Learn About Our Meetup

4500+ Members

Category: Toronto AI Organizations

Thousands of Images at the Radiologist’s Fingertips Seeing the Invisible

Vector’s Second Pathfinder Project to Enhance Radiology with AI

Toronto – Today, the Vector Institute, an independent, not-for-profit research institute focused on leading-edge machine learning, announced the second in its series of Pathfinder Projects to implement Artificial Intelligence (AI) in the health sector.

The second Pathfinder Project, performed in partnership with the University Health Network (UHN) and the University of Waterloo (UWaterloo) will enhance radiology diagnoses with AI.

Coral Review, a software solution developed at UHN, is a peer learning tool used by clinicians in diagnostic imaging to support continuous quality improvement of radiologist practice. Using an algorithm developed by Dr. H.R. Tizhoosh, Director of the Laboratory for Knowledge Inference in Medical Image Analysis (Kimia Lab) at UWaterloo and a Faculty Affiliate at the Vector Institute, an AI-enabled Coral Review would scan through thousands of existing medical images (i.e., x-rays) for ones similar to a patient’s and recommend a diagnosis to the attending physician.

“Coral Review currently enables anonymous peer reviews of medical imaging diagnoses. However, it is limited by the availability of physicians who perform the review or ‘second opinion’,” says Leon Goonaratne, Senior Director of Information Technology, UHN. “An AI-enabled peer review solution has the ability to provide the physician with more information when they perform the review, including the identification of images corresponding to rare or difficult to see cases”.

Pathfinder Projects are small-scale efforts designed to produce results in 12 to 18 months that guide future research and technology adoption. With technical and resource support from the Vector Institute, the projects each bring together a multidisciplinary research team to tackle an important health care problem or opportunity using machine learning and AI more broadly. Each project was chosen for its potential to help identify a “path” through which world-class machine learning research can be translated into widespread benefits for patients.

About the Vector Institute

The Vector Institute is an independent, not-for-profit corporation dedicated to advancing artificial intelligence, excelling in machine and deep learning. The Vector Institute’s vision is to drive excellence and leadership in Canada’s knowledge, creation, and use of AI to foster economic growth and improve the lives of Canadians.

The Vector Institute is funded by the Province of Ontario, the Government of Canada through the Pan-Canadian AI Strategy administered by CIFAR, and industry sponsors from across the Canadian economy.

About University Health Network

University Health Network consists of Toronto General and Toronto Western Hospitals, the Princess Margaret Cancer Centre, Toronto Rehabilitation Institute, and The Michener Institute of Education at UHN. The scope of research and complexity of cases at University Health Network has made it a national and international source for discovery, education and patient care. It has the largest hospital-based research program in Canada, with major research in cardiology, transplantation, neurosciences, oncology, surgical innovation, infectious diseases, genomic medicine and rehabilitation medicine. University Health Network is a research hospital affiliated with the University of Toronto.

AI-Enhanced Coral Review

Dr. H. R. Tizhoosh and his team have worked at the nexus of health care and artificial intelligence (AI) for over a quarter century. Yet, only now is the world beginning to see the fruits of that labour. “In spite of the progress we’ve made,” he says, “we’re at the very beginning if we want to bring the technology into hospitals.”

Director of Kimia Lab at the University of Waterloo (UWaterloo), Dr. Tizhoosh will be at the forefront of this important shift as he seeks to enhance University Health Network’s (UHN) medical imaging peer review system, Coral Review. It is the second of the Vector Institute’s Pathfinder Projects, which bring together multidisciplinary research teams to tackle important health care problems using machine learning.

Developed at UHN, Coral Review has been implemented at a number of hospitals across Ontario. Designed to bring focus to quality and education within medical imaging departments, the solution enables an anonymous peer review of a medical imaging diagnosis, as well as image quality.

“Coral Review has enabled a program of quality and education for many hospitals,” says Leon Goonaratne, Senior Director of Information Technology, UHN. “While this peer review process is helping identify and facilitate many learning and coaching opportunities across the province, we believe artificial intelligence is the next step to making the solution even more effective”.

To bring more regularity and efficiency into the system, Dr. Tizhoosh and his team are training a machine learning algorithm with a mixture of public and private data set of over 200,000 anonymized medical images. Once trained, the AI-enhanced Coral Review application would find similar looking images from past cases and offer suggested diagnoses, while leaving the final decision to doctors.

