AI och VDI är navet i Karolinskas forskning
Aula Medica, Karolinska Institutets aula, och Fredrik Nilsson, it-chef på MEB.
Karolinskas institution för medicinsk epidemiologi och biostatistik, MEB, satsar på virtuella maskiner och AI-algoritmer. Allt för att maximera och säkra framtidens forskning.
– Vi har cirka 350 personer på institutionen med professorer från olika delar av världen såsom Kina, Italien, USA och Island. När pandemin kom flyttade alla hem för distansarbete, och då var prio ett att få alla att kunna göra ett likvärdigt eller bättre jobb även på distans, säger Fredrik Nilsson, it-chef på MEB.
Karolinska Institutets Institution MEB (Department of Medical Epidemiology and Biostatistics) bedriver forskning och utbildning inom epidemiologi och biostatistik. MEB ansvarar bland annat för KI:s biobank och det Svenska tvillingregistret. Med forskningen vill man öka kunskapen om hur olika sjukdomar kommer till.
MEB har en it-avdelning på drygt 20 personer, innehållandes bland annat databasexperter, systemutvecklare och driftansvariga. Som it-chef handlar mycket av Fredrik Nilssons arbete om att it ska vara en möjliggörare för verksamheten, i detta fall främst forskning, och inte ses som en bromskloss.
Virtuella maskiner ökar säkerheten
Ett exempel på det rör distansarbete under pandemin där MEB satsat på VMwares VDI-lösning Horizon. Detta för att skapa ett säkert distansarbete, eftersom ingen data skickas över internet.
– När de sitter hemma kopplar de, med tvåfaktorsautenticering, upp sig mot en virtuell maskin inne i datacentret. På så sätt kan alla arbeta säkert hemma oberoende av vilken funktion de har i verksamheten, man är således platsoberoende, bara det finns tillgång till internet.
Fredrik Nilsson, it-chef på MEB.
– Eftersom vi har professorer runt om i världen hade vi lösningen i drift sedan tidigare och tillgänglig för 50 användare, men när pandemin kom kunde vi smidigt skruva upp till 350 användare.
VDI-lösningen har och kommer vara till stor nytta även framöver. MEB siktar på att återvända till kontoret sista september, men då i en hybrid modell med två dagar på distans och tre på kontoret. Här är KI ett av lärosätena som går i bräschen, andra lärosäten siktar nämligen på att återgå till 100 procent arbete på Campus igen, om omständigheterna tillåter.
– Därför måste vi säkerställa att de anställda kan arbeta lika bra eller bättre på distans, lyckas vi inte med det finns ingen anledning till hem- eller distansarbete. Om professorer och forskarna inte får de verktyg de behöver och inte kan göra sitt jobb så har vi misslyckats.
– Rätt licenshantering, planering och rekrytering är tre nycklar här. Vi har arbetat hårt med att säkra kompetens med rätt person på rätt plats. Det kostar att rekrytera men ännu mer att inte göra det. Och nu har vi kommit till punkten där it känns som en naturlig del av verksamheten och en möjliggörare för att bygga en ännu bättre framtid.
AI-algoritmer inom mammografi
En it-utmaning rörande forskningsdelarna på MEB handlar om de ständigt ökande datavolymerna. All MEB:s data hanteras on-prem i det egna datacentret. Att lagra i molnet är inte aktuellt därför att majoriteten av all data är känslig och Schrems II nu bromsar upp allt från amerikanska molnleverantörer. Därför har man fått skala upp och öka volymbehovet on prem i det egna datacentret. Ett exempel på ett projekt som genererar mycket data handlar om mammografibilder som görs ihop tillsammans med Region Stockholm.
– Forskningen har visat att kvinnor med tät fettvävnad, så kallade täta bröst, löper högre risk att drabbas av bröstcancer. Nu har vi AI-algoritmer som tittar på mammografibilderna och därefter kan de som är i riskzon få tätare uppföljning. Det blir en mer prediktiv, individuell och databaserad vård.
Och den mer prediktiva, individuella vården kommer bara att öka, menar Fredrik Nilsson. Detta i och med att AI kan hjälpa till gällande analyser av stora volymer data, sekvenserad DNA eller stora bildvolymer.
– I USA kan AI analysera en 60-årings hela patientjournal och få information om alla tidigare eller nuvarande sjukdomar som personen har eller har haft. Därefter kan man genom AI prognostisera att personen lider stor risk att drabbas av exempelvis åldersdiabetes. Detta används som förhandsdata och beslutsunderlag till behandlande läkare för att prognostisera kommande sjukdomar. Det här kommer till Sverige också, och då blir såklart dataanalys och AI ännu viktigare för oss framöver inom sjukvården.
Läs mer om ämnet: