Forskarprofiler

Maskiner som resonerar om vad de ser

Nataša är professor i datoriserad bildanalys. Hon utvecklar algoritmer som gör det möjligt att effektivt och tillförlitligt, med hjälp av datorer, extrahera och tolka information från digitala bilder.

"Vi människor bearbetar enorma mängder information genom vårt visuella system och betraktar syn som det viktigaste av våra sinnen. Utveckling av metoder som möjliggör automatiserad analys av den enorma och snabbt växande mängden visuell data som inhämtas av ett överflöd av olika sensorer inom en mängd olika applikationsområden är inte bara väsentligt för utvecklingen av dessa områden, det är också något som intresserar människor på en grundläggande nivå. Vi gillar helt enkelt att lära våra datorer att "se" vad vi själva kan se!"

Nataša började sin akademiska karriär inom matematik och fann så småningom intresse för visuell dataanalys.
"Min bakgrund är i matematik och min ingång till området digital bildanalys var via diskret geometri, som är ett av de grundläggande teoretiska ramverken för att representera och tolka digitala bilder. Jag blev fascinerad av intuitiviteten och tolkningsbarheten hos många teoretiska resultat i diskret geometri, när de väl sattes i ett sammanhang med visuell dataanalys."

Inom detta område är det inte ovanligt att man samarbetar med forskare och yrkesverksamma från många olika delar av samhället. Detta är inte förvånande, med tanke på hur viktig bearbetning av visuell data har blivit, och hur mångsidig denna data är.

"Datoriserad bildanalys är ett mycket tvärvetenskapligt område. Bilder är signaler, big data, abstrakta matematiska strukturer och visuella representationer av fenomen i en mängd olika tillämpningar. Det kräver vanligtvis samarbete av ett helt gäng experter – fysiker och ingenjörer, datavetare, datavetare, statistiker och matematiker, och experter med specialiserad kunskap – läkare, astronomer, arkeologer, livsforskare … – för att göra det möjligt för en dator att göra det vi människor kan göra så naturligt – bearbeta och tolka visuell data."

"Inom biovetenskap kan kraftfulla och komplexa avbildningstekniker avslöja en mängd egenskaper hos ett föremål av intresse – morfologi, dynamik, funktion – men oftast bara en sådan egenskap åt gången", förklarar Nataša.

För att nå en helhetssyn måste vi kombinera flera olika tekniker, inklusive AI-baserade.
"För en fullständig förståelse av föremålen av intresse och processer som involverar dem, måste olika komplementära tekniker kombineras. Jag är intresserad av utvecklingen av AI-baserade metoder som möjliggör tillförlitlig, tolkningsbar och pålitlig användning och analys av informationsrika multimodala bilddata, särskilt inom biomedicin."

"AI-baserade metoder, och särskilt de som bygger på djupinlärning, är numera dominerande inom bildanalysområdet, på grund av deras generellt enastående prestanda. De har potential att möjliggöra integration och analys av heterogen multimodal information i de mest utmanande scenarierna", säger hon.

"En förutsättning för utnyttjande av AI-stödda analys- och beslutssystem inom biomedicin och hälso- och sjukvård är tolkningsbarheten av de erhållna resultaten. Läkare måste ges sätt att förstå grunden för besluten, vilket gör att de kan avgöra om de kan lita på systemet. Vi strävar efter lösningar baserade på Explainable Artificial Intelligence (XAI). Pålitliga AI-system kommer att öppna många vägar mot upptäckten av ny kunskap inom vetenskapen, genom att lyfta fram relevanta mönster och inbördes samband i data som vi inte var medvetna om tidigare."

Utveckling av dessa metoder är ett aktivt och växande forskningsfält; Natašas forskargrupp MIDA (Methods for Image Data Analysis) har föreslagit flera nya sätt hur AI kan användas för förbättrad bildanalys.

"Vi utvecklar AI-baserade metoder för multimodal bildanalys, särskilt i samband med cancerdetektering. Våra metoder för multimodal bildanpassning når toppmodern prestanda i flera multimodala biomedicinska och medicinska tillämpningsscenarier. Metoderna delas offentligt och används av andra forskare. Vi integrerar dem nu i vårt utvecklade AI-baserade beslutsstödssystem för detektion av oral cancer. Vi tror att genom att använda mångsidig multimodal information kan vi öka både tillförlitligheten och tolkningsbarheten av systemet."

Forskargruppen MIDA samarbetar aktivt med experter inom life science och hälso- och sjukvård.
"Flera tidigare och nuvarande medlemmar i MIDA, forskargruppen som jag leder på IT-avdelningen, har ett nära samarbete med medarbetare från life science och sjukvård. Tillsammans planerar vi att tillämpa våra utvecklade metoder i olika scenarier inom biomedicin, och att utvärdera deras potential att främja vardagssjukvården, i synnerhet för förbättrad cancerupptäckt, men också för bättre förståelse av sjukdomen."

Nataša är också gruppledare i det internationella nätverket COMULIS.
"Ett stort europeiskt COST-nätverk COMULIS (Correlative Multimodal Imaging in Life Sciences), där jag fungerar som arbetsgruppsledare, tillhandahåller en rik internationell tvärvetenskaplig vetenskaplig miljö som ytterligare stimulerar synergier mot spännande forskning inom biovetenskap och metodutveckling av avancerad beräkningsteknik."

Men det kommer också med sina egna svårigheter.
"Som ofta inom mycket tvärvetenskapliga områden är en stor utmaning att lära sig att kommunicera med medarbetare från olika vetenskapliga bakgrunder, hitta ett gemensamt språk över disciplinerna och förstå behoven och begränsningarna för olika metoder som är involverade. Men detta är avgörande för framgång, och är (när det väl har uppnåtts) också mycket inspirerande och givande."

Några avslutande ord från Nataša.
"Digitala bilder är alltid bara approximationer av objekten och scenerna från den verkliga världen. Avbildningstekniker begränsas av de underliggande fysiska processerna, såväl som optimerade avbildningsförhållanden (t.ex. för att förhindra skador som kan orsakas). Även om mängden insamlad data är enorm, verkar dess informativa innehåll ofta vara otillräckligt. Forskare (och människor i allmänhet) kommer alltid att vilja se fler, mindre, snabbare händelser och objekt – för att föreställa världen med fler detaljer och skarpare färger."

"Jag har arbetat mycket med att utveckla metoder som maximerar informationen som utvinns från tillgänglig data. Dessa inkluderar metoder för att kompensera för begränsad bildupplösning när man utför exakta mätningar av objekt. Tillvägagångssätt för att förbättra kvaliteten på bilder som tagits under specifika begränsningar, och – vad jag är mest intresserad av just nu – metoder för att på ett meningsfullt sätt kombinera heterogen information från bilder som förvärvats av olika sensorer för att nå nya och högre nivåer av förståelse för komplexa fenomen", säger Nataša.

Och i framtiden?
"Med tanke på att modern bildanalys i hög grad förlitar sig på artificiell intelligens, maskininlärning och datadrivna tillvägagångssätt så är ett mycket viktigt nästa steg att utveckla metoder för att lära våra automatiserade system att "resonera". Att gå längre än att upptäcka mönster (korrelationer) i data, mot att förstå orsakssamband och (kanske till och med) nå verkligt intelligenta beteenden."

"Detta är dock ett långsiktigt mål, men vi tar hela tiden små steg framåt. Vi är mycket intresserade av att vara med på den resan!"

Intervju av Victor Kuismin, 18 mars, 2022

”Beräkningar som sparar resurser och liv"

Elisabeth Larssons forskning handlar om beräkningsvetenskap. Genom att göra numeriska modeller och ta fram simuleringar av hur muskler, flygplan eller finansmarknaden fungerar kan man spara både på resurser och liv.

- Beräkningsvetenskap är världens bästa ämne, för vi har friheten att göra i princip vad vi vill! säger Elisabet som är universitetslektor i beräkningsvetenskap vid institutionen för informationsteknologi vid Uppsala Universitet. Det är ett otroligt tvärvetenskapligt ämne. Vi angränsar till matematik, till datavetenskap och till alla tänkbara tillämpningsområden – det kan vara allt från humaniora till teknik.

