Allan Hanbury, Co-Fundador da contextflow – Série de Entrevistas

Allan Hanbury é Professor de Inteligência de Dados na TU Wien, Áustria, e Membro da Faculdade do Complexity Science Hub, onde lidera pesquisas e inovações para dar sentido a dados não estruturados. Ele é o iniciador do Projeto Farol de TIC da Áustria, Data Market Austria, que está criando um Ecossistema de Serviços de Dados na Áustria. Ele foi coordenador científico do Projeto Integrado Khresmoi, financiado pela UE, sobre busca e análise de informações médicas e de saúde, e é co-fundador da contextflow, a empresa spin-off que comercializa a tecnologia de busca de imagens de radiologia desenvolvida no projeto Khresmoi. Ele também coordenou o projeto VISCERAL, financiado pela UE, sobre avaliação de algoritmos em grandes dados, e o projeto KConnect, financiado pela UE, sobre tecnologia para analisar texto médico.

A contextflow é uma spin-off da Universidade Médica de Viena e do projeto de pesquisa europeu KHRESMOI. Pode nos contar sobre o projeto KHRESMOI?

Certo! O objetivo do Khresmoi era desenvolver um sistema de busca e acesso multilíngue e multimodal para informações e documentos biomédicos, o que nos exigiu automatizar efetivamente o processo de extração de informações, desenvolver interfaces de usuário adaptáveis e vincular informações de texto não estruturadas e semi-estruturadas a imagens. Basicamente, queríamos tornar o processo de recuperação de informações para profissionais de saúde confiável, rápido, preciso e compreensível.

Qual é o conjunto de dados atual que está alimentando o algoritmo de aprendizado profundo da contextflow?

Nosso conjunto de dados contém aproximadamente 8000 tomografias computadorizadas de pulmão. Como nosso AI é bastante flexível, estamos nos movendo em direção a ressonâncias magnéticas de cérebro em seguida.

Você viu melhorias na forma como o AI se sai à medida que o conjunto de dados se torna maior?

É uma pergunta que nos fazem frequentemente, e a resposta provavelmente não é satisfatória para a maioria dos leitores. Até certo ponto, sim, a qualidade melhora com mais exames, mas após um certo limiar, você não ganha muito mais apenas por ter mais. Quanto é suficiente realmente depende de vários fatores (órgão, modalidade, padrão de doença, etc), e é impossível dar um número exato. O que é mais importante é a qualidade dos dados.

A contextflow é projetada para todos os casos ou apenas para determinar o diagnóstico diferencial para casos difíceis?

Radiologistas são muito bons no que fazem. Para a maioria dos casos, os achados são óbvios, e ferramentas externas são desnecessárias. A contextflow se diferenciou no mercado ao se concentrar em busca geral em vez de diagnóstico automatizado. Existem alguns casos de uso para nossas ferramentas, mas o principal é ajudar com casos difíceis onde os achados não são imediatamente aparentes. Aqui, os radiologistas devem consultar várias fontes, e esse processo leva tempo. O contexto de busca da contextflow, nosso mecanismo de busca baseado em imagem 3D) visa reduzir o tempo que os radiologistas levam para buscar informações durante a interpretação de imagens, permitindo que eles busquem via a própria imagem. Como também fornecemos informações de referência úteis para diagnóstico diferencial, o treinamento de novos radiologistas é outro caso de uso promissor.

Pode nos levar pelo processo de como um radiologista usaria a plataforma da contextflow?

A busca da contextflow para tomografia computadorizada de pulmão é completamente integrada ao fluxo de trabalho do radiologista (ou eles não a usariam). O radiologista realiza seu trabalho como de costume, e quando precisa de informações adicionais para um paciente específico, ele simplesmente seleciona uma região de interesse naquele exame e clica no ícone da contextflow em sua estação de trabalho para abrir nosso sistema em uma nova janela do navegador. A partir daí, ele receberá casos de referência do nosso banco de dados de pacientes com padrões de doença semelhantes aos do paciente que ele está avaliando, além de estatísticas e literatura médica (por exemplo, radiopedia). Ele pode rolar pelo seu paciente em nosso sistema normalmente, selecionando regiões adicionais para buscar informações e comparar lado a lado com os casos de referência. Existem também mapas de calor que fornecem uma visualização da distribuição geral de padrões de doença, o que ajuda na elaboração de relatórios de achados. Nós realmente tentamos colocar tudo o que um radiologista precisa para escrever um relatório em um só lugar e disponível em segundos.

Isso foi projetado inicialmente para tomografias computadorizadas de pulmão; a contextflow expandirá para outros tipos de exames?

Sim! Temos uma lista de órgãos e modalidades solicitadas por radiologistas que estamos ansiosos para adicionar. O objetivo final é fornecer um sistema que cubra todo o corpo humano, independentemente do órgão ou tipo de exame.

A contextflow recebeu o apoio de dois programas de incubação incríveis, INiTS e i2c TU Wien. Quão benéficos esses programas foram e o que você aprendeu com o processo?

Nós devemos muita gratidão a esses incubadores. Ambos nos conectaram com mentores, consultores e investidores que desafiaram nosso modelo de negócios e, em última análise, esclareceram nosso quem/porque/como. Eles também agem de forma muito prática, fornecendo financiamento e espaço de escritório para que pudéssemos realmente nos concentrar no trabalho e não nos preocupar tanto com tópicos administrativos. Nós realmente não poderíamos ter chegado tão longe sem o seu apoio. O ecossistema de startups da Áustria ainda é pequeno, mas existem programas lá para ajudar a trazer ideias inovadoras à fruição.

Você também é o iniciador do Projeto Farol de TIC da Áustria, que visa construir um Ecossistema de Serviços de Dados Sustentável na Áustria. Pode nos contar mais sobre esse projeto e sobre seu papel nele?

A quantidade de dados produzida diariamente está crescendo exponencialmente, e sua importância para a maioria das indústrias também está explodindo… é realmente um dos recursos mais importantes do mundo! O Projeto Farol da Data Market Austria visa desenvolver ou reformar requisitos para negócios de dados bem-sucedidos, garantindo baixo custo, alta qualidade e interoperabilidade. Eu coordenei o projeto por um ano em 2016-2017. Isso levou à criação da Data Intelligence Offensive, onde estou no conselho de diretores. A missão do DIO é trocar informações e conhecimentos entre os membros sobre gerenciamento e segurança de dados.

Existe algo mais que você gostaria de compartilhar conosco sobre a contextflow?

Os fluxos de trabalho de radiologia não estão na mente do cidadão comum, e é assim que deve ser. O sistema deve simplesmente funcionar. Infelizmente, uma vez que você se torna um paciente, você percebe que não é sempre o caso. A contextflow está trabalhando para transformar esse processo para ambos, radiologistas e pacientes. Você pode esperar muitos desenvolvimentos emocionais de nós nos próximos anos, então fique atento! Por favor, visite contextflow para saber mais.