Javascript är avstängt eller blockerat i din webbläsare. Detta kan leda till att vissa delar av vår webbplats inte fungerar som de ska. Sätt på javascript för optimal funktionalitet och utseende.

Webbläsaren som du använder stöds inte av denna webbplats. Alla versioner av Internet Explorer stöds inte längre, av oss eller Microsoft (läs mer här: * https://www.microsoft.com/en-us/microsoft-365/windows/end-of-ie-support).

Var god och använd en modern webbläsare för att ta del av denna webbplats, som t.ex. nyaste versioner av Edge, Chrome, Firefox eller Safari osv.

Grattis, Cecilia Lindgren…

cecilia Lindgren. foto.
Cecilia Lindgren, ny chef vid Big Data Institute arbetar mycket på vilja: ”Man kan inte kontrollera allt, men har man vilja så hittar man lösningar. ”

… alumn från Lunds universitet som i början av april tillträdde som chef vid Big Data Institute i Oxford!

Tack! Jag är väldigt laddad för detta, säger Cecilia Lindgren.

Rollen som chef på Big Data Institute (BDI) beskriver hon som ett nytt kapitel men med något som hon är starkt rotad i. Ända sedan hon doktorerade vid Lunds universitet har hon på olika sätt använt sig av Big Data i forskningen. Det har handlat om att väva ihop medicinsk kunskap och biologisk insikt med datavetenskap och statistik.

när vi fick de här resultaten på julen 2007 och vi såg att det var robusta fynd, då blev jag så upprymd att jag grät.

Cecilia Lindgrens egen forskning handlar om fördelning av fett över kroppen och vad det är som gör att en del med svår övervikt drabbas av diabetes, medan andra slipper. Komplexa och svåra samband som påverkas av både miljö och gener.

– I början var vi inställda på att vi skulle hitta en gen som var orsaken bakom fettfördelning eller typ 2-diabetes. Men det har visat sig att det handlar om många olika genetiska variationer som i sin tur påverkas av yttre faktorer.

Lund en perfekt blandning

Forskarbanan inleddes som doktorand hos Leif Groop – ”my scientific grandfather som hon kallar honom – och minns hur han såg till att doktoranderna fick rotera bland patienter på den endokrinologiska avdelningen. Men det kliniska livet var inte något som lockade Cecilia.

– Jag drivs av intuition och insåg snabbt att jag var för känslig för att arbeta kliniskt med patienter. Däremot har Leif gett mig en djup respekt för och en entusiasm över att behålla den medicinska kölen i min forskning.

Tiden i Lund kallar hon ”en perfekt blandning av vetenskaplig spjutspets och studentglädje”.

En av hennes lärare var Mikael Dolsten (länk till artikel om Mikael Dolsten) som spelat en nyckelroll för framtagandet av Pfizer/BioNTechs vaccin, men Cecilia Lindgren nämner många personer, från tiden som betytt mycket för henne. Erik Renström, Marju Orho-Melander, Henrik Mulder och Cecilia Holm, för att nämna några.

Det som tog flera år att nå fram till då, det kan en algoritm göra på en dag nu. Här är maskininlärningen ett verktyg som verkligen kan underlätta för kliniskt beslutsfattande. Men det betyder inte att det kan ersätta läkare...

– Det var fantastiskt att studera och forska i Lund, för forskning är kreativt. Man behöver pausa, få inspiration och hitta nya möjligheter utanför sin omedelbara arbetsplats. Och det fanns det många möjligheter att göra i Lund.

Själv talar hon sig varm över Göteborgs nation och Botaniska trädgården.

– Och varje gång något gått bra firade jag på Grand. Jag är stolt över mina halvskånska rötter och har sommarhus på Österlen som jag återvänder till.

Översätta forskning till klinisk nytta

Cecilia Lindgren har varit med och sett hur fältet förändrats och exploderat i takt med teknikutvecklingen. Under sin installationsföreläsning 2018 berättade hon om när hon 2007 var med och genomförde en genomtäckande associationsstudie, en så kallad GWAS, i Oxford. GWAS, genome-wide association study, är en metod som används för att ta reda på vilka genetiska varianter som är involverade i olika sjukdomar och går ut på att man jämför en stor grupp människors genetiska material för att hitta variationer mellan de som har en sjukdom och de som är friska.

– På den här tiden brottades forskningsfältet med inkonsekventa resultat, mycket på grund av att underlaget inte var tillräckligt stort. Men när vi fick de här resultaten på julen 2007 och vi såg att det var robusta fynd, då blev jag så upprymd att jag grät.

Utmaningen när man studerar sjukdomssamband ligger ofta i att ta steget från att kartlägga genetiska riskvarianter till att förstå vad de har för funktion och vilka mekanismer i kroppen de påverkar. Hon hoppas att de fynd som görs bland annat genom GWAS ska identifiera just mekanismer som påverkar energibalansen och ämnesomsättningen hos människor.

