Projekt: Automatiserad monitorering av inflammationsintensitet

Genom att analysera stora mängder data från vagusnerven under experimentell inflammation identifierar vi signalmönster som representerar inflammationsintensitet. Målet är att skapa ett lexikon över signal-mönster för att extrahera detaljerad information om inflammationen. Vi använder 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 ut-söndras vid bland annat skada, stress eller inflam-mation. 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 det är av stor vikt att framöver kunna göra kontrollerade experiment med förbättrad signalkvalitet.