Af David Graff, AAU Kommunikation og Public Affairs

Når en større andel af personer i ét område end i andre rammes af en bestemt sygdom, er der grund til at undersøge sagen nærmere. Det mener professor Rasmus Waagepetersen fra Institut for Matematiske Fag på Aalborg Universitet.

”Det handler om at undersøge, om der er en sammenhæng mellem forekomsten af sygdommen og stederne, hvor patienterne bor. En sammenhæng, som måske kan forklare, om sygdommen har en bestemt årsag,” forklarer han.

Forskningsdisciplinen hedder rumlig epidemiologi, og den kan bl.a. belyse om forekomsten af sygdomme er relateret til geografiske faktorer. For eksempel har Rasmus Waagepetersen undersøgt, om trafikforurening er en risikofaktor for bugspytkirtelkræft.

Fra landkort til mikroskopi

Mens eksemplet med bugspytkirtelkræft kan anskueliggøres ved at plotte forekomsterne af sygdommen ind som punkter på et kort sammen med målinger af trafikforurening, zoomede Rasmus Waagepetersen og hans kolleger helt ind på kroppens mindste bestanddele i instituttets seneste projekt om rumlig epidemiologi. Fokus her var analyser af hudprøver fra personer med psoriasis.

”Det er også rumlige punktmønstre, bare placeringer på mikroskopisk niveau af små, bitte immunceller i det menneskelige væv,” siger Rasmus Waagepetersen.

”Og selv om størrelsesforholdet er et andet, så er metoden grundlæggende den samme: Den går ud på at finde ud af, hvordan de punkter, man nu analyserer, fordeler sig, hvordan og om de danner klynger, hvilken afstand der er mellem punkterne og så videre.”

Ved at anvende matematiske og statistiske modeller til at beskrive klyngedannelse og rumlige mønstre af immunceller i psoriasis-data kan sygdommens stadier og udvikling beskrives mere præcist med henblik på at give sundhedspersonalet bedre og databaserede muligheder for at diagnosticere tidligere og behandle optimalt.  

Kan forudsige udvikling

De matematiske og statistiske modeller, som forskerne anvender i rumlig epidemiologi, rummer desuden en sjælden mulighed: De kan til en vis grad forudsige udviklinger.   

”Når vi observerer rumlige punktprocesser på kort eller i mikroskopi, får vi snapshots af situationen på et givent tidspunkt ud af det. Men man kan også bruge nogle af modellerne til fremskrive, hvordan fx en sygdoms spredning i en population eller en sygdoms udvikling hos en enkelt patient vil forløbe,” forklarer Rasmus Waagepetersen.

Når datasættene bliver tilstrækkeligt store, bliver det nemlig muligt at identificere typiske forløb, herunder hvordan situationer på det givne tidspunkt sandsynligvis vil forløbe fremadrettet. 

”Men som vi fx så i forbindelse med COVID-19, er der i praksis ofte mange ubekendte. Under COVID-19 kendte vi jo på intet tidspunkt alle de individer, som var smittet netop da. Og sådanne mørketal udfordrer mulighederne for at fremskrive.” 

Store datamængder udfordrer

En anden udfordring for de rumlig epidemiologiske analyser er paradoksalt nok den meget store mængde data, forskerne i dag har adgang til.

”Man skulle tænke, det er en luksus, at vi har adgang til meget store mængder data, fx fra mikroskopi-billeder af hud fra psoriasis-patienter. Men vores modeller er typisk udviklet til at hente information ud af datasæt med måske nogle hundreder punkter. Når der er tale om millioner af punkter bliver det, for at sige det mildt, komplekst,” uddyber Rasmus Waagepetersen.

Udviklingen af supercomputere, der kan kværne løs på data og analysere selv meget store og komplekse datasæt, hjælper på udfordringen – men der er ikke desto mindre brug for metodeudvikling, mener Rasmus Waagepetersen:

”For det meste vil man gerne have nogle metoder, som er mere håndterbare. Står man fx med en konkret patient med brug for behandling, er der måske ikke lige tid til at vente på, at man kan få plads på en supercomputer.”

Mønstre i mere end sygdomme

Bølgen af data, der skyller ind over sundhedssektoren i kraft af bl.a. nye mikroskoperingsteknologier, genfinder Rasmus Waagepetersen også på mange andre områder. 

Resultatet er, at der også i uventede sammenhænge dukker interessante mønstre op, som statistisk og matematisk analyse kan vride brugbar information ud af.

”Lige nu arbejder jeg fx med, om man kan påvirke byområders udvikling ved at placere bestemte forretninger bestemte steder. Udgangspunktet er punktanalyser af forretninger i Holland. Hvis du fx har en lidt hensygnende landsby, så er det godt at vide, om det vil starte en positiv udvikling at placere et stort indkøbscenter der – eller om det vil være begyndelsen på, at alle de små specialforretninger uddør”.

I kataloget over rumlig statistiske forskningsprojekter på Institut for Matematiske Fag finder man også eksempelvis analyser af pirateri og biodiversitet. Og der er meget mere at komme efter: 

”Der er rigtig meget data, der på en eller anden måde er punktmønstre. Så potentialet er kæmpestort, og vi udnytter det ikke nok i dag. Der er meget derude, vi kunne og måske burde vide, som vi ikke ved endnu,” slutter Rasmus Waagepetersen.