Ett tvärvetenskapligt projekt som Elisabeth arbetar med sedan 2012 är ett samarbete med läkaren Nicola Cacciani på Karolinska Institutet och Pierre Villard, en fransk bildanalytiker och biomekaniker.
- Det vi försöker göra är att bygga en simuleringsmodell för andningsmuskulaturen, en modell i datorn av människans andningssystem.

Från medicinskt håll vill man använda simuleringsmodellen för att studera hur en respirator, eller ventilator, som det egentligen heter, påverkar patienterna (ventilator induced diafragmatic dysfunction).
- I vanliga fall när man andas drar diafragman ihop sig så att lungorna expanderar och luft sugs in i lungorna, men när en patient läggs i ventilator trycks istället luften in i lungorna, förklarar Elisabeth. Då belastar man istället muskeln diafragman. Det gör att muskelns funktion försämras.
- Det här går ganska snabbt, säger Elisabeth. På 24 timmar i ventilator har man förlorat 30 procent av muskelfunktionen i andningsmuskulaturen. Det gör att en patient blir både friskare och sjukare under intensivvården och det tar tid att rehabilitera den här skadan.

Tanken med att göra försök på andningsmuskulaturen med simulering i datorn istället för på djur är att slippa skada någon.
- Läkaren är intresserad av den medicinska frågan, men jag är intresserad av numeriken, säger Elisabeth.

Ett resultat av forskningen hittills visar Elisabeth som en bild av diafragman i andningsmuskulaturen.
- Vi måste hitta ett sätt att beskriva muskeln för datorn genom numeriska metoder, säger Elisabeth. Det vi gör då är att plocka ut ett antal punkter och beskriver hur punkterna relaterar till varandra matematiskt. Det är en numerisk modell.
- Men att ha en modell räcker inte – sen måste jag göra en numerisk simulering av andningsprocessen. Vi måste bestämma vad datorn ska göra med modellen. Beskrivningen behöver få liv i datorn. Då skriver vi algoritmer som jobbar med modellen. Vi behöver hitta på algoritmerna matematiskt och implementera, som vi kallar det för när vi skriver ett program när man beskriver algoritmerna i ett språk som datorn förstår.

För att kunna göra de numeriska modellerna av muskeln måste Elisabeth själv sätta sig in i och förstå hur musklerna fungerar.
- Kärnan i vår forskning är att veta och förstå när en modell går att lita på, när den kommer att ge ett korrekt svar. Beräkningsvetenskapen är viktig eftersom det används simuleringar i så många områden, när man bygger flyplan eller broar exempelvis. Om man inte förstår begränsningarna i simuleringen så är det ett farligt verktyg att använda.

Intresset för matematiken väcktes tidigt för Elisabeth.
- Jag var intresserad av att räkna redan innan jag började skolan, säger Elisabeth. Det var självklart att jag ville läsa matematik eftersom det var mitt stora intresse. Men det var först när jag började läsa beräkningsvetenskap som jag insåg att – yes - det är ju det här som jag älskar! Att kunna räkna ut och få ett svar.

Idag ligger fokus i Elisabets forskning på metodutveckling.
- Sen leder metodutvecklingen till att man jobbar med väldigt spännande tillämpningar. Jag tycker att det är roligt att lösa riktiga problem eftersom det är mycket svårare.

Just forskningsprojektet med simuleringen av andningssystemet startade med att de blev kontaktade av Nicola.
- Jag tyckte inte att vi kunde säga nej till en läkare som kommer till oss och vill göra något matematiskt, säger Elisabeth. Men ingen annan ville ta projektet eftersom det var så komplicerat, så då tog jag det.

Elisabeths forskning bidrar till exempelvis till att lösa medicinska problem, men hon har också jobbat med att lösa finansproblem där man försöker få modeller för att skapa ökad stabilitet på finansmarknaden genom mer korrekta prissättningar och riskberäkningar.

Beräkningsvetenskap har stor relevans för angränsande forskningsområden. Beräkning används inom teknik och naturvetenskap. Det används också inom humaniora och samhällsvetenskap men där är det på frammarsch fortfarande.
- Det jag älskar med beräkningsvetenskap är alla dessa samarbeten åt olika håll eftersom det innebär att jag får lära mig olika områden – statistik, medicin eller finans. Jag måste lära mig området för att ha koppling till vad som är relevant.

Den största utmaningen är finansiering av forskningen. Ett problem anser Elisabeth att de stora resultaten från forskningen är “osynliga” när de är inomvetenskapliga.
- Det är svårt att hävda sig när man är ett ämne som ses som ett stöd för andra vetenskaper och att få finansiärer att uppskatta att det vi gör har ett värde i sig, säger Elisabeth. Men egentligen tycker jag att det går bra just nu, det gäller bara att få tid att göra allt bra.

Närmaste målet för Elisabeth är att organisera de forskare i världen som sysslar med radiella basfunktioner och se till att de jobbar tillsammans.
- Vi ska skriva en gemensam kod som alla kan använda, säger Elisabeth. Vi ska ha ett första möte i september i Italien.

- Jag tycker att det är så himla häftigt med beräkningsvetenskap, så det känns som att alla andra också borde tycka det. Just det här att man kan stoppa in ett problem i datorn och man kan få ut kunskap om problemet. Att använda simuleringar i datorn kan spara både på resurser och liv.

”Bra demokrati behöver bra kommunikation”

Hur kan vi öka förståelsen för hur vår kommunikation och informationsspridning på nätet och i sociala medier påverkar samhällsutvecklingen? Matteo Magnani och forskargruppen Infolab samarbetar med sociologer och studerar bland annat hur information, uppstår och sprids mellan olika plattformar på internet.

Matteo Magnanis forskning handlar om att utveckla metoder för att analysera onlinedata, särskilt innehåll som användarna själva skapat i sociala medier, för att få bättre förståelse för samhället.
- Här på Infolabbet arbetar vi med de tekniska aspekterna av analysmetoder. Vi samarbetar med sociologer som hjälper till med förståelse av data och analys, säger Matteo Magnani, som är Docent i Datavetenskap vid Institutionen för Informationsteknologi vid Uppsala Universitet.

Exempel på analyser kan vara att identifiera nyckel-personer, vem som driver diskussionerna i vissa ämnen i den politiska debatten på exempelvis Twitter. Eller att identifiera onlinekonversationer - att kunna samla korta kommentarer eller små stycken av information som handlar om samma ämne.
- Vi arbetar mycket inom området ”sociala nätverks-analys”. Inom det här området har man i många år använt enkla grafer. Med grafer, modellerar man sociala nätverk med cirklar som representerar exempelvis personer och linjer som representerar kopplingen mellan dessa personer, förklarar Matteo. Men den här modellen är inte tillräcklig för att analysera online data.

Det finns olika typer av interaktion inom en plattform. På Twitter kan du exempelvis svara på en tweet eller retweeta och kommentera. De här olika interaktionerna har olika innebörd och det behövs matematiska modeller som kan se skillnaden i detta. Detta forskar Infolab-gruppen på.
- Vi är också intresserade av hur hur information, som exempelvis falska nyheter, sprids online. Det görs genom olika lager av interaktion på olika plattformar.

Det kanske viktigaste resultatet från deras forskning är enligt Matteo att de har tagit fram metoder för analys av så kallade ”multilayer networks”. Matteo är en av författarna till boken Multilayer social networks. De har också skapat programmet multinet, som är ett verktyg för att analysera multilayer networks.
- Senaste åren har jag rest runt på olika konferenser och berättat om multilayer network, våra metoder och mjukvara för analys, säger Matteo. Bland annat på Sunbelt, den största sociala nätverksanalys-konferensen i världen.

Att Matteo började forska inom detta tvärvetenskapliga område förklarar han beror mycket på kontakten med en barndomsvän från Italien.
- Luca, som nu forskar vid IT-Universitetet i Köpenhamn, studerade sociologi och jag studerade datavetenskap. För tio år sedan började vi diskutera om hur vi skulle kunna använda onlinedata i samhällsforskning. Det var så det började och vi samarbetar fortfarande. Han var en av medförfattarna till Multilayer social networks.

Matteo kände också att informationsteknologi, och speciellt inom hans område, databaser, inte fokuserade på människor utan på teknik.
- Just informationsteknologi är så viktigt för oss som personer – vi får information genom informationsteknologi. Vi kommunicerar, vi skapar våra idéer och vi ändrar våra idéer i sociala medier bland annat.

