Digitala innovationer vs Corona

På nyårsaftonens morgon 2019 mottog den kanadensiska läkaren och entreprenören Kamran Khan ett larm från sitt företag BlueDot.

BlueDot analyserar stora textmassor på internet åt sina kunder. Fokus ligger på att söka på Internet efter tecken på utbrott av nya epidemier. Deras system använder artificiell intelligens för att var femtonde minut, dygnet runt, söka igenom hundratusentals artiklar på 65 olika språk. Denna nyårsaftonsmorgon larmade det Torontobaserade systemet om tecken på ett SARS-liknande utbrott kring en marknad i Wuhan i Kina på andra sidan jordklotet.

Nio dagar senare gjorde Världshälsoorganisationen ett tillkännagivande om den nya epidemin, som vi idag känner som Covid-19. Under den tid som gått sedan larmet hos BlueDot hade folk rest till och från Wuhan och tagit smittan med sig. Epidemin höll redan på att spridas över världen medan den kinesiska regimen la locket på.

Kamran Khan hade en gång grundad Blue Dot eftersom han kände att läkarvården alltid arbetar reaktivt i epidemier snarare än att använda artificiell intelligens för att söka upp och eliminera hotet på ett tidigt stadium. Hans system hade nu larmat men det hade ändå inte kunnat stoppa epidemin. Världen slungades in i sin tids största globala kris. Vad hade kunnat stoppa pandemin? När den nu inte gick att stoppa, hur ska vi bemöta den för att minska dess skadeverkningar?

Runt omkring i Sverige började landets museer undersöka och dokumentera hur pandemin förändrade folks sätt att leva, arbeta och tänka. Vi på Tekniska museet valde att titta på hur vi i Sverige arbetade med digitala innovationer för att bekämpa pandemin. En lång rad innovationer identifierades i ett första skede och vi tog kontakt med dem som arbetade med dessa innovationer för att få veta mer. Under försommaren och hösten 2020 genomförde vi tolv intervjuer med personer som på olika sätt arbetade med detta innoverande. En del var privatpersoner, andra var universitetsforskare eller verksamma i företag. Det som förenade dem var att de alla insåg att de bar på kunskap som kunde bidra till att hitta nya lösningar på de problem som pandemin skapat.

Erik Cederberg arbetar med 3D-skrivare på företaget 3DVerkstan. Med en dator och en 3D-skrivare kan vem som helst tillverka nästan vad som helst i sina egna hem. När Coronapandemin kom till Sverige i mars 2020 var det brist på skyddsutrustning inom vården. Erik Cederberg konstruerade då ett ansiktsvisir som skulle kunna användas av vårdpersonal. Ritningarna spreds över internet så att fler kunde tillverka visir till vården. Idag har visiret tillverkats i flera miljoner exemplar över hela världen.

Ansiktsvisiret består av en bygel som det går att fästa ett genomskinligt OH-ark på. Konstruktören använde sig av standarden för hålslag för att kunna fästa OH-arket på bygeln. Bygelns ändar har öglor så att de ska gå att hänga dem på tork efter att de har rengjorts. Ansiktsvisiret är också anpassad för snabb och billig tillverkning.

Först fick visiren inte användas inom vården. Arbetsmiljöverket satte stop för detta eftersom de inte var CE-märkta. Men det fanns ett stort behov av visiren och eftersom både vårdgivarna och tillverkarna hittade kryphål i lagstiftningen backade Arbetsmiljöverket och förklarade att de inte tänkte bötfälla vårdgivare om visiren användes. Det var nu möjligt att sprida ansiktsvisiren till vårdgivarna.

I samband med pandemier handlar politiska beslut om liv och död, kanske för väldigt många människor. Hur går det att veta vilka beslut som leder till att smittspridningen begränsas och vilka som inte ger någon positiv effekt alls utan snarare får negativa resultat för samhället? Ett redskap här är att bygga upp modeller i vilka det går att genomföra simuleringar som visar på troliga följder av olika beslut. Detta är något som epidemiologer och samhällsvetare har arbetat med länge, men kanske är det först i och med Coronapandemin som denna teknik har börjat uppmärksammas av massmedier.

Agentbaserade simuleringsmodeller är ett sätt att utforska så kallade emergensfenomen, det vill säga processer som utgår från enkla samspel som tillsammans resulterar i komplexa mönster. Simuleringar av emergensfenomen tillhör grunden för mycket av den tidiga forskningen kring artificiell intelligens. Till exempel var den tidiga emergenssimuleringen ”Game of Life” den första programvaran som kördes på världens första dator som var uppbyggd enligt principen om artificiella neurala nätverk, parallelldatorn Connection Machine.

