Projektet syftar till att utveckla nya redskap och epidemiologiska metoder som gör det möjligt att övervaka, upptäcka och snabbt utvärdera hot från nya infektionssjukdomar och andra hälsokriser som kan ha stor påverkan på befolkningens hälsa och på samhällsfunktioner.
Bakgrunden är internationella erfarenheter från coronapandemin som pekade på behovet av att använda mer tekniskt avancerade och omfattande system för att snabbt upptäcka nya folkhälsohot. De pågående klimatförändringarna, som förväntas leda till förändrad geografisk spridning av nya infektionssjukdomar, ökar både behovet och den potentiella nyttan av omfattande sjukdomsövervakning. Världshälsoorganisationen (WHO) rekommenderar att man kombinerar data från flera källor i övervakning av infektionssjukdomar då detta ses som en kraftfull metod.
I projektet analyserar forskarna storskaliga och sammanlänkade data från befolknings- och sjukvårdsregister. Man använder både epidemiologiska metoder och maskinininlärningsmetoder som utvecklats inom tillämpad artificiell intelligens. I ett internationellt perspektiv är projektet unikt i det att forskarna kombinerar data från olika källor som gör det möjlighet att övervaka folkhälsoeffekter och upptäcka sjukdomsmönster utan att åsidosätta den personliga integriteten.
Utvecklingen av epidemiologiska övervakningsmetoder har i detta projekt fyra huvudsakliga syften. I korthet: att finna kluster av ovanliga hälsorådgivningskontakter som kan signalera nya sjukdomsutbrott och förebåda större påverkan på hälsan i befolkningen, att snabbt identifiera grupper i samhället som är särskilt sårbara för viss infektionssjukdom och att förutsäga omfattningen av svår sjukdom och dödsfall vid uppkomst av nya infektionssjukdomar. Slutligen analyseras myndigheters juridiska skyldigheter samt praktiska och tekniska möjligheter att förebygga folkhälsohot.
I projektet samarbetar man med forskningsprogrammet SWECOV och ingår även i ett större mångvetenskapligt forskningssamarbete med forskare inom infektionssjukdomar, epidemiologi, folkhälsa, juridik och datavetenskap inklusive maskininlärning och tillämpad artificiell intelligens. Samarbete sker med universiteten i Umeå, Stockholm, Halmstad högskola och med forskare från övriga nordiska länder. LMK-stiftelsen stödjer projektet genom bidrag till en postdoktjänst. Till LMK Postdok har utsetts Atiye Sadat Hashemi som påbörjade sin tjänst under våren 2024.