Matteo vill vara en del av att lösa de stora problemen i samhället. Ett av dem är den politiska utvecklingen med utbredningen av populism. Han påpekar att det inte är informationsteknologi som har orsakat den här utvecklingen, men informationsteknologin spelar ändå en roll exempelvis genom spridningen av information och falska nyheter.
- Så för mig är det viktigt att ta reda på hur vi kan använda våra kunskaper inom datavetenskap för att göra något bra för samhället.

Matteo och hans kollegor har just fått anslag från NOS-HS (Nordisk samarbetsnämnd för humanistisk och samhällsvetenskaplig forskning) för att bygga ett nordiskt nätverk om desinformation online och hur det påverkar samhället.
- Vi kommer att organisera tre nordiska workshops, säger Matteo. För att detta nätverk ska bli effektivt måste det till ett samarbete mellan olika områden, det kan inte bara vara datavetenskap eller sociologi. Att analysera VAD är desinformation är komplicerat. Vem har rätt att anse att något är sant eller falskt? I politiska texter blandas både fakta, värderingar och känslor.

- Komplexitet är ett nyckelord för mig – verkligheten är komplicerad och vi behöver hitta metoder för att möta den här komplexiteten vid analysen av onlinedata. Man kan inte skapa bra lösningar endast med en matematisk abstraktion eller en algoritm eller en social teori som inte tittar på data som finns och som visar på vad som faktiskt händer. Vi behöver samarbeta för att det ska bli bra.

Just nu ligger fokus inom forskningen på text, tid och osäkerhet. Kollegan Davide Vega D'aurelio arbetar med att metoderna för analys även ska inkluderar textanalys, och Amin Kaveh studerar hur man analyserar nätverk när man bara känner sannolikheten av kopplingar mellan personer eller text. Planerna är att hitta finansiering för att kunna vidareutveckla detta och få till samarbeten med språkvetare.
- Det är också viktigt i analysen att veta NÄR saker har hänt online, säger Matteo. Tillsamman med min kollega Christian Rhoner, har vi ett samarbete med två forskare från Tokyo-tech för att utveckla analysmetoder för när interaktioner händer. Det kommer att hjälpa oss att inte bara förstå VEM som pratar om VAD utan även hur diskussioner utvecklas och ändras över tid.

Forskningen idag sker på offentliga personer och deras interaktioner som är uppenbarligen offentliggjorda i sociala medier. GDPR och skyddet för privatpersoner online gör att det kan bli svårt att forska på sociala nätverk där. Att få tillstånd från privatpersoner kan vara svårt, till och med omöjligt, när plattformar begränsar hur deras medlemmar får kontaktas. Matteo och hans kollegor har skrivit en artikel som problematiserar detta och ger en praktisk guide tillsammans med sociologer och en jurist.
- Den här etiska och juridiska diskussionen är viktig, vad får vi göra? menar Matteo. Det behöver vi som forskar inom datavetenskaperna tänka mer på. Informationen måste vara fri men vi måste också kunna skydda individerna.

Just nu arbetar Matteo och kollegorna i Infolab för att få mer resurser och kunna öka forskningen och att vidareutveckla metoderna och modellerna för nätverksanalys.
- Vi behöver mer komplexa modeller som kan ta hänsyn till fler faktorer eftersom vi vill studera samhället som är ett komplext system, säger Matteo. Bra demokrati behöver bra kommunikation – det är det vi vill bidra till med vår forskning – en ökad förståelse för hur kommunikation används online och påverkar samhället.

Utöver forskning och sitt uppdrag som studierektor är Matteo också ansvarig för att utveckla en ny Data Science Arena, som ska vara ett nätverk för alla som arbetar inom eller är intresserade av data science. Han leder också framtagningen av ett nytt internationellt program i Data Science. Den tid som blir över är Matteo även lärare.
- Det är en superviktig roll för mig! säger Matteo. Där känner jag att jag gör ett bidrag till samhället. Genom att undervisa personer som kommer att vara betydelsefulla för samhället spelar vi lärare en stor roll. Förutom att lära ut tekniska kunskaper vill jag också lära ut förmågan att tänka på konsekvenser och etik. Att skapa förståelse för att de lösningar vi utvecklar inom informationsteknologi kan vara ganska problematiska. Där känner jag att det jag gör verkligen är viktigt!

”Vi gör det osynliga synligt"

I framtiden kommer käkkirurger kunna utföra operationen i datorn innan de öppnar patienten på riktigt. På inskannade tredimensionella bilder av de skadade patienterna görs modeller i datorn som ger kirurgen bättre kontroll över hur skadan faktiskt ser ut. Det osynliga under huden görs synligt. "Forskningen kommer att innebära kortare operationstider, bättre operationsresultat och sparade pengar", berättar Ingela Nyström, professor i visualisering på Institutionen för informationsteknologi vid Uppsala universitet.

Ingela Nyströms forskning handlar om att matematik och informationsteknologi möter medicinen. Hon är matematiker och datavetare i grunden, men redan som doktorand upptäckte hon att hennes tillämpade matematik borde vara användbar inom medicinen. Forskningen handlade om att utveckla metoder för hur man bland annat skulle kunna titta på form i bilder på datorn.
- När jag och mina handledare frågade runt om det fanns intresse för detta visade det sig att radiologerna på sjukhuset var intresserade av att kunna titta på blodkärl i datorn. Då jobbade vi med att matematiskt titta på var det fanns blodkärlsförträngningar.

För 10 år sedan fick de kontakt med käkkirurger på Akademiska sjukhuset i Uppsala och samarbetet tog fart. Kirurgerna hade behov av mer exakta metoder för att kunna planera käk-kirurgin.
- Med hjälp av den här metodiken – om någon har blivit skadad i en fallolycka eller sparkad av en häst – kan man göra en CT-scanning av den skadade käken och sedan sätta ihop den trasiga käken som i ett 3D-pussel i datorn innan man utför den verkliga operationen, förklarar Ingela.
- Det vi har byggt in i systemet är en avancerad bildanalys och visualisering så att man kan se hur djup en skada är eller hur sönderkrossad en benbit faktiskt är innan man öppnar upp patienten vid en operation. Man kan säga att vi gör det osynliga synligt!

Att jobba både med matematik, data och medicin var något som tidigt kändes naturligt för Ingela.
- Jag har alltid velat jobba med människor, för mig hade en bana kunnat vara att jobba inom vården, berättar Ingela. Men om jag INTE hade läst matematisk skulle jag ha saknat det varje dag, jag är nog naturvetare ut i fingerspetsarna. Men däremot är jag inte matematiker som bara vill sitta och grotta ner mig i formler utan det ska finnas den här användbarheten.

Ingelas mormor var lite orolig när hon började läsa matematik, men på disputationen uttryckte hon att det där med matematiken var inte så dumt, för med den kunde Ingela hjälpa till inom medicinen.
- Det kommer att gå bra för dig, Ingela, sa mormor till mig då.

Fokus just nu ligger på att fortsätta samarbetet med käkkirurgen.
- Vi har löst pusselbitarna med ben – att sätta ihop och göra implantat. Men nu vill vi också titta på mjukdelarna, eftersom man också behöver kunna transplantera hud eller flytta muskler och det området är väldigt ”obeforskat”. Vi har så smått börjat med grundforskning inom detta, men inte hittat rätt finansiering av forskningen än.

Det senaste resultaten av forskningen är att de på patientspecifik data kan rita på huden. De kan titta på hudfliken som de måste ta bort och sedan hitta motsvarande plats på huden på insidan låret. Med hjälp att programmet och inskanning från patienten kan de hitta frisk vävnad på en plats där det också finns ett bra blodkärl. Genom att fästa hudfliken med ett bra blodkärl i ansiktet läker det ihop mycket snabbare.
- Den här metoden är det plastikkirurger som har börjat titta på, berättar Ingela.
Det är en riktig utmaning inom forskningen är att få till modeller som simulerar mjukvävnad, senor och muskelvävnad. Det är mer komplext att modellera flexibla, mjuka material än det stela skelettet.

