En gruvarbetare i databaserna


Intelligenta datorprogram som blir smartare och smartare utan mänsklig inblandning. Visst låter det som science fiction? Data mining, ett av områdena inom artificiell intelligens, utvecklas nu starkt vid BTH.

Niklas Lavesson vid BTH disputerade i höstas inom lärande system. Det handlar om datorprogram som självständigt förbättrar sin förmåga genom att ta vara på erfarenhet och generalisera.

 - Hittills har jag mest jobbat med grundforskning. Men nu när avhandlingen är klar är det spännande att titta på praktiska tillämpningar. Jag gillar att syssla med riktiga problem, och utveckla lösningar som hjälper människor, säger Niklas Lavesson.

Data mining kallas det när dessa lärande system lyckas utvinna dolda mönster från, ofta stora, datamängder. Alltså ett slags gruvarbete i databaser.

 - Det finns enorma mängder information. Vanliga statistiska analyser fungerar inte, och människans förmåga att generalisera räcker definitivt inte till. Ta alla cancerdiagnoser till exempel. Data mining kan kanske utvinna ny kunskap från de databaserna. Samband och mönster som synliggörs kan hjälpa oss att förbättra diagnosmetoder och behandling, kanske även att förebygga.

Vanliga exempel på lärande system och data mining är annars spamfilter, ICA:s medlemserbjudanden, Googles förfinade söktips eller Amazons individuella bok- och musikrekommendationer. Det kan också vara ett program som hjälper dig att gå igenom användarlicenser och avgöra om det du just tänker ladda ner i datorn innehåller skadlig spionprogramvara. Men just inom sjukvården finns många goda möjligheter för data mining.

 


- Akut koronarsyndrom är ett bra exempel. När en patient kommer in med dessa symtom är det livsviktigt att avgöra om det är hjärtinfarkt eller instabil kärlkramp. Det är svårbedömt och de två diagnoserna kräver olika typer av behandling. Med data mining kan vi hitta tidigare okända mönster. Man matar in patientens symtom och provsvar och systemet drar nytta av hela databasens erfarenhet av tidigare symtom, provsvar och deras facit i form av korrekt diagnos. Både patientens prognos och samhällsekonomin förbättras om man ställer rätt diagnos i det akuta skedet.

Studien genomförs på databasen från Carlskrona Heart Attack Pilot Study som inleddes i början av 1990-talet och omfattar över 900 patienter. Lavesson och hans kollegor samarbetar med Blekinge kompetenscentrum.

 - Vi gör även en förstudie på en databas med fakta om de äldsta, multisjuka patienterna i vårdsystemet. Syftet är att förebygga framtida sjukhusvistelser genom att skräddarsy patientens vård baserat på den datorbaserade prognosen för inläggning kommande år. Även detta gör vi tillsammans med Blekinge kompetenscentrum.

Niklas Lavesson sprudlar av idéer. Han ser många användningsområden för sin kunskap. Tillsammans med kollegan Marie Persson tittar Lavesson till exempel på remisser i vårdsystemet och liknar dem vid en orderstock.

 - Med data mining kan man förbättra logistiken och optimera operationsplaneringen. Det skulle kunna förkorta vårdköerna, säger Niklas Lavesson.

Sverige är som bekant en ledande gruvnation, men då inom mineralområdet och mycket längre norrut. När den digitala gruvbrytningen, data mining, nu växer är BTH och Blekinge på hugget.

April 2009

Niklas Lavesson

Universitetslektor i datavetenskap

Virtuellt nr 15, april 2009

 

Share Dela
Redigera