Etikettarkiv: Big Data

Utvecklar beslutsstöd för djup hjärnstimulering

Teresa Nordin och Dorian Vogel, doktorander på institutionen för medicinsk teknik vid Linköpings universitet. Foto: Lasse Hejdenberg
Teresa Nordin och Dorian Vogel, doktorander på institutionen för medicinsk teknik vid Linköpings universitet. Foto: Lasse Hejdenberg

– Vi vill utveckla ett beslutsstöd som med hjälp av Big Data kan peka ut vilket område i hjärnan som bör stimuleras vid behandling av Parkinsons och andra rörelsesjukdomar, säger Karin Wårdell, professor på institutionen för medicinsk teknik vid Linköpings universitet.

Djup hjärnstimulering, DBS, är en form av hjärnkirurgi där en tunn elektrod placeras djupt inne i hjärnan. Metoden är en viktig terapi för rörelsestörningar som Parkinsons sjukdom och essentiell tremor. För behandlande läkare är vägen fram till operation kantad av en rad överväganden och beslut som ska grundas på stora mängder data i form av bland annat bilder av den aktuella patientens hjärna, bilder från redan behandlade patienters hjärnor samt från tidigare behandlingar och behandlingsresultat.
I projektet Djup hjärnstimulering: dataanalys för kliniskt stöd är syftet att föra samman alla multiparametriska DBS-data för kliniskt stöd.
– Vi vill skapa ett intuitivt visualiseringsverktyg som underlättar den kirurgiska planeringen och uppföljningen av DBS. En slags atlas över hjärnan som på statistiska grunder kan tala om vilket område av hjärnan som bör stimuleras, och inte bör stimuleras, för att skapa så god effekt som möjligt hos varje enskild patient, förklarar professor Karin Wårdell, forskningsledare.
Atlasen bygger på patientdata som dels inhämtats under operationer vid kliniker i Sverige och Frankrike, dels på att data samlats in under många år i samarbete med forskare vid Karolinska universitetssjukhuset och Umeå universitetssjukhus.
– Genom att föra samman all data från de olika patienterna vill vi identifiera det område i hjärnan som är bäst att stimulera vid olika sjukdomar, säger vice forskningsledare Simone Hemm-Ode, professor vid University of Applied Sciences and Art Northwestern Switzerland.

Appar
Projektet har redan kommit en bra bit på väg.
– Vi har utvecklat två testappar där man kan skapa en hjärnmodell och sedan föra in alla aktuella patientdata i simuleringskonceptet. Det vi jobbar på nu är DBviS, Deep Brain Visualisation. Här kommer vi att samla all information från våra studier och där kan användare jämföra våra resultat med sina egna simuleringar. Det övergripande målet med projektet är dels att få fram ett verktyg för kliniskt beslutsstöd vid DBS, dels att förstå mer om mekanismerna bakom sjukdomarna, avslutar Karin Wårdell.

Linköpings universitet – Big Data

Projektet ”Djup hjärnstimulering: dataanalys för kliniskt stöd” stöds med 21 miljoner kronor av SSF. Även neurokirurgiska kliniken i Linköping, Harvard Medical School samt DBS-enheterna i Umeå, Clermont-Ferrand och London deltar i projektet.

liu.se/en/research/neuroengineering-lab

Ny teknologi ger kunskap om flöden och turbulens

Tino Weinkauf, professor i visualisering vid KTH. Foto: Johan Marklund
Tino Weinkauf, professor i visualisering vid KTH. Foto: Johan Marklund

Att förstå turbulens och flödes­dynamik är en nyckel för forskning om energieffektiva fordon och klimat. Men simuleringar av dessa processer kräver ofta så stora mängder data att mer djuplodande analys omöjliggörs. Nu utvecklas ny teknologi för att analysera relevant data medan den bearbetas, in situ.

