contextflow: Künstliche Intelligenz & maschinelles Lernen in der Radiologie

+++ Innovative Diagnoseunterstützung in der Praxis weiterentwickeln +++ Start von Proof-of-Concept mit sieben Einrichtungen in Europa +++

Der Einsatz künstlicher Intelligenz (KI) und maschinellen Lernens gehören zu den Topthemen in der Radiologie. Seit 2016 beschäftigt sich contextflow, ein Spin-Off der Medizinischen Universität Wien, mit genau diesen Themen. Immer dann, wenn während der Befundung eines Falles zusätzliche Informationen für eine sichere Diagnose benötigt werden, findet die Software basierend auf einer markierten Bildregion visuell ähnliche Vergleichsfälle und dazugehörig relevante Fachartikel.

„Um besser zu verstehen, wie Radiologen unser Tool im klinischen Umfeld einsetzen, um Feedback zu eventuellen Verbesserungen zu erhalten, haben wir einen Proof-of-Concept (PoC) mit sieben Kliniken in Deutschland, Österreich, den Niederlanden und Kroatien gestartet“, sagt Markus Holzer. Und die ersten Rückmeldungen sind positiv. „Wir hören, dass unsere Lösung innovativ, vielversprechend und klinisch hilfreich ist“, freut sich der Mitgründer und Geschäftsführer von contextflow. 

„Radiologie ist eines der Fächer in der Medizin, das sicher in einem hohen Maße durch Entwicklungen in der künstlichen Intelligenz Veränderungen ausgesetzt ist. Es liegt an uns, diese Veränderungen mitzugestalten und auch zu lernen, wo wir uns verbessern können.“ So beschreibt Ass.-Prof. Priv.-Doz. Dr. Helmut Prosch, Facharzt in der Klinischen Abteilung für Allgemeine Radiologie und Kinderradiologie des AKH Wien, seine Motivation der Teilnahme am PoC von contextflow. Auch Dr. Jacob J. Visser, Head of Imaging IT and Value-based imaging im Erasmus Medisch Centrum, erkennt den Wert der KI für die Radiologie, verspricht sich vom PoC Erkenntnisse zum optimalen Einsatz in der klinischen Routine.

Prof. Dr. Boris Brkljacic, Leiter der Abteilung für Diagnostische und Interventionelle Radiologie im Universitätsklinikum Zagreb und Präsident der Europäischen Röntgengesellschaft, sieht einen echten Mehrwert in der contextflow-Lösung, will aber aktiv an der Optimierung mitarbeiten. „In Zeiten einer zunehmend komplexeren Diagnostik und eines steigenden Arbeitsaufkommens kann Software die Zeit für die Beurteilung schwieriger oder seltener Fälle verkürzen und die Effektivität unserer Ressourcen maximieren”, so der Radiologe.

Für Prof. Prosch ist das Proof-of-Concept mehr als nur das Testen eines sich in Entwicklung befindlichen Produkts. „Wir erhoffen uns, die neuen Möglichkeiten, die uns dieses Produkt bietet, besser zu verstehen und das Produkt letztendlich auch mitgestalten zu können. Als Partner in der PoC-Phase können wir unser medizinisches Fachwissen mit der technischen Expertise von contextflow vereinen und so gemeinsam ein Produkt weiterentwickeln, das für viele Radiologen nützlich sein wird.“

Über contextflow

contextflow ist ein Spin-Off der Medizinischen Universität Wien in Zusammenarbeit mit der Technischen Universität Wien, unterstützt durch die Inkubatoren INiTS und i2c TU Wien. Das Unternehmen stellt Software basierend auf den neuesten Methoden des maschinellen Lernens für die bildbasierte Suche in großen medizinischen Bild- und Referenzdatenbanken her. Die Technologie unterstützt Radiologen bei der Erstellung von präziseren Befunden in kürzerer Zeit. Während der Befundung kann direkt und schnell auf relevante Referenzfälle zuzugreifen. Die Basis der Suche bilden Methoden, die Bildinhalte mit semantischen Inhalten verknüpfen, und so klinisch relevante Marker quantifizieren können.
Im April 2017 wurde contextflow mit dem Innovationspreis im Rahmen des Staatspreises Digital Solutions 2017 ausgezeichnet und wird gefördert durch JumpStart & PreSeed des BMWFW abgewickelt durch die aws, sowie durch Start Tech Vienna der Wirtschaftsagentur Wien ein Fond der Stadt Wien