Något som går som en röd tråd genom all Ingelas forskning är noggrannhet.
- Man måste vara matematiskt korrekt för annars kommer det inte att bli bra resultat, förklarar hon. Men även noggrannhet genom att se till att hantera patientdata korrekt och man måste också ha noggrannhet i att göra programmen användarvänliga, så att de fungerar för kirurgerna som ska använda dem.

De metoder som Ingela och hennes kollegor tar fram kommer att kunna bidra till förkortade operationstider och bättre operationsresultat, vilket gynnar patienterna. I och med detta kan metoderna också bidra till att spara pengar i vården.

Metoden med det datoriserade 3D-pusslet skulle även andra områden kunna ha användning för, som exempelvis arkeologer som behöver pussla ihop gamla urnor med hjälp av sköra bitar av krukskärvor.

Nu vill Ingela få forskargruppen att växa. Det finns ett flertal kirurger och doktorander på Akademiska sjukhuset som är aktiva i projektet, men på Institutionen för Informationsteknologi är gruppen liten.
– Idag är vi Fredrik Nysjö, som är doktorand, Filip Malmberg, som är forskare, och så jag själv, säger Ingela. Så vi behöver bli fler på IT.

Ingela har fram till nu även varit avdelningsföreståndare för Vi2, avdelningen för Visuell information och interaktion. Förutom att få mer tid för sin forskning, nu när hon lämnar över uppdraget, ser hon fram emot att få undervisa igen.
- Att vara lärare är det mest fascinerande man kan vara! utbrister Ingela. Att få lämna vidare det jag själv har lärt mig till studenterna.

Om man som student är intresserad av att forska inom samma område som Ingela ger hon rådet att först satsa på att lära sig matematik och sedan bli en stark programmerare. Därefter kan de börja bygga broar till medicinen.

”Jag är något av en entreprenör"

Thomas Schön har byggt upp ett framgångsrikt forskarteam inom Machine Learning på Institutionen för Informationsteknologi. Det bubblar av aktiviteter inom många olika forskningsområden, mycket tack vare Thomas förmåga att sätt ihop samarbeten och driva genom projekt.

- Min forskning handlar om Machine Learning, som är en del av AI, artificiell intelligens, säger Thomas Schön, professor i reglerteknik på Institutionen för Informationsteknologi vid Uppsala Universitet. Det handlar om att bygga matematiska modeller utifrån data och att ge datorn en förmåga att lära sig saker som den inte är specifikt programmerad för.

Thomas intresse för Machine Learning väcktes några år efter disputationen och det var av två anledningar.
- Dels används den matematik som jag kan och tycker är kul och dels används den matematiken för att lösa en mycket bredare uppsättning frågeställningar än vad jag var van vid, så jag fick tillgång till en mängd nya och spännande tillämpningar. Jag trodde också att Machine Learning skulle komma att påverka mycket, men den viktigaste anledningen var nog trots allt att jag helt enkelt inte kunde låta bli att gå in i området.

Det finns en mängd olika användningsområden för Machine Learning. Och det händer mycket inom Thomas forskarteam. Faktum är att det verkar bubbla av aktiviteter.
- Något som vi arbetar med just nu är automattolkning av EKG. Det är ett projekt där vi samarbetar med forskare i Brasilien. Där är vår automattolkning faktiskt bättre än riktiga läkare på att hitta fem av de sex vanligaste hjärtfelen numera. Det är rykande färska resultat som vi nyss har publicerat!

Thomas berättar att han har en strävan att leverera den bästa grundforskningen och den mest relevanta tillämpade forskningen. Den tillämpade forskningen görs tillsammans med företag eller tillämpande forskargrupper.
- Som exempel är forskningen kring automattolkningen av EKG där kardiologer i Brasilien har samlat in data i tio år och har skapat en forskargrupp, förklarar Thomas. En gästdoktorand på institutionen kommer från den gruppen. Han presenterade projektet och undrade om jag ville hjälpa till, och det passade perfekt. Vi hjälpte till med de matematiska modellerna (deep learning i detta fall) och de bidrar med de kliniska kunskaperna och så får vi en bra användning av våra kunskaper i en gemensam tillämpning.

Grunden är att Thomas forskarteam vidareutvecklar matematiska modeller och undersöker deras egenskaper och hur de kan användas. Vilken tillämpning de sedan forskar inom är oftast slumpmässig. Bara forskningen kan göra nytta i samhället.
- Ett samarbete kan uppstå genom att jag har möten med någon för att prata om något helt annat. Faktum är att jag utsätter mig för situationer och möten för att se vilka idéer som kan uppstå.

Ett av fokusområdena för Thomas forskning är medicin.
- Det startade med att jag fick bra kontakter med läkare bland annat genom en ledarskapskurs som jag gick. Uppsala är bra på det sättet genom att vi finns nära Universitetssjukhuset och läkare som forskar. När sedan min mamma blev sjuk i cancer påverkade det mig naturligtvis personligen, så jag ville hitta något sätt som jag kunde bidra till att göra den vården bättre.
När företaget Elekta kontaktade Thomas och ville ha hjälp med utvecklingen av en ny strålmaskin kändes det rätt.
Ett annat nytt forskningsområde inom Machine Learning som Thomas kollega Dave Zachariah har börjat arbeta inom handlar om kausalitet - att systematiskt hitta orsak-verkan-samband från mänsklig kunskap och stora datamängder.
- Det känns jättespännande metodmässigt och tillämpningsmässigt, säger Thomas. Att hitta orsakssamband, som exempelvis mellan beteenden och sjukdom.

Ännu ett resultat från Thomas forskarteam är ett nytt programmeringsspråk. Språket är specialbyggt för att ge fler personer tillgång till möjligheterna att använda de ganska komplicerade algoritmerna Sequential Monte Carlo (även kända som partikelfilter). Med hjälp av dessa algoritmer kan man lösa många sorters problem.
- Det kan användas inom i princip alla vetenskapliga områden, säger Thomas. Vi har nyligen testat att använda det inom fylogenetik, som handlar om att bygga upp träd över hur arter utvecklas och dör ut. Där samarbetar vi med Fredrik Ronquist på Naturhistoriska riksmuseet. Det har också använts för Epidemiologiska studier, som zika-viruset.

Den röda tråden i Thomas forskning är dynamiska system, saker som förändras över tiden och hur man matematiskt beskriver det med hjälp av modeller som resonerar med osäkerhet.
Forskningen kan bidra till att lösa många olika sorters problem och har stor relevans för de flesta forskningsområden där stora mängder data hanteras. Det sker samarbeten med medicin, matematik, fysik, samt freds-och konfliktvetenskap som länge har samlat data över konflikter, för att nämna några.
- Största utmaningarna är att hitta personal och tid. Jag letar hela tiden efter kompetenta forskare att rekrytera.

Att ha byggt upp ett starkt team inom Machine Learning är Thomas Schöns största bedrift enligt honom själv.
- För fem år sen var jag ensam och idag är vi över 20, säger Thomas. Jag hade från början en stark vilja att skapa ett team att jobba inom. Jag vill inte sitta själv och forska, då tröttnar jag.
Thomas menar att en av hans framgångsfaktorer är att han är något av en entreprenör i Universitetsmiljön.
- Jag är bra på att sy ihop flexibla samarbeten, plocka ihop folk från hela världen som är mest lämpade för att göra en viss grej och se till att det faktiskt görs också.
Nästa mål är att försöka få fler duktiga medarbetare på senior nivå till teamet och att få ut kunskapen så att den kan användas av andra.

Thomas undervisar också och det är något som han gillar och tycker är viktigt.
- Det är jättespännande att skapa ett intresse hos studenterna. Dessutom är det uppfriskande att få jobba med unga människor som inte är låsta utan tänker fritt, ifrågasätter och kommer med nya idéer. Det är en lyx inom det här jobbet!

”Människans roll i de tekniska systemen är underskattad"

För att datortekniken ska nå sin fulla potential som en del av samhällsutvecklingen behöver vi förstå hur människor använder och interagerar med tekniken. Hur den fungerar i verkligheten. Enligt Anders Arweström Jansson, professor i Människa-datorinteraktion vid Institutionen för Informationsteknologi i Uppsala är människans roll i de tekniska systemen kraftigt underskattad.

