Allan Hanbury, mede-oprichter van contextflow – Interviewreeks

Allan Hanbury is hoogleraar Data Intelligence aan de TU Wien, Oostenrijk, en lid van de faculteit van de Complexity Science Hub, waar hij onderzoek en innovatie leidt om zin te geven aan ongestructureerde gegevens. Hij is initiator van het Oostenrijkse ICT-lichtproject, Data Market Austria, dat een Data-Services Ecosystem in Oostenrijk creëert. Hij was wetenschappelijk coördinator van het EU-gesubsidieerde Khresmoi-integratieproject over medische en gezondheidsinformatiezoeken en -analyse, en is mede-oprichter van contextflow, het spin-offbedrijf dat de radiologiebeeldzoektechnologie commercialiseert die in het Khresmoi-project is ontwikkeld. Hij coördineerde ook het EU-gesubsidieerde VISCERAL-project over de evaluatie van algoritmen op big data, en het EU-gesubsidieerde KConnect-project over technologie voor het analyseren van medische teksten.

contextflow is een spin-off van de Medische Universiteit van Wenen en het Europese onderzoeksproject KHRESMOI. Kunt u ons vertellen over het KHRESMOI-project?

Zeker! Het doel van Khresmoi was om een meertalig, multimodaal zoeksysteem voor biomedische informatie en documenten te ontwikkelen, wat ons dwong om effectief de informatie-extractieproces te automatiseren, adaptieve gebruikersinterfaces te ontwikkelen en zowel ongestructureerde als semi-gestructureerde tekstuele informatie te koppelen aan beelden. In wezen wilden we het informatie-ophalingproces voor medische professionals betrouwbaar, snel, nauwkeurig en begrijpelijk maken.

Wat is de huidige dataset die de contextflow diepe leer-algoritme aandrijft?

Onze dataset bevat ongeveer 8000 long-CT’s. Aangezien onze AI vrij flexibel is, gaan we naar hersen-MRI’s.

Hebt u verbeteringen gezien in de manier waarop de AI presteert naarmate de dataset groter wordt?

We worden vaak deze vraag gesteld, en het antwoord is waarschijnlijk niet bevredigend voor de meeste lezers. Tot op zekere hoogte, ja, de kwaliteit verbetert met meer scans, maar na een bepaalde drempel win je niet veel meer door alleen maar meer te hebben. Hoeveel genoeg is, hangt af van verschillende factoren (orgaan, modaliteit, ziektepatroon, enz.), en het is onmogelijk om een exact nummer te geven. Wat het belangrijkst is, is de kwaliteit van de gegevens.

Is contextflow ontworpen voor alle gevallen, of alleen om differentiële diagnose te bepalen voor moeilijke gevallen?

Radiologen zijn echt goed in hun werk. Voor de meeste gevallen zijn de bevindingen overduidelijk, en externe hulpmiddelen zijn overbodig. contextflow heeft zich onderscheiden in de markt door zich te richten op algemene zoekopdrachten in plaats van geautomatiseerde diagnose. Er zijn een paar gebruikscases voor onze tools, maar de belangrijkste is om te helpen bij moeilijke gevallen waar de bevindingen niet meteen duidelijk zijn. Hier moeten radiologen verschillende bronnen raadplegen, en dat proces kost tijd. contextflow SEARCH, onze 3D-beeldzoekmachine, heeft als doel de tijd die radiologen nodig hebben om informatie te zoeken tijdens beeldinterpretatie te verkorten door hen in staat te stellen via het beeld zelf te zoeken. Omdat we ook referentie-informatie bieden die nuttig is voor differentiële diagnose, is het trainen van nieuwe radiologen een andere veelbelovende gebruikscase.

Kunt u ons door het proces leiden van hoe een radioloog de contextflow-platform zou gebruiken?

contextflow SEARCH Long CT is volledig geïntegreerd in de workflow van de radioloog (anders zouden ze het niet gebruiken). De radioloog voert zijn werk uit zoals gewoonlijk, en wanneer hij extra informatie nodig heeft voor een bepaalde patiënt, selecteert hij eenvoudig een regio van interesse in die scan en klikt hij op het contextflow-pictogram in zijn workstation om ons systeem in een nieuw browservenster te openen. Van daaruit ontvangt hij referentiegevallen uit onze database van patiënten met soortgelijke ziektepatronen als de patiënt die hij op dat moment evalueert, evenals statistieken en medische literatuur (bijv. radiopedia). Hij kan door zijn patiënt in ons systeem bladeren, extra regio’s selecteren om extra informatie te zoeken en vergelijken met de referentiegevallen. Er zijn ook warmtekaarten die een visualisatie geven van de algehele verdeling van ziektepatronen, wat helpt bij het rapporteren van bevindingen. We hebben echt geprobeerd om alles wat een radioloog nodig heeft om een rapport te schrijven op één plaats en binnen seconden beschikbaar te stellen.

Dit was oorspronkelijk ontworpen voor long-CT-scans, zal contextflow zich uitbreiden naar andere soorten scans?

Ja! We hebben een lijst met organen en modaliteiten die door radiologen zijn aangevraagd en die we graag willen toevoegen. Het uiteindelijke doel is om een systeem te bieden dat het hele lichaam bestrijkt, ongeacht orgaan of type scan.

contextflow heeft de steun ontvangen van twee geweldige incubatorprogramma’s INiTS en i2c TU Wien. Hoe nuttig zijn deze programma’s geweest en wat heeft u van het proces geleerd?

We zijn deze incubators veel verschuldigd. Beide hebben ons in contact gebracht met mentoren, consultants en investeerders die ons bedrijfsmodel hebben uitgedaagd en uiteindelijk onze wie/waarom/hoe hebben verduidelijkt. Ze bieden ook praktische ondersteuning, zoals financiering en kantoorruimte, zodat we ons echt op het werk konden concentreren en ons niet te veel zorgen hoefden te maken over administratieve onderwerpen. We hadden zonder hun steun nooit zo ver kunnen komen als we nu zijn. Het Oostenrijkse startup-ecosysteem is nog klein, maar er zijn programma’s om innovatieve ideeën tot wasdom te brengen.

U bent ook de initiator van het Oostenrijkse ICT-lichtproject, dat een duurzaam Data-Services Ecosystem in Oostenrijk beoogt te bouwen. Kunt u ons meer vertellen over dit project en over uw rol daarin?

De hoeveelheid gegenereerde gegevens groeit exponentieel, en hun belang voor de meeste industrieën neemt ook toe… het is echt een van de belangrijkste bronnen ter wereld! Data Market Austria’s Lighthouse-project heeft als doel om eisen voor succesvolle data-gedreven bedrijven te ontwikkelen of te hervormen, met als doel lage kosten, hoge kwaliteit en interoperabiliteit. Ik coördineerde het project voor het eerste jaar in 2016-2017. Dit leidde tot de creatie van de Data Intelligence Offensive, waarvan ik bestuurslid ben. De missie van de DIO is om informatie en kennis te delen tussen leden over gegevensbeheer en -beveiliging.

Is er nog iets dat u met onze lezers over contextflow wilt delen?

Radiologische workflows zijn niet in het bewustzijn van de gemiddelde burger, en dat moet zo blijven. Het systeem moet gewoon werken. Helaas realiseert u zich, zodra u patiënt wordt, dat dit niet altijd het geval is. contextflow werkt aan het transformeren van dat proces voor zowel radiologen als patiënten. U kunt veel spannende ontwikkelingen van ons verwachten in de komende jaren, dus blijf op de hoogte!

Bezoek contextflow om meer te weten te komen.