Automatiserad monitorering av inflammationsintensitet (avslutat projekt)

Genom att analysera stora mängder data från vagusnerven under experimentell inflammation skulle projektet identifiera signalmönster som representerar inflammationsintensitet. Målet var att skapa ett lexikon över signalmönster för att extrahera detaljerad information om inflammationen. Forskarna använde i litteraturen tillgängliga data och egna data för att utveckla metoder inom maskininlärning, baserade på auto-encoders och klustring, för identifiering av nervsignaler som kan kopplas till olika cytokiner. Proinflammatoriska cytokiner produceras av immunförsvaret och utsöndras vid bland annat skada, stress eller inflammation. Resultaten visar på att de nya teknikerna är effektiva för identifiering av relevanta signaltyper, speciellt för TNF, men också att variationen mellan olika inspelningar är stor och att det är av stor vikt att framöver kunna göra kontrollerade experiment med förbättrad signalkvalitet.

Projektet leddes av docenten , professorn i bioelektronisk medicin och läkaren Peder Olofsson, Karolinska Institutet, och Henrik Hult, professor i matematisk statistik på KTH.

Projektet bedrevs inom ramen för programmet Bioelektronisk medicin.