Forskning i människa-datorinteraktion handlar om hur man får människa och teknik att fungera tillsammans. Anders Arweström Jansson vill att vi utvecklar datorsystem så att de som jobbar med styrning av olika typer av trafik eller i processindustrin har rätt datorstöd när de utför sina arbeten.

- Min forskning handlar om samspelet mellan människor och datorsystem i arbetslivet. Forskningen omfattar analys, design och utvärdering. Vad gör människorna och hur ska vi kunna stödja dem med bra design av datorsystem. Efteråt tittar vi på hur det blev och hur det kan bli bättre.

Människa-datorinteraktion är tvärvetenskaplig forskning. Den utgår inte bara från tekniken, som datavetenskap skulle göra, och den utgår inte heller bara från människan, som psykologin skulle göra, utan den utgår från interaktionen MELLAN människa och teknik.

- Det är oerhört viktigt att tekniken, datorerna och programmen går att använda så att olika verksamheter kan nå sina mål. Jag fokuserar på användbarhet i säkerhetskritiska system. När man exempelvis styr tåg får det inte gå fel.

- ”Den mänskliga faktorn” är ett missbrukat begrepp som saknar vetenskaplig definition och är lite av ett svenskt påhitt. Det som åsyftas är människans förmåga att råka göra fel, eller omvänt, människans oförmåga att alltid göra rätt som förklaring till olyckor och incidenter. En mer gedigen analys visar att orsakssambanden är betydligt mer komplicerade än så.

Tågtrafikstyrningen har störst fokus just nu, men Anders har också forskat om självkörande bilar och hyttdesign i lok och bryggdesign i höghastighetsfärjor. Han jobbar också med intensivsjukvård och medicinteknisk utrustning.

- Mitt intresse för mänskligt beslutfattande i komplexa system kom redan när jag läste psykologi. Jag insåg ganska snart att jag ville jobba med människor i tekniska system och sökte mig till Telia och KTH där jag jobbade med Human Factors-frågor. Jag återvände till Uppsala och forskningen när Institutionen för Informationsteknologi bildades 1999.

Anders tvärvetenskapliga forskning ligger i gränslandet mellan Human Factors (som är ett forskningsområde som fokuserar på hur arbetsplatser, organisation och den teknik som används bäst bör utformas med tanke på människors psykiska och fysiska förutsättningar), människa-datorinteraktion, psykologi och kognitionsvetenskap (som är ett tvärvetenskapligt forskningsområde där forskare från så olika fält som filosofi, psykologi, neurovetenskap, datavetenskap, lingvistik och socialantropologi studerar det mänskliga tänkandets natur).

Just kognitionsvetenskapens betydelse är något som Anders Arweström Jansson vill skapa större medvetenhet om på Uppsala Universitet.

- Många forskningsområden håller på med kognitionsvetenskaplig forskning utan att den orienteringen görs synlig. Uppsala är en vit fläck när det gäller kognitionsvetenskap som ämne, och det vill jag ändra på. Det borde finnas en kognitionsvetenskaplig utbildning vid Uppsala Universitet!

Resultat från forskning i Anders forskargrupp är bland annat förbättrade metoder för kognitiv arbetsanalys. En metod är Kollegial verbalisering där både den undersökta personen och dennes kollegor får titta på filmer av hur personen arbetar och tänka högt kring arbetsuppgiften som filmats.
- Viss kunskap sitter i muskelminnet och sådan ”tyst kunskap” kan vara svår att uttrycka, men när flera med samma arbetsuppgifter får beskriva samma situation blir underlaget bättre.

Resultaten av forskningen är relevant för både psykologi, datavetenskap och kognitionsvetenskap.

En utmaning är att få teknikutveckling och kunskap om hur människor fungerar att gå hand i hand. För att utveckla tekniska system måste man förstå människans roll i systemen och människans roll är underskattad. Om en person eller verksamhet inte kan använda en teknik som har utvecklats är det bortkastade pengar.

Anders nämner exemplet självkörande bilar där verkligheten kommer att bli en annan än människor kanske förväntar sig.
- Antingen blir det bilar som kör väldigt långsamt eller så behöver det finnas någon som övervakar för att systemet ska fungera. Eller så behöver vi skapa en infrastruktur som mer liknar befintlig spårtrafik, om de självkörande bilarna ska köra i högre hastigheter.

Som lärare känner Anders att det är otroligt viktigt att sprida kunskap till studenterna som är nästa generations beställare och utvecklare, och de som ska skapa framtiden.

- Människan-datorinteraktion är ett efterfrågat ämne på många program idag, så det ser lovande ut. Tittar jag tillbaka tjugo år i tiden så har det hänt jättemycket positivt.

Intervju av Kajsa Örjavik, 2018-11-07

”Vi måste digitalisera med omsorg"

Hur gör vi för att på bästa sätt introducera digital teknik i samhället och i våra liv? Enligt Åsa Cajander måste digitaliseringen få ta tid och kosta mer i utvecklings och införandefasen för att inte leda till nya problem. – Jag vill se till att människors arbete är bra för dem även när arbetet digitaliseras, och jag vill hjälpa till med metoder för att det ska bli så.

?Datoriserade informationssystem, webb- och appbaserade e-tjänster, undervisning via digitala lärplattformar – det informationsteknologiska inflytandet över vår tillvaro bara ökar. Nya elektroniska verktyg lovar effektivisera och underlätta våra liv. Men hur väl rimmar ambitionerna med resultaten? Forskaren Åsa Cajander studerar hur digitaliseringen av olika samhällsfunktioner påverkar arbetet och individen.

– Vi skapar idag digitala gap i samhället och människor som är utbrända. Digitaliseringen följer samma kurva som utbrändhetskurvan. Visst är det inte den enda orsaken till att vi bränner ut oss, men det är en av dem.

De bakomliggande faktorerna kan förefalla oöverskådliga, lika många och komplexa som de enskilda användarna. Men Åsa Cajander menar att utformarna av IT-system trots det måste bli bättre på att ta till sig samspelet mellan teknikutveckling och samhället i stort.

– Som det är idag tycker de som jobbar i system med tekniska projekt att arbetsmiljö-, genus- eller kulturella frågor är så fantastiskt röriga att det inte ens går att börja hantera dessa frågor. Men så kan vi inte tänka. Bara för att det är komplicerat kan vi inte ignorera problemen. Vi måste ändå göra någonting för att få digitala system som fungerar bättre för oss än idag.

Som forskare i människa-datorinteraktion använder sig Åsa Cajander av så kallad aktionsforskning. Forskningen går ut på att i projekt samarbeta med olika samhällsgrupper för att bidra till förbättringar och delta i ett förändringsarbete. I fokus står intervjuer och enkäter med deltagarna liksom möten och workshops.

– Sen skriver jag och min forskargrupp ofta artiklar tillsammans med dem som är med i projektet. Så man är inte en fluga på väggen som många forskare är.

Ett av de största projekten Åsa Cajander varit inblandad i var när Region Uppsala 2011 införde elektroniska journaler för patienter. Då ansvarade hon bland annat för studier med patienter och vårdpersonal innan och efter det kontroversiella införandet.

– Vårdpersonalen upplevde att förändringen kom väldigt mycket uppifrån. Än idag har många av dem väldigt svårt att förstå det positiva med journaler på nätet. Man tycker att det skapar oro hos patienterna och dessutom större tidsbrist för personalen när patienterna hör av sig med frågor kring vad de läser, säger Åsa Cajander.

Å andra sidan tycker 97 procent av alla patienter att det är självklart att man ska kunna få ta del av sin journal via nätet.

– Vi har ett problem med kontinuitet i vården. Nu kan i alla fall patienten logga in och följa sin vård, se var remissen finns, när nästa besök är, jämföra provsvar och så vidare.

Till utmaningarna hör huruvida e-journalerna ska göras tillgängliga på andra språk än svenska. Krångliga ord och facktermer bör ha länkar till uppslagsverk. Dessutom tar läkarna sällan upp möjligheten för patienten att läsa sin journal på nätet och på så sätt förbereda sig för besöket. Något som skulle ge patienten bättre förståelse för sin sjukdom och större motivation att följa läkarens rekommendationer, menar Åsa Cajander.

Som forskare kan hon ge rekommendationer men sällan påverka beslutsfattare direkt - fast det har hänt.