“It’s AI deployed in a slightly different way,” says Dr. Tizhoosh. “It allows the radiologist making the diagnosis to benefit from the knowledge of thousands of diagnoses made by other clinicians. That’s very different from making a diagnosis from scratch.”

The teams at UHN and Kimia Lab are starting relatively small, focusing on chest x-rays and specifically looking at pneumothorax, or collapsed lungs. The condition is a technical challenge for radiologists and a practical one for doctors; certain types can be difficult to see on an x-ray and a collapsed lung is both painful and potentially fatal. Small collapses pose a particularly significant challenge. “Doctors can miss small collapses in 40 percent of cases because you just can’t see it,” says Dr. Tizhoosh.

As it currently stands, their algorithm has about a 70 percent accuracy rate. But with technology and resources support from Vector they will fine tune it over the next year and hope to push that rate above 90 percent before incorporating it into the existing system. Dr. Tizhoosh also hopes to expand the project’s scope beyond pneumothorax. “Long term, we want to add a long list of problems that we automatically check,” he says. “We want to find more difficult problems and work on a larger scale in the radiology domain.”

Once implemented, the system will be the first of its kind: an AI-enabled diagnostic tool for medical images based on image retrieval. “Working with hospitals to implement AI in medical imaging is the most thrilling thing I have ever done in my career,” Dr. Tizhoosh enthuses. “I want to look back and say, ‘this is what I did as a computer scientist.’ It’s a very exciting time.”

AI-Enhanced Coral Review is the second in a series of Pathfinder Projects identified and supported by the Vector Institute.

Vector Faculty Affiliate wins top honours at CVPR 2019

Vector Faculty Affiliate Kyros Kutulakos has won the Best Paper Award at CVPR 2019. 

Kutulakos, along with his co-authors Shumian Xin, Sotiris Nousias, Aswin C. Sankaranarayanan, Srinivasa G. Narasimhan, and Ioannis Gkioulekas were awarded the conference’s top honor for their paper “A Theory of Fermat Paths for Non-Line-of-Sight Shape Reconstruction.” 

The paper proposes a novel theory to infer the shape of items concealed by corners, essentially allowing their algorithm to “see” around corners. It is a significant step to more accurately being able to mitigate non-line-of-sight reconstruction errors. 

Kutulakos is a professor of Computer Science at the University of Toronto and Vector Faculty Affiliate whose work is primarily focused on computer vision and computer graphics. 

CVPR is one of the world’s biggest computer vision conferences. This year’s event, which ran from June 16-20, was held in Long Beach, CA.

Vector Institute Announces Second Cohort of Vector Scholarship in AI Recipients

700+ AI master’s students starting programs in 2019 are expected to graduate and enter Ontario’s workforce by 2021

The Vector Institute is pleased to announce that the 2019-20 Vector Scholarship in AI will be awarded to 78 meritorious nominees from 11 Ontario universities enrolling in 32 master’s programs in core-technical and complementary AI-related fields such as business and health care. This is the second round of scholarships announced by the Vector Institute after having launched the program with 66 scholarship recipients in 2018-19.

The Vector Scholarship in Artificial Intelligence, together with internships and networking programs, is a core component of the Vector Institute’s RAISE initiative, supported by the Province of Ontario, to develop and connect Ontario’s AI workforce to fuel AI-based economic development and job creation.

Through the RAISE initiative, the Vector Institute continues to work with universities to enhance existing master’s programs and create new master’s programs resulting in an increase in the number of prospective students applying, enrolling and ultimately entering the workforce with the AI skills and competencies sought by industry. The Vector Scholarship in AI recognizes promising AI talent and supports recruitment of top students to AI-related master’s programs in Ontario.

By 2021 it is expected that 700+ AI master’s students will have graduated and entered the Ontario workforce. These new graduates will meet ever-increasing demand from leading global companies and promising AI startups locating in Ontario in order to access the growing AI workforce.

Vector will launch the 2020-21 scholarship competition on January 6, 2020. Candidates who wish to be considered for a Vector Scholarship in Artificial Intelligence can find eligibility and nomination details here:


About the Vector Institute

The Vector Institute is an independent, not-for-profit corporation dedicated to advancing artificial intelligence, excelling in machine and deep learning. The Vector Institute’s vision is to drive excellence and leadership in Canada’s knowledge, creation, and use of AI to foster economic growth and improve the lives of Canadians. The Vector Institute is funded by the Province of Ontario, the Government of Canada through the Pan-Canadian AI Strategy administered by the Canadian Institute for Advanced Research (CIFAR), and industry sponsors from across the Canadian economy.