– Jag vill att det vi gör ska översättas i klinisk nytta. Därför samarbetar vi också med olika läkemedelsföretag, till exempel Novo Nordisk, Johnson & Johnson och Novartis. 

Algoritmernas möjligheter

Hon nämner corona-appen Covid Symptom Study, som i Sverige leds av Maria Gomez och Paul Franks vid Lunds universitet, som ett exempel på hur AI och Big Data genererar nya möjligheter för både beslutsfattare och den enskilda individen.

– Det går att samla covid-information från användare så att man kan bedöma risker och planera sjukvård.

Bildanalys är ett annat område där Big Data medfört stora förbättringar.

– Ta det här med ögonscanning som exempel. Jag minns hur högt kvalificerade kliniker mödosamt satt och klassificerade varje retinabild. Det som tog flera år att nå fram till då, det kan en algoritm göra på en dag nu. Här är maskininlärningen ett verktyg som verkligen kan underlätta för kliniskt beslutsfattande. Men det betyder inte att det kan ersätta läkare, utan snarare ska ses som verktyg som underlättar kliniska beslut, betonar hon.

På BDI integrerar vi etiken i all verksamhet och har en stor grupp som arbetar just med detta.

Det finns så klart utmaningar med Big Data. En sådan är miljöpåverkan från de stora kylanläggningarna och elektriciteten som krävs till datorhallarna, en annan är att behålla spjutspetstalangerna inom akademin. En annan viktig aspekt är etiken.

– På BDI integrerar vi etiken i all verksamhet och har en stor grupp som arbetar just med detta. Jag tycker också att det är viktigt att tänka på diversitet och representation från minoriteter. En stor del av data vi forskare utgår från kommer enbart från europeiska populationer, men om vi vill att det vi forskar fram ska få betydelse och vara till gagn för hela mänskligheten behöver vi bredda. Det är ju till exempel helt galet att en del ansiktsigenkänningsmönster för tillfället bara klarar av europeiska ansikten.

Älskar ett bra konfidensintervall

Cecilia Lindgren går igång på robusta associationer. Hon konstaterar att ”alla som känner mig vet att jag älskar ett bra konfidensintervall”. 

– Som forskare vill vi komma till en riktig slutsats och veta hur exakt ens resultat är. Där krymper Big Data konfidensintervallet. För vetenskap är inte subjektivt, det måste vara objektivt och baserat på fakta. Forskning ska diskuteras och om någon har fel ska man säga det och motivera varför.

Cecilia Lindgren menar att forskare och kunskapssäten måste bli bättre på att kräva respekt i samhällsdebatten.
– En läkare eller forskare har dedikerat år av sina liv för att bygga sin kompetens. Det oroar mig när det odlas kulturer och bubblor där ingen litar på experter, utan googlar sig fram till snabba svar på komplicerade frågor.

Hemligheten

Trots att Cecilia Lindgrens forskargärning varit framgångsrik har det inte alltid varit givet att hon skulle stanna kvar i yrket. Men en hemlighet har varit att lära sig att njuta av processen och ha den som målbild, snarare än slutpunkten.

– Sedan är jag orädd och har lite att förlora. Och så är jag extremt nyfiken. Det jag älskar med akademisk forskning är att få omge sig med likasinnade, nyfikna människor som ställer svåra men viktiga frågor. Vad kan bli bättre?

Mer om Cecilia Lindgren

Gör: renoverar sitt hus, älskar sin familj och sina vänner
Läser: böcker i sin bokklubb. Just nu ”Where the Crawdads Sing av Delia Owens (så bra!)
Tittar: på heminrednings- och reseprogram

Vill: att folk ska inse att snällhet är något otroligt vackert och generöst
Det visste du inte om Cecilia: du ska aldrig resa i jobbet med henne – det går alltid galet och hon har ett bibliotek av jobb-rese-historier som låter helt otroliga, men som tyvärr inträffat.

Fakta BDI

Big Data Institute (BDI) är ett tvärvetenskapligt forskningsinstitut som fokuserar på analyser av stora, komplexa, heterogena datamängder för forskning om orsaker och konsekvenser, förebyggande och behandling av sjukdomar. Forskarna vid BDI utvecklar, utvärderar och distribuerar effektiva metoder för insamling och analys av information för stora kliniska forskningsstudier. Dessa tillvägagångssätt är viktiga för att identifiera sambandet mellan livsstilsexponeringar, genetiska varianter, infektioner och hälsoutfall runt om i världen. BDI är en del av Li Ka Shing Center for Health Information and Discovery vid University of Oxford.

Länk till BDI, University of Oxford