– Inom e-journalprojektet diskuterades om det skulle vara två veckors väntetid innan patienten kunde logga in i journalen för att se provsvar och läsa vad läkaren skrivit. Då gjorde min forskargrupp en intervjustudie med 30 cancerpatienter, där vi frågade hur de ville att det skulle funka. Och inte ville de ha någon två veckors väntetid! Studien bidrog till att det blev det ett beslut om att inte anta förslaget. Visst var det motstånd från läkarna, men de hade inget val.

Hon påpekar samtidigt att det är nödvändigt att skapa bra förutsättningar för vårdens administrativa arbete och arbetsmiljö. Läkarnas ohälsa ökar och antalet sjuksköterskor minskar, samtidigt som den åldrande befolkningen behöver vård under allt längre del av livet.

– Ekvationen går inte ihop. Och det största problemet är inte pengarna utan vårdpersonalen och hur många de är. Vi behöver arbeta för att de ska trivas i sitt yrke och vara kvar. Därför måste vi också digitalisera med omsorg.

Hon tillägger:

– Det handlar ju jättemycket om förändringsledning och kommunikation. Kommunikation är ju helt grundläggande, utan det så brister det helt och hållet.

Hennes forskargrupp består av tolv personer från en rad skilda områden – en doktorand är kulturgeograf, en annan datavetare i människa-datorinteraktion, en tredje kommer från civilingenjörsprogrammet system i teknik och samhälle. De seniora forskarna i gruppen har bakgrunder i genusvetenskap, företagsekonomi och datavetenskap. Med en forskningsledare som specialiserat sig på arbetsmiljöfrågor är det inte undra på att det tvärvetenskapliga samarbetet fungerar väl.

– Jag jobbar jättemycket med att försöka skapa bra förutsättningar för samarbete och vi har, skulle jag kaxigt säga, en otroligt bra arbetsmiljö. Vi trivs jättebra tillsammans. Det finns olika åsikter, men också en väldigt stor respekt för varandras kompetens, säger Åsa Cajander.

Själv är hon i grunden språklärare i franska och engelska. I sitt arbete på Fryshuset i Stockholm träffade hon många ungdomar med psykosociala problem, ”det var mycket psykologi, beteendevetenskap och konflikthantering”. Men sen tog intresset för matematik och data över, ämnen hon hade studerat i anslutning till språklärarutbildningen vid Uppsala universitet.

– Så år 2000 bytte jag till IT-konsult på ett stort internationellt IT-företag. Jag jobbade med programmering i Java i industrin och höll kurser. Fast samtidigt läste jag kvällskurser på universitetet för det var så kul!

Det blev kurser i programmering, i systemutvecklingsmetoder och även i undervisning och lärande innan hon till slut tog steget att bli doktorand i människa-datorinteraktion. Den vindlande vägen till högre tekniska studier är en erfarenhet hon delar med många kvinnor, menar Åsa Cajander.

– För kvinnor har man sett att när de har hamnat i tekniska yrken så är den här snirkliga, konstiga bakgrunden ganska vanlig. Därför måste vi stödja och hitta former för hur studenter kan byta till de tekniska ämnena en bit upp i studiekarriären. För idag finns inte tillräckligt många av de här bryggorna över utbildningsprogrammen.

Åsa Cajander har för närvarande ett treårigt mandat som lika villkorsombud på IT-institutionen. Dessutom forskar hon på e-hälsa och digitalisering inom centrumbildningen Nordwit som drivs från Centrum för genusvetenskap. Förutom en handfull andra forskningsprojekt undervisar hon 30 procent på kurserna Medicinsk informatik, IT i samhället, samt Komplexa IT-system i stora organisationer. Och bloggar. Och twittrar.

Hur hinner, och framförallt, orkar du med allt?

– Jag tror det beror på att jag forskar och föreläser mycket om balans mellan arbetsliv och fritid, och vilka stressymptom som finns. Jag vet vad jag mäktar med och har verktygen att bromsa i tid när det blir för mycket.

– Sen är jag bra på att vila, haha. Och jag sover jättemycket, 9 timmar per natt.

Intervju av Anneli Björkman, 2018-06-05

Hans algoritmer ersätter osäkra antaganden

Går det att säkerställa att patienter får rätt dos läkemedel? Eller tar sin medicin som de ska? Alexander Medvedevs matematiska datamodeller ersätter osäkra antaganden med automatiskt fattade beslut.

Inom vården ökar behovet av moderna och effektiva behandlingsmetoder och tekniker. Där fyller datoriserade styrsystem en viktig funktion när det kommer till planering, beslut, genomförande och uppföljning kring behandling och medicinering. Grunden för automatisk styrning stavas reglerteknik, ett forskningsområde där Alexander Medvedev är en av modellkonstruktörerna. Hans fokus ligger på hur regleringar fungerar i levande natur, bland annat i människokroppen.

– Generellt försöker jag bygga matematiska ekvationer för att bland annat förklara uppmätta hormonhalter i blodet, säger Alexander Medvedev, professor i reglerteknik vid institutionen för informationsteknologi. Jag använder även matematisk modellering för att optimera och individanpassa behandlingar, bland annat vid automatisk dosering av läkemedel,

Arbetet sker tillsammans med forskare inom neurovetenskap, medicin och farmakologi och med läkare på Akademiska sjukhuset i Uppsala. Samarbetet med Akademiska inleddes redan 2007 då en läkare sökte upp Alexander Medvedev med ett problem kring reglering av endokrina system.

– Då handlade det om kvinnor med premenstruella besvär och läkaren var gynekolog. Jag började gräva djupare i problemet och upptäckte att det inte fanns någon sammanhängande matematisk teori för hur hjärnan reglerar endokrina körtlar, vilket är vad man måste ta itu med.

Alexander Medvedev startade då ett projekt om hur man bygger upp matematiska modeller för endokrina system. Forskningsteamets teori för att beskriva hur hjärnan styr endokrina system med hormonimpulser anser han vara sin mest betydelsefulla forskningsframgång hittills.

– Framgången ligger i det att vi börjat från scratch och kommit fram till något som stämmer överens med experimentdata och biologiska fakta. Jag håller på att skriva en bok om detta tillsammans med mina ryska kolleger. Mina samarbeten med läkare vid Akademiska sjukhuset har fortsatt, bland annat kring automatisk dosering av läkemedel vid narkos eller sjukdomar som Parkinson.

Idag finns det flera sätt att lösa problem med självdosering med hjälp av appar i mobilen, surfplattan eller datorn. Då påminns patienter om när läkemedlet senast måste tas eller hur de ska justera för missade doser. Mjukvaran kan också hjälpa till med att mäta symptom och jämföra med patientens historik, säger Alexander Medvedev.

– Medicinering kan vara väldigt svårt att bedöma på egen hand. Enligt läkarna tenderar patienter då att överdosera, vilket inte heller är bra eftersom ökad dosering ökar komplikationerna vid exempelvis Parkinson.

Att konstruera ekvationer som beskriver medicinska behandlingar tillstår han är en utmaning såväl matematiskt som ingenjörsmässigt. En viktigt del är att kunna mäta patientens symptom objektivt, och då behövs datoriserade tekniska lösningar.
En sådan teknik är så kallad ögonföljning, eller eye-tracking, som används inom Parkinsonvården. Den går ut på att patienten iakttar och följer ett stimuli i form av en prick på en surfplatta medan två inbyggda kameror avläser ögonrörelserna. Genom att jämföra ögonens reaktioner på prickens rörelser kan läkarna bedöma hur svåra neurologiska symptom patienten har. Sådana tekniska hjälpmedel ger enligt Alexander Medvedev ett säkrare underlag och en högre effektivitetsnivå, något som sparar både tid och pengar.

– För att bestämma vilka värden som kan försummas och vilka som är viktiga utgår jag från matematisk analys. Därefter går jag till de biologiska eller medicinska data som finns, och jämför det jag ser i ekvationerna i datorn med de data som finns publicerade inom biologi och de signaler som läkarna kan mäta. Sen börjar jag fundera på om vi kan göra något experiment. Det är då det blir spännande för då testar vi en hypotes och för det behövs det samarbeten med läkare eller biologer. Det är den svåraste biten.