Linköpingsforskaren Gunnar Cedersund arbetar med en form av simuleringar i samband med coronakrisen. Istället för att simulera samhället, som många har gjort för att förstå hur viruset sprider sig i samhället, blickar han inåt och arbetar med att utveckla en individanpassad simulering av människokroppen. Syftet har bland annat vara att kunna göra simuleringar av hur kroppen och dess olika delar påverkas i olika sammanhang för att därigenom kunna minimera behovet av djurförsök. Med hjälp av medicinsk provdata från individer konstrueras digitala kopior av dessa individer, så kallade digitala tvillingar.

När Coronapandemin kom till Sverige våren 2020 insåg Gunnar Cedersund att han satt på en unik teknik som kunde bidra till ny kunskap och förståelse även i Coronasammanhang. Han sökte och beviljades forskningspengar från SciLifeLab för att särskilt titta närmare på hur digitala tvillingar kunde användas under Coronapandemin. Bland annat kan de digitala tvillingarna användas som agenter i agentbaserade epidemiologiska simuleringar på samhällsnivå.

Coronapandemins snabba spridningsförlopp har gjort att kampen mot Covid-19 varit tidskritisk. Forskarna har inte haft tid att låta utvecklingsprocesser ta den tid som de tidigare har gjort. Processen att ta fram ett vaccin brukar gå på flera år, men i samband med Coronapandemin lyckades flera forskningsteam utveckla vaccin på under ett år.

De nya möjligheter som användning av artificiell intelligens har inneburit för dataanalys är en viktig anledning till forskningens accelererande hastighet.

Den tyska cellbiologen Sonja Aits vid Lunds universitet leder ett projekt inriktat på textmining av forskningslitteratur och patientjournaler för att snabbare kunna snappa upp relevant information i samband med forskningen kring Covid-19. Hon blev mer och mer intresserad av textmining när hon insåg att hon i sin forskning producerade så mycket data att hon inte längre kände att hon hade någon överblick över all sin data. Hon hade själv mer data än hon kunde analysera och behövde därför nya redskap för att hantera de stora datamängderna. Svaret i hennes sökande låg i AI-baserad textmining.

Ett genombrott för textmining kom med maskininlärningsmetoder som kallas för ”deep learning” och ”transfer learning” och som innebär att den artificiella intelligensen först får öva på stora mängder text, som till exempel hela wikipedia och texten i tusen böcker. Detta ger AI-modellen en generell förståelse för språkets struktur. Därifrån går utvecklarna vidare och låter den artificiella intelligensen öva på, i det här fallet, medicinska texter och sedan allt mer specialiserade tillämpningar, som till exempel att finna specifika medicinska symptom i texter eller förhållanden mellan sjukdomar och mediciner.

Textmining-tekniken har kommit betydligt längre på de stora språken, där utväxlingen blir så mycket större än på ett litet språk som svenska. I samband med Coronakrisen har dock Sonja Aits team arbetat med att utveckla textmining-redskap för svensk text, vilket gör svenska patientjournaler tillgängliga för AI-analyser efter sedvanlig etikprövning.

Vid Karolinska sjukhuset i Stockholm tog röntgenläkaren Sven Nyrén under den tidiga våren 2020 ett initiativ för att bättre kunna använda röntgenbilder till att förstå den nya sjukdomen och patienters sjukdomsförlopp. Han samlade ett antal läkare med specialistkompetenser och tillsammans kontaktade de MedTechLab på KTH för att se om de tillsammans kunde utveckla teknik för detta. Detta blev inledningen på ett projekt för att utveckla teknik för att använda artificiell intelligens och mönsterigenkänning i analys av lungröntgenbilder.

En stor del av projektet handlar om att lära sig förstå sjukdomen och få en tillräcklig mängd data för att skapa kunskap nog att kunna ge diagnoser om hur patienten kommer att påverkas av sjukdomen även på längre sikt. De hoppas att artificiell intelligens ska kunna hjälpa dem att förstå vad som händer i lungorna och om det finns tecken redan under den akuta fasen på om patienter kommer få bestående lungskador.

