Et fælles sprog

Jo mere vi ved, desto mindre forstår vi. Derfor er der brug for et fælles sprog, hvor matematiske modeller og statistiske metoder kan hjælpe os til at forstå de stadig større mængder af videnskabelige data, der indsamles.

Af Eline Mørch Jensen

De færreste forbinder vel matematikere og statistikere med nogen der lægger særlig meget vægt på intuition, tilfældigheder og støj på linjen, når det gælder om at analysere videnskabelige data. Ikke desto mindre er det lige præcis det, der – sammen med en usædvanlig høj grad af tværfaglighed - er på spil i forskningsprojektet ”Dynamiske systemer: matematisk modellering og statistiske metoder i social-, sundheds- og naturvidenskab”.

Som det fremgår af navnet er projektets overordnede mål at udvikle matematiske modeller og statistiske metoder til at analysere og sætte ord på komplekse dynamiske systemer inden for ikke færre end syv forskningsgrupper fra Det Natur- og Biovidenskabelige Fakultet, Det Sundhedsvidenskabelige Fakultet og Det Samfundsvidenskabelige Fakultet.

I spidsen for projektet, som netop har modtaget en bevilling på 28 millioner fra Københavns Universitets 2016-pulje (UCPH Excellence Programme for Interdisciplinary Research), står professor i statistik Susanne Ditlevsen fra Institut for Matematiske Fag ved Københavns Universitet. Om baggrunden for ideen og samarbejdet siger hun:

- Vi er en masse forskere med en stærk specialviden på hver vores felt, nogle af os arbejder måske endda med beslægtede problemstillinger, selv om vi ikke kalder tingene ved samme navn. Alligevel aner vi dybest set ikke hvad hinanden sidder og roder med. I stedet for at blive inden for hver vores eget snævre felt, med hver vores terminologi, hvor vi måske mener det samme, men ikke forstår hinanden, gælder det derfor om at finde et fælles sprog.

Vil du ligefrem betegne tværfagligheden som projektets omdrejningspunkt?

- Interdisciplinær forskning går jo i bund og grund ud på at der kan opstå synergi imellem forskellige faggrupper og at man opdager fælles punkter, så ja, helt klart. Dét, der er specifikt for vores projekt, er samarbejdet mellem folk der arbejder med metodikker over for substans-forskere, dvs. matematikere og statistikere over for forskere indenfor økonometri, fysiologi, neurovidenskab, psykologi og bioinformatik - som alle prøver at forstå hvordan ting udvikler sig over tid.

For mange data, for lidt forståelse

Ifølge Susanne Ditlevsen er den helt store udfordring i dag at teknologiske fremskridt har gjort det muligt at måle og indsamle ufattelig store - og stadig voksende - mængder af videnskabelige data, mens den teoretiske forståelse af de underliggende mekanismer til gengæld halter langt bagefter. Her ser hun matematikken og statistikken som oplagte brobyggere mellem empiriske observationer og teoretiske forklaringer, når der skal findes simple strukturer i de meget komplekse data.

Er forskerne blevet for dygtige til at måle og indsamle viden?

- Den videnskabelige verden er i hvert fald blevet så kompliceret, at vores viden nødvendigvis er blevet meget mere specialiseret, og i takt med at vi får stadig større viden inden for egne områder, bliver det samtidig sværere at følge med i hvad der sker på andre felter, forklarer Susanne Ditlevsen.

- Heldigvis er der en voksende erkendelse af at vi har brug for hinanden, hvilket de 28 millioner også er et klart udtryk for, så jeg glæder mig meget til at opleve hvordan ekspertisen hos forskere inden for specifikke forskningsområder vil udfolde sig i kombination med vores matematiske og statistiske indsigt og intuition.

Susanne Ditlevsen nævner nefronet som eksempel: Nefronet er den funktionelle enhed i nyren, som blandt andet producerer urin og renser blodet. Fysiologerne har fundet ud af at der sker nogle svingninger, oscillationer, i nefronerne, hvor koncentrationen af stoffer hele tiden ændrer sig med en vis lovmæssighed, som man gerne vil kunne forstå bedre, på samme måde som det ses i andre biologiske og sociale systemer.

- Da jeg lavede min ph.d i biostatistik tilbage i 2004 var man kun i stand til at måle et til to nefroner ad gangen, mens tallet i dag er oppe på mellem 70 og 100. Pludselig kan man måle på hele netværk af nefroner og hvordan de interagerer. Det gør en kæmpe forskel og kræver nogle helt andre modeller, siger Susanne Ditlevsen og tilføjer:

- Men ét er naturligvis at opstille store, komplicerede modeller, noget ganske andet er om man kan analysere dem godt nok! Selvfølgelig kan man se på hvad der sker med enkeltdele, at her synkroniserer de og her gør de ikke for eksempel, men jo mere kompliceret data er, desto større risiko er der jo for fejlkilder. Lige præcis derfor har vi brug for topforskere på flere felter – for at blive bedre til at udlede de underliggende strukturer og årsagssammenhænge, og for at undgå fejlslutninger.