Bilar, flygplan och fartyg förlorar närmare hälften av sin totala energiförbrukning till turbulens i motorer och vid fordonets yta. Att förstå, kontrollera och minska turbulens är därför en väsentlig del i att skapa energieffektiva, hållbara transporter och för att svensk fordonsindustri ska vara konkurrenskraftig. Liknande flödesdynamik ligger bakom olika väderfenomen. Exempelvis drivs stormar av atmosfärisk turbulens och dessa ökar kraftigt i takt med klimatförändringarna. Därför är detta fenomen ett centralt fokus också inom klimatforskning.
– Turbulens är ett av de mest komplexa naturfenomen vi känner till. Forskare har ägnat sig åt detta under lång tid, men det finns stora utmaningar i forskningen och det är fortfarande många pusselbitar som saknas, berättar Tino Weinkauf, professor i visualisering och chef för Avdelningen för beräkningsvetenskap och beräkningsteknik vid KTH.
I projektet In situ-analys av Big Data för flödes- och klimatsimulering leder Tino Weinkauf ett tvärdisciplinärt team, med expertis från KTH, Linköpings universitet och Stockholms universitet, med målet att skapa bättre teknologi för att studera turbulens och flöden.

Datamängder försvårar
Ett av de bästa sätten att förstå flödesdynamik och turbulens är genom numerisk datasimulering, som gör det möjligt att visualisera processerna och studera dem på detaljnivå. Men de ofattbart stora mängderna data som även en kort flödessimulering ger upphov till gör den här typen av forskning extremt svår. Att simulera en sekund av det turbulenta flödet runt ett kommersiellt flygplan kräver en teoretisk beräkningstid på 500 år på Sveriges största superdator, Beskow på KTH. Att spara så mycket beräkningsdata på en disk låter sig inte göras. Samtidigt är det otillräckligt att enbart spara ett fåtal utvalda steg i processen eftersom de turbulenta strukturernas utveckling över tid är av avgörande vikt.
Tino och hans team utvecklar därför teknologi för att studera processerna in situ, det vill säga att analysera data direkt på superdatorn under tiden som den produceras. Sedan räcker det att spara resultatet, inte all skrymmande data.
– Vi tar fram teknologi som på ett intelligent sätt detekterar och extraherar den data som vi är intresserade av. På så sätt kan underliggande strukturer och tidsmässig utveckling studeras, förklarar Tino.
Teknologin baseras på diskret morseteori, en teori som kombinerar tillämpad matematik och datavetenskap. Forskningsprojektet spänner över ett brett spektrum, från grundforskning till mer tillämpningsnära, och svarar mot det stora behov som finns av nya metoder, så att flödes- och klimatforskning ska kunna avancera. Tillämpningarna av denna forskning är många, inte bara inom fordonsindustri, meterologi och klimatarbete. Även inom exempelvis cellbiologi, hemodynamik (studiet av blodcirkulation) och planetologi finns potentiella applikationer.

In situ-bibliotek
Med sina resultat bygger forskarna upp ett in situ-bibliotek bestående av mjukvara med öppen källkod. Det europeiska samarbetsorganet European Centre for Medium-Range Weather Forecasts, ECMWF, har visat intresse för programvaran. Samma program kan också användas av FN:s klimatpanel, IPCC.
– Det är väldigt roligt att arbetet kan få en omedelbar effekt på klimatforskning och klimatarbete, eftersom det är en av vår tids mest pressande frågor. Vi ser tydligt att antalet extrema väderhändelser ökar starkt, både i antal och svårighetsgrad. Om vi bättre förstår den bakomliggande flödesdynamiken kan vi göra mer exakta förutsägelser och utveckla effektivare varningssystem. Då kanske vi kan minska de katastrofala följder som vi ofta ser idag, säger Tino Weinkauf.
De övriga forskarna i projektet är Erwin Laure, professor vid KTH och direktor vid Max Planck Computing and Data Facility i Tyskland, Philipp Schlatter, professor vid KTH, Ingrid Hotz, professor vid Linköpings universitet, Gunilla Svensson, professor vid Stockholms universitet samt Rodrigo Caballero, professor vid Stockholms universitet.