Hans senaste fokus är djup hjärnstimulering, en teknik som sedan 1980-talet använts för Parkinson men även för epilepsi, essentiell tremor och andra neurologiska tillstånd. Behandlingen sker vid Akademiska sjukhuset och innebär att patienten får elektroder inopererade i hjärnan som sedan stimuleras med elektriska signaler. Som patient får man en fjärrkontroll för att stänga av och på samt växla mellan olika inställningar. Den andra och mer avancerade enheten har läkaren för att programmera stimulering. Det Alexander Medvedev och hans forskarteam har gjort är att ta fram matematiska modeller som räknar ut den mest optimala inställningen för elektrisk stimulans.

– Vi tittar på magnetröntgenbilder som visar hur patientens hjärna ser ut och var elektroderna opererats in. Därefter kan vi räkna ut hur det elektriska fältet sprider sig i hjärnan och därmed hur stimuli ska se ut för att täcka ett visst område och inte spilla över. På så sätt berörs inte angränsande områden av det elektriska fältet, säger Alexander Medvedev.

– Det kan finnas flera inställningar på stimuleringen som ger liknande resultat enligt våra matematiska modeller. Då kan läkaren prova dessa på patienten och mäta behandlingens effekt på symtom som tremor och ögonmotorik. En sådan studie pågår just nu vid Akademiska sjukhuset. Såvitt vi vet är det första gången detta görs i Sverige.

Teamets första studie har visat att deras matematiska modeller stämmer ganska bra överens med verkligheten och att de stimuli som modellerna räknar ut fungerar på patienter. I genomsnitt har man åstadkommit en drygt 40-procentig reducering av mediciner till följd av hjärnstimulering. Det är särskilt angeläget vid Parkinson eftersom svårigheterna att dosera korrekt ökar med sjukdomsförloppet, berättar Alexander Medvedev.

– Vissa patienter blir motoriskt sett nästan symptomfria i samband med stimuleringen. Däremot kan det bli biverkningar om man stimulerar fel område eftersom olika delar av hjärnan är ansvariga för olika saker. Därför är det så viktigt att räkna ut var stimuleringen ligger och det kan inte läkarna idag. De kan inte se in i hjärnan, men datorn kan.

Mer om Alexander Medvedev och hans forskning

Intervju av Anneli Björkman 2017-08-30

Hon hittar talrika lösningar på fysikaliska problem

Hon snöar gärna in sig på matematiska algoritmer men behöver veta att hennes modeller kommer till praktisk nytta. Genom beräkningar av fysikaliska fenomen vill Gunilla Kreiss sammanfoga idé och verklighet.

– När jag gör numeriska beräkningar i datorn så kommer det visserligen ut siffror, men de blir ju inte siffror som har någonting med verkligheten att göra förrän någon annan använder dem.

Professorn i numerisk analys blir entusiastisk när hon beskriver hur hon halkade in på sitt forskningsämne. Under civilingenjörsstudierna på KTH fångades hon så av numerisk analys att hon aldrig ville att kurserna skulle ta slut.

– Jag kände att det fanns en koppling mellan ”här är ett riktigt problem, nu gör vi en modell och så ska vi lösa det här matematiska problemet som är modellen”. Jag gillade att man faktiskt såg att kedjan fanns där, säger Gunilla Kreiss.

– Det jag också tyckte var spännande var att man flyttade in experimenten i form av de här numeriska simuleringarna i datorn istället för att göra mätningar i ett labb.

Idag är det möjligt att med datorns hjälp snabbt och effektivt lösa olika typer av beräkningsproblem. Matematiska problem kan omvandlas till numeriska beräkningsmodeller på en mängd olika sätt. Dessa prövas och kombineras utifrån otaliga perspektiv för att hitta bästa tänkbara beräkningsmodell Men all effektivitet till trots kvarstår utmaningen att analysera de metoder man använder, säger Gunilla Kreiss. Datorn har inte helt konkurrerat ut svarta tavlan.

– Att skriva saker på tavlan, det är fina grejer! skrattar hon. Och det här med att bolla idéer, att prata om saker, det är ju liksom uppslag man pratar om. Sen kan själva uträkningarna delvis göras med analys. Jag använder ofta klassisk matematisk analys.

Förutom datorsimuleringar kan de metoder som utvecklas inom numerisk analys eller beräkningsvetenskap, tillämpas på problem från många olika områden. Gunilla Kreiss forskar på fysikaliska fenomen som kan modelleras med partiella differentialekvationer och i ett sådant projekt samarbetar hon med fysiker vid Uppsala universitet.

– Min roll är att utveckla och analysera simuleringsverktyg som ska användas för att ta fram små magnetiska informationsbärare som datorminnen. Magnetism är avgörande för att kunna lagra information och skicka information. I förlängningen vore det väldigt roligt om jag kunde bidra till ännu effektivare datorminnen, säger Gunilla Kreiss.

Projektet är ett av flera hon leder inom ramen för den strategiska forskningssatsningen Essence of e-science. Ett annat projekt handlar om att tillsammans med forskare från geovetenskaper utveckla beräkningsmodeller med hjälp av simuleringar av elastiska vågor i jordskorpan. På så sätt kan geologerna förutsäga scenarier vid jordbävningar i olika geografiska områden.

– I båda samarbetena ingår en verklighet som inte ligger så långt bort och där jag ser att det jag jobbar med kan spela roll. Men nyttan behöver inte vara precis i nästa led utan det kan vara några led bort. Det är helt okej, bara jag kan se att det finns en koppling.

Men att kunna se de logiska följderna är inte det svåraste, enligt Gunilla Kreiss. Det är att formulera frågorna.

Hur bär man sig åt för att formulera de bästa frågorna?

– Det är svårt! Det handlar om att vrida och vända på saker och prova, och komma fram till ”nä, det här kan jag inte svara på”, eller ”nä, det här blir för lätt”. För det är ju så. Kanske börjar man med den svåraste frågan och sen går inte det, man kommer inte fram till någon lösning. Då får man förenkla. Samtidigt måste man försöka hitta en balans så att man inte förenklar bort allt väsentligt.

Intervju av Anneli Björkman, 2016

HON HAR KÄNSLA FÖR HÅLLBARA TING

Datorer, mobiltelefoner och enheter för fjärranalys bildar allt större nätverk och möjliggör allt mer detaljerade, innovativa och effektiva interaktioner. I sin forskning på trådlösa sensornätverk och mobila applikationer fokuserar Edith Ngai på att optimera kommunikation och kvaliteten på information från rådata.

- Det viktigaste är att dessa data kan bearbetas och samlas i ett moln med större kapacitet för lagring och uträkning. Då kan vi få kunskap och insikter som vi aldrig haft förut, och kanske förbättra världen på ett sätt vi aldrig tidigare kunnat.

2014 fick hennes forskargrupp finansiering från Vinnova för projektet Green Internet of Things i samarbete med Uppsala kommun, KTH, Ericsson, IBM och fyra andra affärspartners. Syftet är att förse Uppsala med en trådlös infrastruktur av sensorer som samlar in miljödata för hållbar stads- och transportplanering. Nätverket ska hjälpa till att övervaka energiförbrukning och minska trafikstockningar, säger Edith Ngai.

- Idén kom året innan, när vi genomförde ett projekt med några kinesiska universitet om föroreningsproblem i Peking, där situationen naturligtvis är mycket värre. I Uppsala beror den dåliga luften till stor del på de dubbdäck vi använder under vintern som raspar och skrapar mot asfalten så att partiklar virvlar upp. Eftersom de här partiklarna kan orsaka hälsoproblem är vi mycket angelägna om att mäta dem med vår sensorteknik.

Att bana väg för framtidens smarta stad kräver tvärvetenskapligt samarbete och inkluderar specialister inom områden som luftföroreningar, trafik och stadsplanering, och beslutsfattande. Edith Ngai tänjer också på vetenskapsområdets gränser i ett annat projekt om e-hälsa där hon samarbetar med forskare inom psykologi, psykiatri och biologi.

- Jag är intresserad av hur människors livskvalitet kan förbättras och behov tillfredsställas, vare sig det gäller barn, unga eller gamla. Det är så informationsteknologi bör användas.