Den uplanlagte interaktion

Susanne Ditlevsen forventer at mødet mellem forskere fra forskellige discipliner vil få alle til at tænke i nye baner. Hun føler sig også sikker på at man vil komme frem til uventede resultater og udvikle nye metoder og dermed imødekomme intentionerne i KU’s Strategi 2016.

- Det ligger jo implicit i grundforskningen, at man ikke ved hvad man finder. Man kan vælge at gå efter det sikre, det der ligger tæt på det vi allerede ved, men hvis tingene for alvor skal flytte sig, er man nødt til at tage nogle chancer. Vi kan derfor kun sige noget om hvad vi tror på eller regner med at finde, vi kan ikke vide det med sikkerhed – og der kan i øvrigt også opstå nye forskningsspørgsmål ud af den her interaktion, understreger Susanne Ditlevsen og uddyber:

- Bare sådan en ting som at en af forskerne fra psykologi lige har lånt et gæstekontor her på Matematisk Institut i en uge, betyder utrolig meget for udvekslingen af ideer. For det er jo når vi spiser frokost sammen, drikker en fredags-øl eller går en tur i skoven at det uventede opstår, det er den daglige og uplanlagte interaktion, der får os til at arbejde sammen på den bedst tænkelige måde.

Som eksempel nævner Susanne Ditlevsen samarbejdet med psykologerne inden for det område der omhandler visuel kognition: Psykologerne arbejder ud fra to antagelser for at prøve at forstå hvordan hjernen behandler visuel information og beslutter sig for, hvad det er for et objekt den har for sig. Den ene antagelse går ud på at man kun har en fortolkning af objektet ad gangen, en seriel opfattelse. Hvis man for eksempel har en bold foran sig, kan man have den antagelse, at det er en bordtennisbold. I det næste øjeblik kan man skifte til at mene, det er en tennisbold. Her antages det at man helt glemmer, at man før mente det lignede en bordtennisbold.

Den anden antagelse kan kaldes for en parallel opfattelse, for her går man ud fra at hjernen opfatter begge eller flere ¬muligheder på én gang, men hvor en mulighed, for eksempel bordtennisbolden, vejer tungest og derfor ender med at være det objekt, hjernen bestemmer sig for.

- Normalt er vi ikke bevidste om disse processer, da hjernen hurtigt bestemmer sig for en entydig fortolkning af synsindtrykket, men der er dog eksempler på at man selv kan opleve det, for eksempel hvis man ser på den type af tvetydige billeder, som de fleste sikkert kender: Billeder som på én gang forestiller en ung, smuk kvinde og en gammel, rynket kone, men hvor man kun kan opfatte et billede ad gangen, siger Susanne Ditlevsen og tilføjer:

- Et andet eksempel er, hvis man befinder sig i en mørk skov og derfor er usikker på om det er en bjørn eller et træ, man ser i det fjerne. Man er altså usikker og veksler mellem flere objekter, men hvis for eksempel lysforholdene forbedres, bliver det klart hvad man har for sig.

- På samme måde kan vi opstille nogle modeller der antager at det fungerer på enten den ene eller den anden måde, og når så den ene model fitter til de data psykologerne kommer med, når disse data passer godt med en bestemt model, så kan vi fastslå at der er en vis evidens for at henholdsvis den ene eller den anden antagelse er rigtig. Måske kan vi ikke ligefrem bevise at det forholder sig sådan, men så i det mindste - forhåbentlig - sandsynliggøre teorien.

Hvordan i praksis?

Projektet Dynamiske systemer er et ud af 18 projekter, som fik del i den samlede 2016-pulje til interdisciplinær forskning på i alt 400 millioner kroner. Projektet omfatter 22 forskere fra 7 forskningsgrupper, hvoraf 9 er metode-personer (5 fra Matematik og 4 fra Biostatistik). Pengene skal hovedsalig gå til ph.d- og post-doc-stillinger, der alle hver bliver knyttet til mindst to forskningsgrupper.

Frem til den afsluttende konference i 2017 vil der undervejs blive afholdt både workshops og nationale og internationale konferencer, men hvordan griber man egentlig sådan et tværfagligt samarbejde an i praksis – bortset fra at spise frokost eller drikke en fredags-øl sammen i ny og næ? I det daglige sidder forskerne jo netop ikke sammen og taler ikke det samme fag-sprog…

- Som i tilfældet med psykologerne sætter vi os helt konkret ned og ser på hvad forskernes udfordringer består i og hvordan vi bedst imødekommer dem. Eksempelvis er man i stigende grad blevet opmærksom på, at der over tid sker en dynamisk udvikling inden for forskellige biologiske og sociale systemer, og at denne dynamik, denne konstante bevægelse og forandring, kan være nødvendig for at systemerne fungerer tilfredsstillende.

