Allan Hanbury, medgrundare av contextflow – Intervjuserie

Allan Hanbury är professor i dataintelligens vid TU Wien, Österrike, och medlem av Complexity Science Hub, där han leder forskning och innovation för att ge mening åt ostrukturerad data. Han är initiativtagare till det österrikiska ICT-lyktprojektet, Data Market Austria, som skapar en datatjänsteekosystem i Österrike. Han var vetenskaplig samordnare för EU-finansierade Khresmoi Integrated Project om medicinsk och hälsorelaterad informationsökning och analys, och är medgrundare till contextflow, spin-off-företaget som kommersialiserar radiologibildsökningstekniken som utvecklades i Khresmoi-projektet. Han samordnade också EU-finansierade VISCERAL-projektet om utvärdering av algoritmer för stora datamängder och EU-finansierade KConnect-projektet om teknik för analys av medicinsk text.

contextflow är en spin-off från Medizinische Universität Wien och det europeiska forskningsprojektet KHRESMOI. Kan du berätta om KHRESMOI-projektet?

Självklart! Målet med Khresmoi var att utveckla ett multilinguellt, multimodalt sök- och åtkomssystem för biomedicinsk information och dokument, vilket krävde att vi effektivt automatiserade informationsutvinningen, utvecklade adaptiva användargränssnitt och länkade både ostrukturerad och semistrukturerad textinformation till bilder. I princip ville vi göra informationsåtervinningen för medicinska yrkespersoner tillförlitlig, snabb, exakt och begriplig.

Vilken är den aktuella datamängd som driver contextflows djupinlärningsalgoritm?

Vår datamängd innehåller cirka 8000 lung-CT-bilder. Eftersom vår AI är ganska flexibel är vi på väg att lägga till hjärn-MR-bilder nästa gång.

Har du sett förbättringar i hur AI fungerar när datamängden har blivit större?

Vi får ofta den här frågan, och svaret är antagligen inte tillfredsställande för de flesta läsarna. Till viss del, ja, kvaliteten förbättras med fler skanningar, men efter en viss tröskel vinner man inte mycket mer bara genom att ha fler. Hur mycket som är tillräckligt beror verkligen på olika faktorer (organ, modalitet, sjukdomsmönster etc.), och det är omöjligt att ge ett exakt nummer. Det viktigaste är datans kvalitet.

Är contextflow utformat för alla fall, eller bara för att bestämma differentialdiagnos för svåra fall?

Radiologer är verkligen bra på det de gör. För de flesta fallen är fynden uppenbara, och externa verktyg är onödiga. contextflow har differentierat sig på marknaden genom att fokusera på allmän sökning snarare än automatiserad diagnos. Det finns några användningsfall för våra verktyg, men det huvudsakliga är att hjälpa till med svåra fall där fynden inte är omedelbart uppenbara. Här måste radiologer konsultera olika resurser, och den processen tar tid. contextflow SEARCH, vår 3D-bildbaserade sökmotor, syftar till att minska den tid det tar för radiologer att söka efter information under bildtolkning genom att låta dem söka via bilden själv. Eftersom vi också tillhandahåller referensinformation som är användbar för differentialdiagnos är utbildning av nya radiologer ett annat lovande användningsfall.

Kan du gå igenom processen för hur en radiolog skulle använda contextflow-plattformen?

contextflow SEARCH Lung CT är helt integrerad i radiologens arbetsflöde (annars skulle de inte använda den). Radiologen utför sitt arbete som vanligt, och när de behöver ytterligare information för en specifik patient väljer de en region av intresse i den skanningen och klickar på contextflow-ikonen i sin arbetsstation för att öppna vårt system i ett nytt webbläsarfönster. Därifrån får de referensfall från vår databas med patienter som har liknande sjukdomsmönster som den patient de just nu utvärderar, plus statistik och medicinsk litteratur (t.ex. radiopedia). De kan bläddra igenom sin patient i vårt system normalt, välja ytterligare områden för att söka efter ytterligare information och jämföra sida vid sida med referensfallen. Det finns också värmebilder som ger en visualisering av den övergripande fördelningen av sjukdomsmönster, vilket hjälper till med att rapportera fynd som också. Vi försökte verkligen att lägga allt en radiolog behöver för att skriva en rapport på en plats och göra det tillgängligt inom några sekunder.

Detta var ursprungligen utformat för lung-CT-skanningar, kommer contextflow att expandera till andra typer av skanningar?

Ja! Vi har en lista med organ och modaliteter som radiologer har begärt som vi är angelägna om att lägga till. Det ultimata målet är att tillhandahålla ett system som täcker hela kroppen, oavsett organ eller skanningstyp.

contextflow har fått stöd från två fantastiska inkubatorprogram, INiTS och i2c TU Wien. Hur värdefulla har dessa program varit och vad har du lärt dig av processen?

Vi är mycket tacksamma för dessa inkubatorer. Båda har kopplat oss samman med mentorer, konsulter och investerare som har utmanat vår affärsmodell och slutligen klargjort vår vem/varför/hur. De har också agerat mycket praktiskt, tillhandahållit finansiering och kontorsutrymme så att vi kunde fokusera på arbetet och inte oroa oss så mycket för administrativa ämnen. Vi kunde verkligen inte ha kommit så långt som vi har utan deras stöd. Den österrikiska startup-ekosystemen är fortfarande liten, men det finns program där ute för att hjälpa innovativa idéer att bli verklighet.

Du är också initiativtagare till det österrikiska ICT-lyktprojektet som syftar till att bygga ett hållbart datatjänsteekosystem i Österrike. Kan du berätta mer om det här projektet och om din roll i det?

Mängden data som produceras dagligen växer exponentiellt, och dess betydelse för de flesta branscher exploderar också…det är verkligen en av världens viktigaste resurser! Data Market Austrias Lighthouse-projekt syftar till att utveckla eller reformera kraven för framgångsrika datadrivna företag, säkerställa låg kostnad, hög kvalitet och interoperabilitet. Jag samordnade projektet under det första året 2016-2017. Detta ledde till skapandet av Data Intelligence Offensive, där jag är styrelseledamot. DIO:s uppdrag är att utbyta information och kunskap mellan medlemmarna om datahantering och säkerhet.

Finns det något annat du vill dela med våra läsare om contextflow?

Radiologiska arbetsflöden är inte i medvetandet hos den genomsnittlige medborgaren, och det borde det inte heller vara. Systemet borde bara fungera. Tyvärr, när man blir patient, inser man att det inte alltid är fallet. contextflow arbetar för att förändra den processen för både radiologer och patienter. Du kan förvänta dig många spännande utvecklingar från oss under de kommande åren, så håll utkik!

Vänligen besök contextflow för att lära dig mer.