Learn More:


*Scholarships are conditional upon students registering full-time in their proposed master’s program of study.



Toronto – Aujourd’hui, l’Institut Vecteur, un établissement de recherche indépendant et sans but lucratif spécialisé en apprentissage automatique et en apprentissage profond, a annoncé le lancement de la première série de projets exploratoires visant à mettre en œuvre des technologies assistées par l’IA dans le secteur de la santé.

“Ces projets mettront en lumière les résultats positifs qui peuvent être atteints si nous tirons profit de la puissance de l’IA dans le secteur de la santé”, indique Dr Garth Gibson, président  et chef de la direction de l’Institut Vecteur.

Le premier projet exploratoire se déroulera à l’hôpital St. Michael de Toronto. Dirigé par Dr Amol Verma, médecin interniste et clinicien-chercheur, Dr Muhammad Mamdai et leur équipe du Centre de recherche et de formation en analytique des soins de santé Li Ka Shing (LKS-CHART) de l’hôpital St. Michael, le projet vise à tester et à perfectionner un système d’alerte précoce fondé sur l’IA pour l’unité de médecine interne générale (MIG) de l’hôpital où les patients reçoivent des soins. Environ 1 patient sur 13 de l’unité de MIG est gravement malade et devra être transféré à l’unité de soins intensifs (USI) ou succombera à à l’hôpital. Cependant, il est souvent difficile de prédire quels patients sont susceptibles d’avoir besoin de l’équipe des soins intensifs : c’est là qu’intervient l’IA.

Le système utilisera l’IA pour traiter des flux réguliers de données sur
la santé et prédire quand un patient doit être transféré à l’USI. En prédisant
de 12 à 24 heures plus tôt le moment exact où les patients doivent être
transférés, le système permet d’avoir plus de temps pour pratiquer des
interventions précoces susceptibles de sauver des vies et de réduire les taux
d’arrêt cardiaque et de mortalité.

Les projets exploratoires sont des projets à petite échelle conçus pour générer des résultats en 12 à 18 mois et orienter la recherche et l’adoption de technologies. Profitant du soutien technique et des ressources de l’Institut Vecteur, ils réunissent des équipes de recherche multidisciplinaires qui s’intéressent à un problème important ou à une occasion particulière dans le secteur de la santé en utilisant l’apprentissage automatique et l’IA de façon plus générale.  Chaque projet a été choisi en fonction de son potentiel à ouvrir une “voie” où engager une recherche de calibre mondial sur l’apprentissage automatique qui pourra se traduire par d’importants avantages pour les patients.

“L’Institut Vecteur et les membres de notre corps professoral souhaitent vivement contribuer à la mise en œuvre de l’IA en santé ; nous voulons améliorer les résultats pour les patients et réduire les coûts pour les fournisseurs », déclare Dre Alison Paprica, vice-présidente, Stratégie et partenariats en matière de santé, de l’Institut Vecteur. “Nous espérons que ces projets exploratoires inspireront un plus grand nombre d’équipes au sein du système des soins de santé à mener des recherches de haute qualité sur l’IA dans le secteur de la santé.”

À propos de l’Institut

L’Institut Vecteur est
un organisme indépendant à but non lucratif spécialisé dans la recherche en
intelligence artificielle, notamment en apprentissage automatique et en
apprentissage profond. Il encourage l’excellence et le leadership dans les
domaines du savoir, de la création et de l’utilisation de l’IA au Canada afin
de favoriser la croissance économique et améliorer la vie des Canadiens.

L’Institut Vecteur est
financé par le gouvernement de l’Ontario, le gouvernement du Canada dans le
cadre de la Stratégie pancanadienne en matière d’IA dirigée par le CIFAR et des
commanditaires de tous les secteurs de l’économie au Canada.

Système d’alertes
précoces pour la médecine interne générale

Dr Muhammad Mamdani, directeur du Centre de recherche et de formation en analytique des soins de santé Li Ka Shing

(LKS-CHART) de l’hôpital St. Michael à Toronto, doit affronter la réalité suivante : 1 patient sur 13 en médecine interne à l’hôpital St. Michael de Toronto finit par être transféré à l’USI ou succomber à sa maladie. Pour compliquer davantage les choses, il est souvent difficile pour les médecins de prédire la détérioration de l’état de santé des patients. “Si vous êtes assez malade pour être à l’hôpital, c’est que vous êtes très malade”, explique Dr Amol Verma, médecin interniste et chercheur scientifique, chef clinique de l’équipe. “Si vous tombez malade au point d’avoir besoin de traitements pour maintenir vos fonctions vitales, vous devez être transféré aux soins intensifs.”

