Skip to main content English

Spin-Off „contextflow“ der Medizinischen Universität Wien erhält „Seed Investment“

Alle News

(Wien, 23-03-2018) Das Spin-off „contextflow“ der Medizinischen Universität Wien hat soeben ein Seed-Investment abgeschlossen. Das Startkapital ermöglicht die Skalierung der Aktivitäten und die Weiterentwicklung der Technologie im Feld der künstlichen Intelligenz, „contextflow“ entwickelt Software zur schnellen Suche in großen medizinischen Bilddatenbanken. 

Die Firma ist aus einem EU Projekt KHRESMOI (www.khresmoi.eu) an der Universitätsklinik für Radiologie und Nuklearmedizin der MedUni Wien und dem dort ansässigen Computational Imaging Research Lab (www.cir.meduniwien.ac.at) hervorgegangen. Sie entwickelt Software, die RadiologInnen bei der Befundung unterstützt, indem sie durch künstliche Intelligenz schnelle Suche in großen Bilddatenbanken ermöglicht.

Das Spin-Off hat soeben ein Seed-Investment abgeschlossen, das von IST Cube und APEX Ventures geleitet wird. Die Investition ermöglicht die Skalierung der Aktivitäten und die Weiterentwicklung der Technologie im Feld der künstlichen Intelligenz des Unternehmens.

Medizinische Bildgebung: rasch relevante Informationen erhalten und vergleichen
Künstliche Intelligenz wird zu einer Schlüsseltechnologie in der Medizin und dabei insbesondere in der Diagnostik und der Unterstützung von Entscheidungen. „contextflow“ entwickelt in diesem Bereich Technologie, die ÄrztInnen unterstützt, indem rasch relevante Informationen für Entscheidungen zur Verfügung stehen. Dabei wird das enorme Wissen, das über Jahre aufgebaut wird, während der individuellen Befundung nutzbar.

Die Medizinische Universität Wien und „contexflow“ kooperieren eng auf diesem Weg, um einerseits Methoden weiterzuentwickeln und andererseits klinisch-relevante Fragestellungen gemeinsam zu erarbeiten und zu lösen.

Das Computational Imaging Research Lab, ist eine nicht-klinische Abteilung der Universitätsklinik für Radiologie und Nuklearmedizin der MedUni Wien. Die interdisziplinäre Forschungsgruppe entwickelt Methodik an der Schnittstelle von maschinellem Lernen, künstlicher Intelligenz und Präzisionsmedizin. Forschungsprojekte beschäftigen sich mit der Identifikation von prognostischen Markern in Bilddaten und der Entwicklung von Entwicklungs- und Vorhersagemodellen.