- Tag bare sådan en ting som døgnrytme for eksempel, dvs. at der er noget der varierer henover dagen og bliver lukket ned om natten. Hvis man kan sætte regler op for sådan et fænomen, sætte det på formel så at sige, kan man beskrive den lovmæssighed hvormed den dynamiske udvikling foregår.

- Samspillet mellem mange variable, der er forbundet gennem komplicerede vekselvirkninger som regulerer og styrer systemet, gør det svært, hvis ikke helt umuligt, at forstå dynamikken uden at bruge matematiske modeller og computersimulationer. Intuitionen rækker simpelthen ikke til at lave pålidelige forudsigelser eller antagelser alene gennem almindelige ræsonnementer.

- Modellerne giver en fælles ramme til at forklare og fortolke data, og til at danne nye forudsigelser, der kan testes eksperimentelt. Den matematiske struktur der går igen i modeller for lignende dynamiske fænomener, og som opstår i vidt forskellige biologiske og sociale systemer, hjælper os til at forstå sammenhænge og benytte redskaber fra et forskningsfelt til et andet. Det er dét jeg mener med at finde et fælles sprog, forklarer Susanne Ditlevsen og uddyber:

- Hvis man kan analysere dette matematisk, kan man måske komme til at forstå hvad der er årsag og hvad der er virkning. Også selvom der vil være afvigelser og alle modeller selvfølgelig er simplificeringer, men kan vi udvikle nogle modeller, der virker, kan de alligevel gøre os klogere.

Og I metode-personer får noget igen, fordi jeres modeller bliver mere anvendelige og målrettede?

- Lige præcis! Du kan sammenligne det med et kort over verden, hvor du også er nødt til at simplificere tingene, hvis du vil finde vej. Hvis dit kort skulle være én til én ville det jo ikke være en hjælp – og ikke et kort - men netop, verden ...

- Det svarer til at studere en bil, hvordan den er indrettet og virker i trafikken, og det kan jo være godt nok … Men hvis du vil forstå hvordan trafik-propper opstår, hjælper det dig ikke noget at vide hvordan den enkelte bil virker. Du er nødt til at gå fra enhed til netværk, fastslår Susanne Ditlevsen.

Den gode støj

Af gode grunde vil der altid være spørgsmål der ikke kan opklares eller undersøges i fungerende organer, som for eksempel en nyre, i og med de befinder sig indeni i et levende menneske. Tidligere var man henvist til at dissekere organer fra obducerede lig, siden også til forsøg med dyr, for eksempel rotter, hvor rottenyren fungerer som model for menneskenyren, selvom rotter og menneskers nyrer ikke er ens – eksempelvis har rotters nyrer 30.000 nefroner mens menneskers nyrer har en million.

- På samme måde kan matematikken bruges som en model over virkeligheden. Det ville være uetisk at undersøge mennesker for hvad der sker, hvis man udsætter dem for udsultning, rygning eller andre stressende faktorer. Man kan så håbe på at rotter reagerer nogenlunde på samme måde som mennesker, når man laver forsøg med dem, men på visse områder er der ingen tvivl om at de rette matematiske modeller er bedre egnede til at simulere virkeligheden.

Med den rette model kan man ifølge Susanne Ditlevsen undersøge effekten af ekstreme påvirkninger, af mulige interventioner eller langtidseffekter ved computersimulationer, hvilket kan spare både tid og penge og betyde at man kan undgå dyreforsøg; i visse tilfælde kan det endda være den eneste mulighed, man har for at komme afgørende videre i forskningen.

- Nyren er et af de mest komplicerede organer i kroppen, højdimentionelt og ikke-lineært at forstå, hvorfor det kan være vanskeligt at analysere, syntetisere og udlede det vigtige af de stadig større mængder af data, man kan måle og indsamle, eksempelvis for at forstå dynamikken omkring hvilke dysfunktioner i nyrerne der er med til at give så mange mennesker et forhøjet blodtryk.

- Modellerne bliver nemt så store at det bliver svært at rense, reducere og simplificere materialet, hvilket er nødvendigt for at uddrage den information, data gemmer på, og undgå fejlkonklusioner, men alle disse små effekter kan samlet set beskrives ved stokastiske modeller, forklarer Susanne Ditlevsen.

- Forestil dig at lytte efter tilfældigheder eller måske rettere: Efter støj på linjen. Eksempelvis fordi du gerne vil høre en bestemt tone, en hvals sang eller hvad det nu kan være. Hvis signalet er under en vis tærskel, hvis tonen har for få decibel til at vi kan opfange lydens dynamik, så kan det at man lægger noget støj på i form af en kurve med ekstra svingninger, hjælpe med til at transmittere signalet, forklarer Susanne Ditlevsen og lægger til:

- På den måde kan man få en god effekt af støj, så i mine øjne findes der faktisk ikke sådan noget som tilfældige tilfældigheder. Tilfældigheder følger også en struktur som er vigtig at forstå og inddrage i modellerne, især når de, som i eksemplet her, er med til at sende information videre i systemet.

---

Read this interview in English.