations et les documents biomédicaux, ce qui nous a obligés à automatiser efficacement le processus d’extraction d’informations, à développer des interfaces utilisateur adaptatives et à relier les informations textuelles non structurées et semi-structurées aux images. Essentiellement, nous voulions rendre le processus de recherche d’informations pour les professionnels de la santé fiable, rapide, précis et compréhensible.

Quel est le jeu de données actuel qui alimente l’algorithme d’apprentissage automatique de contextflow ?

Nos données comprennent environ 8000 tomodensitogrammes pulmonaires. Puisque notre IA est assez flexible, nous allons passer aux IRM cérébrales ensuite.

Avez-vous constaté des améliorations dans la façon dont l’IA fonctionne à mesure que le jeu de données devient plus important ?

On nous pose souvent cette question, et la réponse est probablement pas satisfaisante pour la plupart des lecteurs. Dans une certaine mesure, oui, la qualité s’améliore avec plus de scans, mais après un certain seuil, vous n’obtenez pas beaucoup plus simplement en ayant plus. Le nombre suffisant dépend de divers facteurs (organe, modalité, modèle de maladie, etc.), et il est impossible de donner un nombre exact. Ce qui est le plus important, c’est la qualité des données.

contextflow est-il conçu pour tous les cas, ou simplement pour déterminer le diagnostic différentiel pour les cas difficiles ?

Les radiologues sont vraiment bons dans leur travail. Pour la majorité des cas, les résultats sont évidents, et les outils externes sont inutiles. contextflow s’est distingué sur le marché en se concentrant sur la recherche générale plutôt que sur le diagnostic automatisé. Il y a quelques cas d’utilisation pour nos outils, mais le principal est d’aider pour les cas difficiles où les résultats ne sont pas immédiatement apparents. Ici, les radiologues doivent consulter diverses ressources, et ce processus prend du temps. contextflow SEARCH, notre moteur de recherche d’images 3D, vise à réduire le temps qu’il faut aux radiologues pour rechercher des informations pendant l’interprétation des images en leur permettant de rechercher via l’image elle-même. Puisque nous fournissons également des informations de référence utiles pour le diagnostic différentiel, la formation de nouveaux radiologues est un autre cas d’utilisation prometteur.

Pouvez-vous nous guider à travers le processus de la façon dont un radiologue utiliserait la plateforme contextflow ?

contextflow SEARCH Lung CT est complètement intégré dans le flux de travail du radiologue (ou sinon, ils ne l’utiliseraient pas). Le radiologue effectue son travail comme d’habitude, et lorsqu’il a besoin d’informations supplémentaires pour un patient particulier, il sélectionne simplement une région d’intérêt dans cette analyse et clique sur l’icône contextflow sur sa station de travail pour ouvrir notre système dans une nouvelle fenêtre de navigateur. De là, il recevra des cas de référence de notre base de données de patients avec des modèles de maladie similaires à ceux du patient qu’il évalue actuellement, ainsi que des statistiques et de la littérature médicale (par exemple, radiopedia). Il peut parcourir son patient dans notre système normalement, en sélectionnant des régions supplémentaires pour rechercher des informations supplémentaires et les comparer côte à côte avec les cas de référence. Il y a également des cartes thermiques qui fournissent une visualisation de la distribution globale des modèles de maladie, ce qui aide à la rédaction des résultats. Nous avons vraiment essayé de mettre tout ce dont un radiologue a besoin pour rédiger un rapport en un seul endroit et à portée de main en quelques secondes.

Ceci a été conçu initialement pour les tomodensitogrammes pulmonaires, contextflow va-t-il s’étendre à d’autres types d’analyses ?

Oui ! Nous avons une liste d’organes et de modalités demandés par les radiologues que nous sommes impatients d’ajouter. L’objectif ultime est de fournir un système qui couvre l’ensemble du corps humain, quel que soit l’organe ou le type d’analyse.

contextflow a reçu le soutien de deux programmes d’incubation incroyables INiTS et i2c TU Wien. Quel a été l’avantage de ces programmes et qu’avez-vous appris du processus ?

Nous devons beaucoup de gratitude à ces incubateurs. Les deux nous ont connectés avec des mentors, des consultants et des investisseurs qui ont remis en question notre modèle d’entreprise et ont finalement clarifié notre qui/quoi/pourquoi. Ils agissent également de manière très pratique, en fournissant un financement et un espace de bureau afin que nous puissions vraiment nous concentrer sur le travail et ne pas nous soucier autant de sujets administratifs. Nous n’aurions vraiment pas pu aller aussi loin sans leur soutien. L’écosystème autrichien des startups est encore petit, mais il y a des programmes pour aider à faire aboutir des idées innovantes.

Vous êtes également l’initiateur du projet phare autrichien des TIC, qui vise à construire un écosystème de services de données durable en Autriche. Pouvez-vous nous en dire plus sur ce projet et sur votre rôle dans celui-ci ?

La quantité de données produites quotidiennement augmente de manière exponentielle, et son importance pour la plupart des industries est également en train d’exploser… c’est vraiment l’une des ressources les plus importantes du monde ! Le projet Data Market Austria’s Lighthouse vise à développer ou à réformer les exigences pour les entreprises axées sur les données à succès, en garantissant un coût faible, une qualité élevée et une interopérabilité. J’ai coordonné le projet pendant la première année en 2016-2017. Cela a conduit à la création de la Data Intelligence Offensive où je suis membre du conseil d’administration. La mission de la DIO est d’échanger des informations et des connaissances entre les membres concernant la gestion et la sécurité des données.

Y a-t-il autre chose que vous aimeriez partager avec nos lecteurs sur contextflow ?

Les flux de travail de radiologie ne sont pas dans l’esprit du citoyen moyen, et c’est ainsi que cela devrait être. Le système devrait simplement fonctionner. Malheureusement, une fois que vous devenez un patient, vous réalisez que ce n’est pas toujours le cas. contextflow travaille pour transformer ce processus pour les radiologues et les patients. Vous pouvez vous attendre à beaucoup de développements passionnants de notre part dans les années à venir, alors restez à l’écoute !

Veuillez visiter contextflow pour en savoir plus.