• 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%

Svenskt medtech-bolag storsatsar på självlärande datorer



I över 30 år har det svenska medtech-bolaget Contextvision varit marknadsledande inom medicinsk bildförbättring. Nu ska bolaget nå nya marknader genom en aggressiv forskningssatsning på självlärande programvara och digital patologi.

Genom att eliminera störningar och framhäva konturer hjälper Contextvisions teknologi läkare att tolka bilder från röntgen, magnetkamera och ultraljudsundersökningar. Deras teknik finns idag i över 150 000 installationer runt om i världen och i takt med åldrande befolkningar, en stigande cancerincidens och en ökning av hjärt-kärlsjukdomar, förväntas behovet bara att öka.  

Det är väldigt viktigt att du inte skapar en signal som inte finns, utan att man bara förstärker de korrekta signalerna för att göra bilden tydligare, och det är lättare att ställa diagnos om bilden är tydlig och lätt att tolka, förklarar Contextvisions vd Anita Tollstadius.

Läs mer: Så har Contextvisions teknik förbättrat vården.

Nya marknader
Men trots en stark marknadsposition och en stabil tillväxt letar Contextvision nu efter nya marknader som bolaget kan expandera på. Enligt Anita Tollstadius vill man utnyttja bolagets stora tekniska kunnande för att hitta nya sätt att hjälpa sjukvården.

Det är logiskt att fortsätta bredda oss inom ultraljud, som är vår största marknad idag. Att nå nuvarande kunder där är ett kostnadseffektivt sätt att expandera. Men det är bara ett litet steg och det är en väldigt konkurrensutsatt marknad. Därför vill vi också ta oss in på marknaden kring digital patologi som är ny och som växer så fort. Det känns som rätt timing att komma in där, säger hon.

 

»Det är en fantastisk möjlighet för oss att gå in med den kunskap och de kontakter vi har i en ny nisch och verkligen ta en ny ledande position 30 år senare«

 

Läs mer: Så ska Contextvisions forskning förändra vården.

Digital patologi bygger på att man tar hjälp av digital teknik för att analysera vävnadsprover, istället för att göra det under ett mikroskop. Det finns idag en stor brist på patologer samtidigt som behovet av vävnadsanalys ökar, därför hoppas sjukvården att digital teknik ska kunna effektivisera arbetet. 

Den globala marknaden för digital patologi växer också fort. Bara segmentet bildanalys beräknas vara värt 1,2 miljarder kronor 2018. Enligt Anita Tollstadius finns det därför en stor potential för  bildprocessningsteknologi riktad mot digital patologi och Contextvision har redan börjat satsa. I somras beviljades man ett treårigt forskningsanslag av Eurostars för att, tillsammans med en grupp från Schweiz, starta ett projekt inom digital patologi för prostatacancer.

Det är jättekul för Eurostars har bedömt både marknadspotentialen, kvaliteten på de ingående parterna och också höjden på projektet, säger Anita Tollstadius.

 

»Vi räknar med att vi nu går in i en ganska kraftig forskningsfas och det gör ju att hela bolaget ändrar karaktär«

 

Machine Learning
En teknologi som Contextvision ser stor potential i är machine learning. Genom att använda det som kallas ”deep learning”, vill man utveckla programvara som lär sig själv att känna igen strukturer i bilder.

– Vi ser framförallt en stor potential för att automatisera bildanalys på olika sätt. Men vi föredrar att prata om beslutstöd, vi vill underlätta för läkarna så mycket som möjligt för att effektivisera vården och skapa en ökad patientsäkerhet. Det är en fantastisk möjlighet för oss att gå in med den kunskap och de kontakter vi har i en ny nisch och verkligen ta en ny ledande position 30 år senare, säger Anita Tollstadius.

Rätt förutsättningar
För att möjliggöra den här aggressiva satsningen på forskning och utveckling har Contextvision under lång tid arbetat med förändra bolaget. Man har utvecklat organisationen, förbättrat en lång rad processer och tagit fram en modulär produktplattform för att öka flexibiliteten och lönsamheten i bolaget. Med mer pengar i kassan, ett större fokus på innovationer och ny kompetens på plats står man nu redo att bryta sig in på nya marknader, samtidigt som man behåller sin marknadsledande position på de traditionella marknaderna. 

Vi räknar med att vi nu går in i en ganska kraftig forskningsfas och det gör ju att hela bolaget ändrar karaktär. Från att ha varit ett litet och långsamt växande företag som jobbat med lönsamheten, så använder vi nu delar av kassan och de forskningsanslag vi kan få för att investera i ny teknologi som ska leda oss fram till nya produkter och en helt annan tillväxttakt, säger Anita Tollstadius.

Presenteras av Contextvision

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.contextvsion.com 


REALiCE_fetus_first_trimester

Bild på ett foster i vecka 12+1. Fostret är bara 5 cm stort men med Contextvisions teknik kan man ta fram väldigt fina detaljer som är svåra att se när fostret är så litet.


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