Mats Persson är fysiker inom röntgenteknik och arbetar på MedTechLab i detta projekt tillsammans med röntgenläkare, experter på infektionssjukdomar och lungsjukdomar, samt experter i bildanalys och programmerare. I intervjun nedan berättar han om projektet för Tekniska museet.

Ett annat Coronarelaterat projekt som handlar om AI-analyser av medicinska fotografier, bedrivs vid Emma Lundberg Lab på Institutionen för proteinvetenskap vid KTH. När Coronakrisen inleddes insåg medarbetarna i projektet att tekniken kring maskininlärning och artificiell intelligens kunde användas även till att analysera mikroskopibilder för att upptäcka Covid19-angripna celler. Men projektidén är större än så. Projektet ska ta fram en webbplattform för olika forskares AI-modeller som andra forskare runt hela världen sedan ska kunna använda sig av. Men webbplattformen ska även kunna rymma dataset, som bland annat kan vara stora samlingar av medicinskt fotografi.

Olika former av AI-tillämpningar har skapat helt nya möjligheter att använda material som medicinska bilder och texter. Samtidigt ställer detta nya krav på datahantering och tillgänglighet. Flera innovationsprojekt handlar om just detta. Kanske innebär Coronakrisen det riktiga uppvaknande som leder till att denna AI-baserade informationsrevolution inom det medicinska fältet verkligen får kraft att skapa förändring, som i så fall har möjlighet att bli riktigt omvälvande.

Centralt placerade i denna förändring finner vi SciLifeLab, som flera av de ovan refererade projekten är knutna till

SciLifeLab är en svensk akademisk centrumbildning för livsvetenskaperna. Centret drivs av de fyra universiteten Karolinska institutet, KTH, Stockholms universitet och Uppsala universitet, men de har verksamhet vid en lång rad andra lärosäten runt om i Sverige. På deras webbsida beskriver de sin verksamhet som att de ”flätar samman flera av de komponenter som behövs för att möta de samhällsutmaningar vi står inför: högteknologiska analysmetoder, hantering av stora mängder forskningsdata och tvärvetenskapliga samarbeten”.

I samband med Coronakrisen har de med hjälp av medel från Wallenbergstiftelserna skapat ett forskningsprogram för att stödja datadriven forskning inom livsvetenskaperna med en särskild koppling till kampen mot Covid-19. Flera av de forskningsprojekt som har knutits till SciLifeLab i och med detta program har just utvecklat tillämpningar av artificiell intelligens på stora mängder patient- och forskningsdata. Några av de projekt som presenterar i denna artikel är knutna till SciLifeLabs forskningsprogram, som till exempel Cedersunds digitala tvillingar, plattformsbygget på Emma Lundbergs lab och Sonja Aits textminingprojekt.

För forskningsprogrammet kring Covid-19 ställde SciLifeLab upp ett antal kriterier som de tyckte var viktiga att de projekt som de knöt till sig levde upp till beträffande just data och forskningsresultat. Dit hörde att projekten ska arbeta med "open science" och dela sin data samt publicera sina resultat i den takt de genereras.

Nina Sellberg är disputerad informatiker som arbetat länge med just informationsinfrastrukturer inom hälsa- och sjukvård. Bland annat var hon chefsarkitekt för 1177 och hon har också arbetat som projektledare för att ta fram hälso- och sjukvårdens infrastruktur som gör det möjligt för alla vårdaktörer som är offentligt finansierade, att komma åt en patients historik.

Forskarnas tillgång till patientdata är något Nina Sellberg anser har varit ett underutvecklat problem och att informationsflödet här har haft stora förbättringsmöjligheter. Detta utgjorde en drivkraft för att utveckla kommunikationsplattformen HOPE Solutions och tillsammans med bland andra Karolinska institutet grunda företaget ADDI medical som Ninni Sellberg idag är VD för. Med den plattformen kan ledtider kapas och forskningen föras tillbaka in i vården betydligt snabbare, något som har varit extra viktigt under Coronapandemin.

I samband med Coronapandemin används HOPE-plattformen både kring provtagning och smittspårning. Plattformen är utvecklad för att möjliggöra utveckling av tillämpningar inom diagnosspecifika områden, som till exempel Covid-19.

Under april och maj 2020 kulminerade antalet Coronapatienter på landets intensivvårdsavdelningar med mellan än 500 och 600 patienter. Det motsvarade med råge de antal IVA-platser som fanns i landet. Samtidigt lämnades många äldre helt utan intensivvård eftersom yngre patienter som ansågs ha större möjlighet att klara den kritiska fasen med hjälp av intensivvård prioriterades då IVA-platserna inte räckte till.

