Möt Atiye
Atiye växte upp i Iran i staden Semnan ”en lugn och vacker ökenstad” som Atiye beskriver den. Hon har nära till skratt och berättar hur hon redan som barn drömde om att gå vidare inom akademin och bli professor vid universitetet, en dröm som också uppmuntrades av hennes föräldrar och familj. Hon gick sin grundutbildning i elektroteknik och tog en Master vid universitetet i sin hemstad.
Under doktorandtiden arbetade hon ett år i Tyskland, Braunschweig. Efter avslutad PhD fick hon en postdoktjänst vid Högskolan i Halmstad där hon arbetade med AI inom området hälsa/sjukvård vilket medförde samarbete med Jonas Björks forskningsgrupp vid Lunds universitet. Sedan ett år tillbaka är hon knuten till Medicinska fakulteten vid LU. Hon trivs väldigt bra i Lund och med forskningen. Hon är intresserad av filosofi och existentiella frågor och drömmer om en fredligare värld. Atiye ser en skönhet i att forskningen söker svar på frågor.
– Som forskare har vi inte svaren och det är skönheten!
Projektet i stort
Det omfattande projekt Jonas Björk leder handlar om att utveckla en modell som kan förutse pandemier och epidemier med hjälp av maskininlärning och artificiell intelligens. Projektet följer upp erfarenheter av coronapandemin som pekade på behovet av att använda mer tekniskt avancerade och omfattande system för att snabbt upptäcka nya folkhälsohot. Atiye:
– Det vore ett fantastisk resultat om denna forskning i kombination med annan forskning kan skapa en prediktionsmodell för pandemier.
Underprojekt
Atiye arbetar med en understudie där hon använder maskininlärningsmetoder och AI-baserade metoder för övervakning av sjukdomsutbrott. Hon berättar att hon använder flera olika modeller för avvikelsedetektering baserade på maskininlärning av tidsseriedata. Datan är både tids- och platsberoende.
Hon exemplifierar: om ett sjukdomsutbrott sker händer det vid olika tidpunkter i olika delar av Sverige. Stora mängder data kommer att finnas tillgängliga som berättar vem som drabbats, var och när. Data kan exempelvis samlas in då personer kontaktat 1177 med specifika symptom vid en viss tid från en viss plats, i anonymiserad form. Målet är sedan att ta fram modeller som tränats i och klarar av att hantera dessa stora datamängder. På så sätt kan myndigheter och sjukvården förbereda sig inför nästa pandemi/epidemi.
Vad kan man drömma om att uppnå i framtiden?
Atiyes inställning är att vi visserligen kan försöka förutsäga framtiden, men att vi måste vara medvetna om begränsningarna, särskilt i komplexa och dynamiska system som folkhälsa. Forskarnas uppgift är därför inte bara att förutsäga, utan också att förstå, förklara och ställa de rätta frågorna. Atiye:
– Men min dröm skulle vara att vi kunde använda det stora och rika dataregister som finns i Sverige till något riktigt bra. Men från ett forskarperspektiv är det inte enkelt att ta dra fördel av all denna data. Det är lätt att säga att AI behöver mycket data och sedan enkelt kan lära sig, men det är egentligen inte så. Du måste själv definiera HUR – hur får jag ut de bästa ur denna data? Och hur kan jag förstå och förklara varför modellen agerar som den gör? Förklarbarhet är avgörande.
Interdisciplinär forskning
Hon berättar att forskningen inte skulle vara möjlig att genomföra utan ett interdisciplinärt angreppssätt. Forskare inom infektionssjukdomar, epidemiologi, folkhälsa, juridik och datavetenskap inklusive maskininlärning och tillämpad AI ingår. Atiye:
– Utan detta vore forskningen meningslös, jag kan hämta data och rapportera den. Men jag har inte en infektionsläkares perspektiv eller en epidemiologs. Jag kan inte tolka datan. Och det är detta som är så vackert med forskning, många infallsvinklar behövs. Jag gillar verkligen att arbeta så, kreativitet och effektivitet går hand i hand!