Allan Hanbury, Co-Founder of contextflow – Interview Series

Allan Hanbury adalah Profesor untuk Kecerdasan Data di TU Wien, Austria, dan Anggota Fakultas dari Complexity Science Hub, di mana ia memimpin penelitian dan inovasi untuk membuat sense dari data tidak terstruktur. Ia adalah inisiator Proyek Lighthouse ICT Austria, Data Market Austria, yang menciptakan Ekosistem Layanan Data di Austria. Ia adalah koordinator ilmiah dari Proyek Terintegrasi Khresmoi yang didanai EU tentang pencarian dan analisis informasi kesehatan dan medis, dan ia adalah co-pendiri contextflow, perusahaan spin-off yang mengkomersialkan teknologi pencarian gambar radiologi yang dikembangkan dalam proyek Khresmoi. Ia juga mengkoordinasikan proyek VISCERAL yang didanai EU tentang evaluasi algoritma pada big data, dan proyek KConnect yang didanai EU tentang teknologi untuk menganalisis teks medis.

contextflow adalah spin-off dari Universitas Kedokteran Wina dan proyek penelitian Eropa KHRESMOI. Bisakah Anda memberitahu kami tentang proyek KHRESMOI?

Tentu! Tujuan Khresmoi adalah mengembangkan sistem pencarian dan akses multibahasa, multimodal untuk informasi dan dokumen biomedis, yang memerlukan kami untuk mengautomasi proses ekstraksi informasi, mengembangkan antarmuka pengguna adaptif dan menghubungkan teks tidak terstruktur dan semi-terstruktur ke gambar. Secara esensial, kami ingin membuat proses pemulihan informasi untuk profesional kesehatan yang dapat diandalkan, cepat, akurat, dan mudah dipahami.

Apa dataset saat ini yang memuat algoritma deep learning contextflow?

Dataset kami berisi sekitar 8000 CT paru-paru. Karena AI kami cukup fleksibel, kami bergerak ke arah MRI otak berikutnya.

Apakah Anda telah melihat perbaikan dalam kinerja AI saat dataset menjadi lebih besar?

Kami sering ditanya pertanyaan ini, dan jawabannya mungkin tidak memuaskan bagi kebanyakan pembaca. Sampai batas tertentu, ya, kualitasnya meningkat dengan lebih banyak pemindaian, tetapi setelah ambang tertentu, Anda tidak mendapatkan banyak lagi hanya dari memiliki lebih banyak. Berapa banyak yang cukup benar-benar tergantung pada berbagai faktor (organ, modalitas, pola penyakit, dll), dan mustahil untuk memberikan angka pasti. Yang paling penting adalah kualitas data.

Apakah contextflow dirancang untuk semua kasus, atau hanya untuk menentukan diagnosis diferensial untuk kasus yang sulit?

Radiolog benar-benar baik dalam apa yang mereka lakukan. Untuk sebagian besar kasus, temuan sudah jelas, dan alat eksternal tidak diperlukan. contextflow telah membedakan dirinya di pasar dengan fokus pada pencarian umum daripada diagnosis otomatis. Ada beberapa kasus penggunaan untuk alat kami, tetapi yang utama adalah untuk membantu dengan kasus yang sulit di mana temuan tidak segera jelas. Di sini, radiolog harus berkonsultasi dengan berbagai sumber, dan proses itu memakan waktu. contextflow SEARCH, mesin pencari gambar 3D kami) bertujuan untuk mengurangi waktu yang dibutuhkan radiolog untuk mencari informasi selama interpretasi gambar dengan memungkinkan mereka untuk mencari melalui gambar itu sendiri. Karena kami juga menyediakan informasi referensi yang berguna untuk diagnosis diferensial, pelatihan radiolog baru juga merupakan kasus penggunaan yang menjanjikan.