Runt omkring i landet gick vårdapparaten på knäna. Andra operationer och vårdinsatser sköts på framtiden för att kunna rikta in resurserna på att bekämpa pandemin. Flera inom landets IVA-avdelningar vittnade om den värsta och mest krävande yrkesmässiga erfarenhet de varit med om, med långa arbetspass, stor dödlighet bland patienter och en ständig oro för att själv bli smittad.

Flera innovativa insatser riktades mot att avlasta eller underlätta för vårdorganisationerna. Det medicintekniska företaget Careligo insåg att deras produkt Optilogg kunde bidra till att avlasta vården. Med hjälp av personvågar, blodtrycksmanchetter och liknande utrustning som är blåtandskopplade till en surfplatta med en särskild app, kan patienter från sina hem själva skapa mätdata som loggas utan att patienterna behöver uppsöka en vårdcentral. Företagets VD och medgrundare, Fredrik Westman, berättar:

Samtidigt som vården gick på knäna och alla som kunde arbetade hemifrån fanns det ett stort antal människor med förhöjd risk att drabbas hårt av Covid-19 och som därför isolerade sig i sina hem – landets äldre. Många av dem hade aldrig lärt sig behärska digitala medier och visste inte hur de skulle kunna använda Skype eller liknande videomötestjänster. De kanske inte ens hade en dator. Deras isolering blev därför ofta ännu svårare än för många yngre.

Karlshamnsbon Sofie Andersson grundade 2016 företaget Schvung tillsammans med Cissi Dahl. Deras affärsidé var att skapa mänsklig hållbarhet med hjälp av sociala innovationer. Ibland driver de även vad de kallar för ”passion projects” som är inriktade på att lösa samhällsutmaningar de har identifierat.

De såg att det fanns en hel del digitala plattformar och sociala medier som många yngre använde för att träffa vänner och bekanta men att denna form av teknik ofta var svårtillgänglig för många äldre utan teknikvana.

Tillsammans med företaget Okatima utvecklade de "TV utan gränser", som förvandlar vilken TV som helst till en plattform för videokommunikation. Produkten är en dosa med videokamera och mikrofon som kopplas till TV:n och till internet via antingen wifi eller en 4G-puck. Sofie Andersson berättar om "TV utan gränser" i intervjun nedan.

Under våren 2020 kom det in en familj med en ung pojke i femårsåldern. Med sig till museet hade pojken en robot som han hade byggt av kartong. Roboten, som Tekniska museet fick i gåva, hette Covvy och bekämpade Covid-19 så att museet skulle kunna hålla öppet. Trots Covvy har museet behövt hålla stängt i perioder under pandemin. Hela samhället har tillsammans ansträngt sig för att pressa ner de berömda kurvor på antal smittade som Folkhälsomyndigheten löpande har presenterat. Allt för att lindra arbetstrycket på landets IVA-mottagningar.

Tid har blivit en dyrbar valuta vars värde har kommit att mätas i människoliv under denna pandemi. Vi har alla tagit del av rapporterna om Covid-19 virusets dagsskörd och matats med skrämmande siffror på antalet döda per dag.

Men överallt i samhället har människor engagerade sig på olika sätt för att bidra till kampen mot Coronapandemin. Detta är något som har blivit tydligt i intervjuerna i museets projekt ”Digitala innovationer i skuggan av Corona”. Privatpersoner har producerat ansiktsvisir och skänkt till vården, de har ställt sin tid och kunskap till förfogande för att problem ska kunna lösas. Barn, ungdomar och unga vuxna har oavlönat funderat ut nya lösningar på problem vi aldrig tidigare har ställts inför. Forskare har tillgängliggjort dataset i en omfattning vi inte sett tidigare och tidningar och vetenskapliga tidskrifter har gjort sina artiklar med koppling till Corona öppet tillgängliga utanför sina betalväggar. Allt har skett med den akuta tidsaspekten i åtanke och resultat har kunnat visas upp på rekordtid.

Nya sätt att hantera data på genom artificiell intelligens har börjat användas i bredare skala, vilket har ställt nya krav på omedelbar tillgänglighet av data. Forskare har arbetat tillsammans på nya sätt och delat sin data med varandra. Världen har tagit fram helt nya vaccin på mindre än ett år.

Mitt i allt elände ligger det något hoppfullt i detta och i den gryning som kommer när pandemin har klingat av.