L’abondance des données à la disposition de l’équipe a joué en sa faveur – les hôpitaux débordent de données sur les patients. Pourtant, malgré l’expertise des cliniciens de l’hôpital, il était presque impossible de les analyser dans des délais raisonnables. “Lorsque nous nous apercevons que ces patients ont un problème, nous avons généralement trois heures pour réagir”, précise DrMamdani.

“Et trois heures, ce n’est généralement pas assez”, ajoute Dr Verma.

Bien que complexe, le problème n’était pas insurmontable. Dr Mamdani a travaillé avec de vastes ensembles de données – ce que nous appelons maintenant les mégadonnées ou le big data –   pendant plus de 20 ans, et le Centre Li Ka Shing se spécialise dans l’analyse de données. Étant donné le grand nombre de données à trier, Dr Mamdani et son équipe se sont tournés vers l’apprentissage automatique. Ce sous-domaine de l’intelligence artificielle est idéal pour dégager la structure, les modèles et les tendances de vastes ensembles de données.

L’équipe a élaboré un algorithme et l’a entraîné à l’aide de dossiers de santé anonymisés d’anciens patients en médecine interne. Lorsque l’algorithme traite les données des patients actuels, il les compare à celles de plus de 20 000 cas antérieurs, explique Dr Mamdani.

Le système d’alertes précoces pour la médecine interne générale (Dr Mamdani avoue que son système pourrait avoir un titre plus accrocheur) utilise un algorithme prédictif pour faire des recommandations médicales. À partir d’un ordinateur “intelligent”, il évalue le risque que l’état de santé d’un patient se détériore et qu’il doive être transféré à l’unité de soins intensifs. « Quand le risque atteint un certain seuil, il alerte l’équipe médicale, explique-t-il. Disons que le taux de glucose est élevé, c’est détecté par le système de laboratoire et ce renseignement est traité avec d’autres par l’algorithme qui pourrait alors dire : “Hum, il semble qu’il y ait un problème ici !”

Seulement quelques établissements dans le monde essaient actuellement des approches similaires en matière de soins de santé. Les docteurs Verma et Mamdani et leur équipe seront parmi les premiers à tester la qualité et les effets de la puissance prédictive de l’algorithme lors d’un essai clinique. “C’est beaucoup plus précis que ce à quoi nous sommes habitués avec les méthodes traditionnelles,” dit Dr Mamdani. “C’est très puissant.”

Reconnaissant la nature novatrice du travail de l’équipe et son
potentiel à produire des résultats directs et positifs pour les patients,
l’Institut Vecteur fournit un soutien opérationnel et technique pour maximiser l’impact
de la recherche.

Maintenant que la faisabilité du projet a été démontrée, la prochaine étape consiste à intégrer le système dans les systèmes hospitaliers existants, ce qui est plus facile à dire qu’à faire, selon Dr Mamdani. “Comment le faire fonctionner de façon à fournir aux médecins des renseignements utiles et significatifs dans un environnement où des alarmes se déclenchent régulièrement ?”

Dr Mamdani et Dr Verma s’entendent pour dire que le succès du projet et son caractère unique découlent de l’accès à des travailleurs de première ligne. Les deux responsables réunissent des médecins, des infirmières et des patients pour établir ce dont ces derniers ont besoin et ils travaillent ensuite en tenant compte de ces contraintes. “Il est beaucoup plus efficace d’adapter un algorithme au travail des cliniciens que d’adapter le comportement des cliniciens au fonctionnement d’un algorithme.”

Le Système d’alertes
précoces pour la médecine interne générale est le premier d’une série de
projets exploratoires retenus et soutenus par l’Institut Vecteur.

Par Ian Gormely

Next Meetup




Plug yourself into AI and don't miss a beat


Toronto AI is a social and collaborative hub to unite AI innovators of Toronto and surrounding areas. We explore AI technologies in digital art and music, healthcare, marketing, fintech, vr, robotics and more. Toronto AI was founded by Dave MacDonald and Patrick O'Mara.