KU skal uddanne fremtidens IT- og sundhedsspecialister i et omfattende tværeuropæisk forskningsprojekt – Københavns Universitet

Datalogisk Institut, DIKU > Nyheder > DIKU-nyheder 2018 > KU skal uddanne fremti...

19. april 2018

KU skal uddanne fremtidens IT- og sundhedsspecialister i et omfattende tværeuropæisk forskningsprojekt

Sundhedsteknologi

RAINBOW står for Rapid Biomechanics Simulation for Personalized Clinical Design og skal udvikle morgendagens metoder til patientspecifik modellering og uddanne nye specialister inden for sundhedsteknologi

Der er tale om en stor europæisk satsning, som skal uddanne en masse nye specialister til sundhedssektoren, der både forstår lægefaglige problematikker og har indblik i de allernyeste IT-værktøjer.  RAINBOW skal også bidrage til at udvikle nye kliniske metoder, der kan gøre hverdagen lettere for det sundhedsfaglige personale. Lægen vil kunne trække på en omfattende platform af bl.a. analyser og diagnoseværktøjer og få her-og-nu svar i tæt dialog med patienten.

Et imponerende opbud af forskningstunge virksomheder og universiteter i Europa er gået med i projektet, der har fået 4 mio. Euro (svarende til 30 mio. DKK) fra EU's Horizon 2020-program – Marie Skłodowska-Curie programmet, der støtter innovative uddannelsesnetværk.

Lektor Kenny Erleben

”Oplægget til RAINBOW er kommet i stand efter langvarige sonderinger blandt forskere og behandlere på universitetshospitaler samt producenter af klinisk udstyr i hele Europa”, fortæller lektor Kenny Erleben, der er faglig koordinator og omdrejningspunkt for hele projektet.

”Hvad er behovet for ny ekspertise i diagnostik? Hvilke lidelser kan især have gavn af, at man anvender nyeste big data-metoder? Hvor kikser kommunikationen mellem de tekniske it-kyndige der skal udvikle værktøjerne og de læger, der skal anvende dem i praksis?”

Det er problemer som disse, som projektet RAINBOW nu vil adressere helt overordnet gennem at samle de forskellige ekspertiser -  læger, it-kyndige, udstyrsproducenter og undervisere – i en større netværksorganisation, der skal forene de komplementære kræfter i en fælles indsats gennem de næste fire år.

Kenny Erleben er selv uddannet datalog og har i en årrække forsket i at beregne og visualisere modeller af den menneskelige anatomi. Til daglig leder Kenny Numerical Optimization and Simulation Lab på Datalogisk Institut på KU, hvor han og kollegerne forsker i at udnytte computersimulering til at modellere snart sagt alt lige fra det mindste indre organ set gennem et mikroskop til hele det menneskelige skelet eller fysiognomi.

Kenny skal sammen med forskerkollegerne Sune Darkner og Åsa Feragen de næste 4 år udgøre knudepunktet for RAINBOWs mange deltagere og aktiviteter, som involverer ansættelse og uddannelse af 15 nye PhD-studerende fra en række europæiske lande. København bliver det organisatoriske midtpunkt for aktiviteterne. Alle projektets medvirkende, herunder ikke mindst de 15 nye Phd-studerende, vil komme til at have en del rejseaktivitet, når de skal deltage i workshops, kurser, career labs og modtage vejledning hos forskellige eksperter i forskellige lande.

Hvad er målsætningerne for projektet?

Ud over at uddanne fremtidens specialister, der både skal have indblik i lægevidenskaben og kunne anvende avanceret computerstyret teknologi efter hensigten, skal projektet frembringe det nyeste af det nye og bedste af det bedste inden for sygdomsprognoser, diagnosticering, hurtig follow-up i forhold til patienten og individuelle behandlingsmetoder, der tager højde for den konkrete patients helt særlige anatomi.

Der vil blive arbejdet med cases og praktiske/kliniske forsøg med tidlig diagnosticering via scanningbilleder og behandling af sygdomme og lidelser som tarmkræft, sclerose, tandkirurgi/design, kunstige hjerter og fedme, samt gennemført studier af hjernebølgers udbredelser i hjernevævet, brug af simulatorer til øjenkirurgi (fx grå stær) og sidst, men ikke mindst kirurgi, der foregår via image-guidede programmer, mens operationen pågår. Det kan være til alt fra tarmoperationer til øjenkirurgi.

Kenny fortæller: ”I fremtidens behandlingssystemer vil tekniske løsninger med mulighed for et her-og-nu svar på diagnosen i stigende grad hjælpe det lægefaglige personales personlige vurdering og indsats. Men teknikken vil aldrig kunne erstatte den direkte patientkontakt. Projektet og de nye behandlingsmetoder, der vil kommer ud af det, har først og fremmest til formål at øge patientens livskvalitet. Beslutninger om individuel behandling og fremgangsmåde vil blive taget i en tæt dialog mellem patienten og lægen og ikke ud fra en generel metode”.

Patientspecifik modellering er det nyeste inden for computerstøttede behandlingsmetoder - hertil kræves tilstrækkeligt store datasæt

Illustration: 3Shape: TRIOS scanningbillede af tandsæt

At gå ind og lave en model af den individuelle patient gennem fx en mobil scanner kendes bl.a. fra tandlægeklinikker, hvor man jo ikke kan bruge en ’one-size-fits-all’-tilgang.  Her skal proteser eller kroner passe til personen helt ned til mindste lille størrelsesenhed. Modellering har også været kendt i nogen tid i forbindelse med at behandle fysiske sygdomme og lidelser, men brugen er ikke voldsomt udbredt endnu.

Måden, som data registreres på i de kliniske miljøer, forhindrer bl.a. at der kan opnås en passende mængde data og repræsentativitet til, at det kan indgå i en større sammenhæng – populært kaldet Big Data-metoden. Her kan de medvirkende virksomheder, der fremstillinger sundhedsteknologiske produkter, i høj grad bidrage med metoder til at løse multidisciplinære problemer. Som led i brobygningen skal de 15 Ph.d.-studerende ud at studere i virksomhederne og styrke deres tekniske kunnen og indsigt. De kommer til at modtage træning i anvendelse af forskning og innovation.

To vejledere og en industrivirksomhed pr. studerende

Noget af det banebrydende ved projektet er, at hver studerende kobles sammen med hhv. en akademisk og en industriel vejleder samt en industrivirksomhed. Det giver en helt ny type erhvervs-ph.d.-forløb, hvor der er en tæt vekselvirkning mellem fagmiljøerne og en tæt tilknytning til en virksomhed, der fremstiller udstyr til praktisk anvendelse. Det faglige netværk i projektet, der vil mødes og udveksle erfaringer undervejs i projektet, er endnu en ekstra basis for at få styrket den enkeltes viden og testet hypoteser af over for forskere og producenter.