Den mobila applikationen SADHealth är ett verktyg för att kontrollera hur ljusexponering påverkar aktivitetsnivå, hälsa och humör. Det främsta målet är att ge användare ett program som kan identifiera och hjälpa dem att förstå symtomen vid säsongsbunden depression, SAD, säger Edith Ngai. Hon kom på idén under sin första vinter i Sverige.

- Eftersom min hemstad Hong Kong ligger närmare ekvatorn är förändringen mellan sommar och vinter inte så tydlig. Men när jag flyttade till Sverige 2008 märkte jag hur länge det var ljust sommartid och totalt motsatt under vintern. Under den mörkare årstiden behövde jag mer sömn och hade mindre aptit. Och när jag åkte till Hong Kong under julen såg min hud mycket blekare ut jämfört med andra asiater. Detta fick mig att reflektera över hur säsongsmässiga förändringar kan påverka människor.

SADHealth kan ännu inte användas för medicinska ändamål utan bara som ett verktyg för att mäta hur mycket ljus och motion bäraren får. Dagens smarta telefoner är utrustade med alla sensorer som behövs för SADHealth-appen: kamera, termometer, ljus- och avståndssensor, GPS. Flera av Edith Ngai?s masterstudenter utvecklar applikationen inom sina examensarbeten.

- Vi förbättrar kontinuerligt appen och planerar att göra den spelbar så att vänner kan tävla i hur mycket motion eller mängd solsken de får på sommaren. På så sätt kan folk uppmuntra varandra att vara mer i rörelse och ute i solen.

Hon undervisar också kurser i datornätverk, "i princip allt om hur datorer prata med varandra". På projektkursen i datavetenskap arbetar studenterna en termin tillsammans med ett företag, just nu Ericsson Research. Sedan februari får hon själv praktisk erfarenhet som gästprofessor på Ericsson.

- Min uppgift går ut på att säkra data, vilket är ett problem som många menar blir allt viktigare. Om du vill överföra data på ett effektivt sätt måste du låta många routrar samarbeta i nätverket. Men frågan är hur man uppnår säkerhet samtidigt som man drar nytta av effektiv och bred distribution av data?

Så var behövs sådana säkerhetsåtgärder sättas in?

- Troligen på olika ställen. Vi håller på att undersöka detta problem och tittar på om slutanvändaren kan kontrollera hur data avkrypteras eller blir tillgänglig.
- Att samla in en mängd uppgifter innebär en potentiell risk att avslöja personlig information. Om vi inte kan värna den personliga integriteten när vi samlar in data kommer människor att vara alltför rädda för att använda exempelvis hälsoapplikationer. Denna balans måste vi lösa.

Intervju av Anneli Björkman, 2015

Hon fogar samman livsavgörande pixlar

Idag är det vanligt att biomedicinska experiment resulterar i tusentals mikroskopibilder. För att kunna utvinna och tolka information om tillstånd i celler, vävnader och organismer krävs automatiserade bildanalysmetoder. På några timmar levererar datorerna analyser som skulle ta en människa flera år att få fram manuellt, enligt Carolina Wählby.

Med digital bildanalys kan jag och mina kollegor snabbt mäta hur celler reagerar på ett stort antal behandlingar. Det går ju inte att testa 250 olika läkemedel på en patient, men vi kan ta ut patientens celler och odla dem i små hål, eller brunnar, i plastplattor. Sedan tillsätter vi olika läkemedelsubstanser i olika brunnar och avbildar cellerna genom ett fluorescensmikroskop, förklarar hon.

Där ser vi redan att kända läkemedel som används idag har olika effekt på cellnivå, och ibland olika effekt på celler från olika patienter. För att mäta dessa effekter behöver vi avancerad programvara.

Dataprogrammen Carolina Wählby utvecklar grundar sig på matematiska algoritmer som kan identifiera objekt och mäta form, färg och mönster. Här omvandlas observerbara egenskaper till siffor som avslöjar samband det mänskliga ögat lätt kan missa.

Vi försöker kvantifiera förändringar i celler och vävnad vid olika sjukdomstillstånd, allt från cancer till hudförändringar, och hur UV-ljus påverkar cellerna i ögats lins. I ett av våra projekt har vi också hittat på några nya bildfiltreringsalgoritmer och metoder för att snabbt och effektivt hitta bildobjekt av en given storlek.

Men hur effektiva och reproducerbara metoderna än är så innebär de ändå kompromisser, menar Carolina Wählby.

Det är svårt att få till både data och analys perfekt, mycket beroende på biologisk variation. Där får metoderna inte vara alltför känsliga. Även om du har celler som är kloner av varandra så är de inte likadana. Naturen i sig är ju inte ettor och nollor.

Det var en önskan att kunna mäta orsak och verkan som en gång ledde in henne på bildanalysbanan. Efter att ha läst civilingenjörsprogrammet i molekylär bioteknik i Uppsala gjorde hon sitt examensarbete på Karolinska Institutet i Stockholm. Där fick hon bland annat odla celler som fotograferades i mikroskop.

En dag sa min handledare, "nu måste vi få in lite siffror också, du kan printa bilderna på ett papper och sen kan du be labbassistenten räkna prickarna från bilderna." Men det hade jag inte hjärta att göra - labbassisten var en fantastisk äldre dam som jag hade otrolig respekt för. Att be henne sitta och räkna prickar fanns inte i min värld, skrattar Carolina Wählby.

Hon beslöt sig för att själv lära sig digital bildbehandling och hoppade på en kurs vid Centrum för Bildanalys på Uppsala universitet. Därefter följde en doktorandtjänst i digital bildanalys hos professor Ewert Bengtsson vid institutionen för informationsteknologi. Idag leder hon en egen forskargrupp vid samma institution.

Vårt laboratorium arbetar mycket med bilddata som produceras på SciLifeLab. Dessutom har vi ett dussintal andra samarbeten med forskare runtom i Sverige och resten av världen. Vi jobbar bland annat med modellorganismer för att testa läkemedel på en storskalig nivå. En av våra organismer är den 1-millimeter långa rundmasken Caenorhabditis elegans som vi använder för att hitta nya anti-infektiösa terapier och gener inblandade i fettmetabolism.

Många av forskarkontakterna knöt Carolina Wählby under sina sex år på Broad Institute of Harvard and MIT i Cambridge, Massachusetts i USA. I sitt jobb som projektledare fick hon chans att vara med och utveckla vad hon anser vara sitt största bidrag till forskarsamhället, CellProfiler.

Det är en programvara som även kan användas av biomedicinska forskare utan IT-bakgrund för att mäta och analysera mikroskopiska förändringar på cellnivå. Just att hitta cellerna, det första steget innan man kan mäta på dem, är baserat på min doktorsavhandling.

CellProfiler kräver bara en PC eller Mac-dator och är gratis att ladda ner och använda. Då källkoden är helt öppen står det vem som helst fritt att bygga vidare på den.

Att vi kunnat göra de här metoderna så tillgängliga för så många är väldigt kul. Varje dag publiceras drygt två nya vetenskapliga artiklar som använder verktyget. På så sätt lyfter vi forskningen brett och bistår många olika vetenskapsområden.

I ett annat uppmärksammat projekt har hennes forskargrupp i Uppsala samarbetat med Mats Nilssons grupp vid SciLifeLab och Stockholms universitet. Vad de kunnat visa är ett nytt sätt att mäta var i en vävnad olika gener är aktiva. För att visualisera genuttrycket vid olika bildupplösning arbetar forskarna med verktyg som liknar Google Maps, där genuttryck kan visas eller döljas på samma sätt som man kan visa eller dölja vägar och vägnamn när man tittar på flygfoton, förklarar Carolina Wählby.

Det blir extra intressant när man vill ta reda på skillnader mellan normal vävnad och cancer och veta mer om vilka sorters celler, som till exempel immunceller, som är aktiva vid ytan av en tumör. Verktyget, som går under arbetsnamnet Tissue Maps, gör det möjligt att studera resultaten vid olika upplösning och välja att visa olika typer av information som lager ovanpå originalbilden.

Hon avslutar:

Det kan ge viktiga svar när det gäller individuella variationer i exempelvis cancertumörer, och förhoppningsvis leda till bättre förståelse av sjukdomsförloppet och att patienterna får bästa möjliga behandling.

Intervju av Anneli Björkman 2015