17 millioner til dansk forskning i data science
To SUND-forskere får samlet ca. 17 millioner til deres projektet inden for data science fra Novo Nordisk Fondens Data Science Investigator-program. De skal bruges til machine learning, der skal identificere smitsomme sygdomme og analysere sundhedsdata.
Dansk data science-forskning får et skub på vejen. To forskere fra Det Sundhedsvidenskabelige Fakultet får henholdsvis omkring 10 og 7 mio. kr. fra Novo Nordisk Fonden til deres projekter, der skal arbejde med deep learning og machine learning.
Postdoc David Duchene 10.886.002 kr.: Tidlig opsporing af epidemier hos husdyr og vilde dyr ved hjælp af deep learning
David Duchene modtager bevillingen til et projekt, der vil udvikle machine learning-værktøjer til hurtig identifikation af smitsomme sygdomme inden for landbrugssektoren og hos vilde dyr. Eksisterende metoder kan kun sikre, at et dyr er smittet, ved hjælp laboratorieanalyser, der er tidskrævende, invasive og omkostningsfulde. Desuden er der også begrænsede smitteopsporingsinitiativer indenfor husdyr og vilde dyr, selvom de er hyppige kilder for farlige patogener. Ved hjælp af moderne deep learning-værktøjer indenfor videoanalyse har projektet til formål at identificere syge dyr i en tidlig fase, hvilket både har en økonomisk gevinst og kan reducere antallet af smittetilfælde fra dyr til mennesker.
Lektor Helene Rytgaard, 6.685.763 kr.: Machine learning til analyse af sundhedsdata
Helene Rytgaard modtager bevillingen til at videreudvikle og implementere statistiske machine learning metoder til analyse af sundhedsdata, med særligt fokus på at forstå behandlingseffekter over tid og deres påvirkning af patienters overlevelse og sygdomsforløb. Projektet bringer avanceret statistisk teori sammen med praktisk anvendelse, og vil omfatte metodeudvikling af moderne kausal inferensværktøjer og integrerede machine learning algoritmer, samt beskæftige sig med hvordan disse anvendes i et udvalg af konkrete kliniske eksempler. Målet er samlet at levere en statistisk værktøjskasse og metodisk ramme, med tilhørende softwareimplementationer, der kan anvendes inden for sundhedsforskning til at opnå mere og bedre viden om behandlingseffekter over tid, ud over hvad der er muligt med tilgængelige statistiske værktøjer.
Kontakt:
Postdoc David Duchene
david.duchene@sund.ku.dk
Lektor Helene Rytgaard
hely@sund.ku.dk
Journalist og pressekonsulent Sascha Kael Rasmussen
Sascha.kael.rasmussen@sund.ku.dk
+45 93 56 51 68