• SIX Sweden Index 256.29 0.45%
  • SIX Norway Index 182.59 -0.33%
  • SIX Denmark Index 238.6 -0.4%
  • SIX Finland Index 144.28 0.37%

Svenska Contextvision tar plats i världstoppen inom maskininlärning

Anita Tollstadius, vd för Contextvision.

Genom artificiell intelligens börjar datorer nu lära sig allt fler komplexa sysslor som tidigare bara kunnat utföras av den mänskliga hjärnan. Ett exempel är att hjälpa läkare att diagnosticera svåra sjukdomar, ett område där svenska Contextvision befinner sig i den absoluta världstoppen.

Utvecklingen av Artificiell intelligens (AI) går just nu framåt i en rasande takt och datorer lär sig ständigt att utföra nya sysslor, som tidigare varit omöjliga. Digitala jättar som Google, Facebook och Microsoft investerar därför miljarder i tekniken men även många mindre företag är med i utvecklingen. Ett exempel på en sådan uppstickare är svenska Contextvision, ett bolag med rötterna inom medicinsk bildanalys som gjort AI och självlärande datorer till sitt nya fokusområde.

– Vi bestämde oss i juni 2015 för att satsa resurser på forskning för att ta en ledande position inom det som kallas ”deep learning". Vi har gjort stora investeringar i forskning och vi har både rekryterat och satsat jättemycket på kompetensutveckling på det här området, säger vd Anita Tollstadius.

»Deep learning handlar om att algoritmer utvecklar sig själva på ett sätt som liknar hjärnans sätt att analysera omvärlden«

Contextvision ser stora möjligheter med att kunna lära datorer att automatiskt analysera medicinska bilder och skapa effektiva beslutsstöd för att diagnosticera cancer och andra sjukdomar. Den extrema komplexiteten i bilderna har tidigare gjort det omöjligt att automatisera bildanalyser, eftersom dessa byggt på  ”manuellt” utvecklade algoritmer som beskriver för datorn vad den ska leta efter. Med deep learning vänder man på processen och istället för att skriva algoritmer bygger man ett nätverk som efterliknar hjärnans uppbyggnad. Detta ”neurala” nätverk får sedan behandla stora mängder data och skapar då själv algoritmer för att nå bästa resultat. 

– Deep learning handlar om att algoritmer utvecklar sig själva på ett sätt som liknar hjärnans sätt att analysera omvärlden. Om hjärnan ska fånga in ett rum till exempel så börjar den med stora strukturer och linjer för att sedan läsa av mindre ytor och hitta avgränsningar. Hjärnan delar alltså upp vad den ser i olika delmoment, den börjar med de grova dragen och sedan blir det finare och finare. Ungefär så fungerar den här teknologin också, säger Anita Tollstadius.

Genom att mjukvaran får analysera stora mängder medicinska bilder kan den då lära sig själv att känna igen specifika strukturer, som exempelvis en tumörstruktur. Detta gör det möjligt att automatiskt analysera nya bilder och på så sätt skapa ett beslutsstöd för den hårt pressade vården. Contextvision har redan kommit långt med denna teknologi inom sitt nya affärsområde, digital patologi.

»Det vi gör med deep learning är att tänka helt annorlunda«

I topp på internationell tävling
Ett bevis på detta fick man i oktober då Contextvision deltog i en tävling kring automatiserad bildanalys inom just digital patologi. Målet med tävlingen var att skapa en automatisk metod för att avgöra hur aggressivt bröstcancertumörer växte. Bland deltagarna hittade man både IBM och Microsoft, samt en uppsjö av internationella forskningsinstitut och de allra flesta använde också någon form av deep learning. Därför var det ett tydligt styrketecken för Contextvisions teknik när man hamnade på andra plats i den viktigaste deltävlingen och som trea i de övriga två.

– Vi känner oss väldigt stärkta av att kunna visa både oss själva och andra att vi lyckats utveckla en kompetens i världsklass på det här området. Trots att vinnaren arbetat med bröstcancer länge kom vi inte långt efter och vi vet också vad vi kan skruva på för att bli ännu bättre, säger Anita Tollstadius.

Att Contextvision snabbt blivit duktiga på just deep learning är enligt Anita Tollstadius inte heller särskilt konstigt. Bolaget har i över 30 år arbetat med en unik teknologi för medicinsk bildförbättring som bygger på en teknologi som har likheter med deep learning. Dessutom har bolaget satsat mycket på att utveckla kompetensen och skapa engagemang internt. Aktiviter som exempelvis; litteraturcirklar, ”philosopher´s lunch”, egentid för utveckling, en intern blog och deltagande i externa konferenser genomsyrar verksamheten.

Det är många bolag som ser potentialen i teknologin, men till skillnad från många konkurrenter inom fältet har Contextvision också lång erfarenhet av produktutveckling och därför goda förutsättningar för att snabbt integrera tekniken i produkter, vilket man också redan gjort.

– Vi har utvecklat en produktprototyp där vi använder deep learning för att optimera bildkvaliteten på ultraljud. Det är ett jättespännande område, det vi gör med deep learning är att tänka helt annorlunda. Vi har använt läkare för att bestämma vad som är kliniskt värdefullt. Den kunskapen använder vi som utgångspunkt och sedan skapar vi ett automatiskt sätt att generera just den bilden.

Läs mer om Contextvisions teknologi här

Presenteras av 

contextvision_logo
Om ContextVision

  • Bas i Linköping och Stockholm
  • 40 anställda
  • OEM försäljning
  • Noterade på Oslo börs
  • Ticker: COV
  • Global marknadsledare inom bildförbättring för medicinska bilder
  • Specialistkompetens inom bildprocessning

Läs mer om oss på:

www.contextvision.com 


Fakta Digital patologi:

Histopatologi betyder läran om sjukliga ändringar i människokroppens vävnader. 

Vävnadsprover tas till exempel för att diagnosticera och prognosticera cancer, och en snabb och korrekt analys av vävnaden är central för att patienten skall få rätt behandling. Det råder dock brist på patologer samtidigt som mängden prover ökar dramatiskt.

Idag pågår en digitalisering inom patologin vilket innebär att man skapar en digital bild av vävnadsprovet, som sedan kan analyseras med hjälp av bildanalys. På så sätt kan patologernas arbete underlättas och effektiviseras.


Fakta deep learning:

Deep learning, det senaste inom machine learning, är en teknologi för mönsterigenkänning som kan appliceras på både bilder och ljud. Den används redan idag exempelvis för ansiktsigenkänning och speach recognition. 

Teknologin är självlärande utifrån stora mängder av data och bygger på att data processas i olika lager för att identifiera olika mönster och strukturer. 

Redaktionen