Bisakah Anda menjelaskan proses bagaimana seorang radiolog akan menggunakan platform contextflow?

contextflow SEARCH Lung CT sepenuhnya terintegrasi dengan alur kerja radiolog (atau mereka tidak akan menggunakannya). Radiolog melakukan pekerjaan mereka seperti biasa, dan ketika mereka memerlukan informasi tambahan untuk pasien tertentu, mereka hanya memilih area minat dalam pemindaian tersebut dan mengklik ikon contextflow di workstation mereka untuk membuka sistem kami di jendela browser baru. Dari sana, mereka akan menerima kasus referensi dari database kami pasien dengan pola penyakit serupa yang hadir sebagai pasien yang mereka evaluasi saat ini plus statistik dan literatur medis (misalnya radiopedia). Mereka dapat menggulir melalui pasien mereka di sistem kami secara normal, memilih area tambahan untuk mencari informasi tambahan dan membandingkan side-by-side dengan kasus referensi. Ada juga peta panas yang menyediakan visualisasi distribusi pola penyakit secara keseluruhan, yang membantu dengan pelaporan temuan. Kami benar-benar mencoba meletakkan semua yang dibutuhkan radiolog untuk menulis laporan dalam satu tempat dan tersedia dalam hitungan detik.

Ini awalnya dirancang untuk pemindaian CT paru-paru, apakah contextflow akan memperluas ke jenis pemindaian lain?

Ya! Kami memiliki daftar organ dan modalitas yang diminta oleh radiolog yang ingin kami tambahkan. Tujuan akhir adalah menyediakan sistem yang mencakup seluruh tubuh manusia, tanpa memandang organ atau jenis pemindaian.

contextflow telah menerima dukungan dari dua program inkubator luar biasa INiTS dan i2c TU Wien. Seberapa bermanfaat program-program ini dan apa yang Anda pelajari dari prosesnya?

Kami berhutang budi kepada inkubator-inkubator ini. Keduanya menghubungkan kami dengan mentor, konsultan, dan investor yang menantang model bisnis kami dan pada akhirnya memperjelas siapa/kenapa/bagaimana kami. Mereka juga bertindak sangat praktis, menyediakan pendanaan dan ruang kantor sehingga kami dapat benar-benar fokus pada pekerjaan dan tidak terlalu khawatir tentang topik administratif. Kami benar-benar tidak bisa datang sejauh ini tanpa dukungan mereka. Ekosistem startup Austria masih kecil, tetapi ada program di luar sana untuk membantu membawa ide inovatif ke kesuksesan.

Anda juga adalah inisiator Proyek Lighthouse ICT Austria yang bertujuan membangun Ekosistem Layanan Data yang berkelanjutan di Austria. Bisakah Anda memberitahu kami lebih lanjut tentang proyek ini dan tentang peran Anda di dalamnya?

Jumlah data yang dihasilkan setiap hari tumbuh secara eksponensial, dan pentingnya bagi sebagian besar industri juga meledak… ini benar-benar salah satu sumber daya paling penting di dunia! Proyek Lighthouse Data Market Austria bertujuan untuk mengembangkan atau mereformasi persyaratan untuk bisnis yang didorong data yang sukses, memastikan biaya rendah, kualitas tinggi, dan interoperabilitas. Saya mengkoordinasikan proyek ini selama tahun pertama pada 2016-2017. Ini mengarah pada penciptaan Data Intelligence Offensive di mana saya berada di dewan direktur. Misi DIO adalah untuk bertukar informasi dan pengetahuan antara anggota tentang manajemen dan keamanan data.

Apakah ada yang lain yang ingin Anda bagikan dengan pembaca kami tentang contextflow?  

Alur kerja radiologi tidak ada dalam pikiran warga biasa, dan itu seharusnya begitu. Sistem harus hanya bekerja. Sayangnya, sekali Anda menjadi pasien, Anda menyadari bahwa itu tidak selalu terjadi. contextflow bekerja untuk mengubah proses itu untuk radiolog dan pasien. Anda dapat mengharapkan banyak perkembangan menarik dari kami dalam beberapa tahun mendatang, jadi tetaplah terhubung!

Silakan kunjungi contextflow untuk mempelajari lebih lanjut.