KTH – Big Data

Forskningsprojektet In situ-analys av Big Data för flödes- och klimatsimulering finansieras av Stiftelsen för strategisk forskning inom ramen för programmet Big data och beräkningsvetenskap. Det är ett multidisciplinärt projekt, som syftar till att utveckla nya metoder för flödes- och klimatsimulering. Tillämpningarna finns bland annat inom fordonsindustrin och klimatforskning, och är av stor relevans för Sverige och svensk industri.

www.kth.se
www.su.se
www.liu.se

SSF bidrar till nya tillämpningar av Big Data

Simone Hemm, professor i neuroteknik och Karin Wårdell, professor i medicinsk teknik. Foto: Charlotte Perhammar / LiU
Simone Hemm, professor i neuroteknik och Karin Wårdell, professor i medicinsk teknik. Foto: Charlotte Perhammar / LiU
SSF, Stiftelsen för Strategisk Forskning, delar varje år ut över 600 miljoner kronor till svensk forskning inom naturvetenskap, teknik och medicin. Ungefär en tredjedel av bidragen går till forskning rörande ICT och beräkningsvetenskap.

SSF har stöttat forskningssverige med ekonomiska bidrag sedan 1994. Under 2017–2021 prioriterar SSF områdena ICT, livsvetenskap och bioteknik samt materialforskning. Inom området Big Data och beräkningsvetenskap har sju projekt tilldelats totalt 200 miljoner kronor.
– Idag genereras det enorma mängder data men oftast vet vi inte vad vi ska göra med den. Det vi däremot vet är att det finns oändligt med tillämpningsområden för alla dessa data. Vi måste bara hitta dem, säger Simone Hemm, professor i neuroteknik vid University of Applied Sciences and Arts Northwestern Switzerland.

Big Data för kliniskt stöd
Tillsammans med Karin Wårdell, professor i medicinsk teknik vid Linköpings universitet driver hon projektet ”Djup hjärnstimulering: dataanalys för kliniskt stöd”, ett av de sju Big Data-projekt som tilldelats bidrag från SSF.
Genom att studera hur de datamängder som genereras vid elektrisk stimulering av hjärnan kan användas för att skapa ett visuellt stöd för hjärnkirurger hoppas de kunna skapa större förståelse för mekanismerna bakom sjukdomar som Parkinson, essentiell tremor och dystoni. Dessa sjukdomar hindrar den drabbade att röra sig normalt, och det finns stora vinster i livskvalitet om man kan hindra förloppet.
– Behandlingarna fungerar men innebär omfattande undersökningar, operation och uppföljningar. Det vi vill göra är att använda olika tekniker som visualisering, för att underlätta arbetet för sjukvårdspersonalen och därmed göra behandlingarna lite behagligare för patienterna, säger Karin Wårdell och fortsätter:
– Målbilden är att skapa ett atlas över hjärnan som kan tala om vilket område av hjärnan som bör stimuleras – och vilka områden som inte bör stimuleras – för att skapa så god effekt som möjligt. Kirurgerna kommer att kunna se var det statistiskt sett är bäst att placera elektroderna och vilka parametrar som ger bästa möjliga behandling.

Nya metoder för att sammanställa data
Projektet kommer även att studera nya metoder för att organisera och analysera data, något som idag kräver stora resurser.
– Vi har data för varje enskild patient, och varje hjärna är unik. Vår utmaning är hur vi hittar en gemensam referens som olika patienters data kan jämföras mot. Det är stora mängder data som ska bearbetas och kategoriseras, och utan SSF:s finansiering skulle projektet inte vara möjligt i samma omfattning, säger Simone Hemm.

SSF – Big Data
Stiftelsen för Strategisk Forskning, SSF, finansierar forskning inom naturvetenskap, teknik och medicin med över 600 miljoner kronor om året. SSF är en fri, oberoende aktör inom det offentliga forskningsfinansieringssystemet. Projektet ”Djup hjärnstimulering: dataanalys för kliniskt stöd” har tilldelats 21 miljoner kronor från SSF och kommer att pågå i fem år. Även Umeå universitet, Harvard School of Medicine samt DBS-enheter i Frankrike och London deltar i projektet.