Xiaoqin Wang, forskare vid Högskolan i Gävle, har fått 4.3 miljoner av Vetenskapsrådet för att utveckla sin metod att ur stora datamängder se vilken data som är relevant för den analys man vill göra.
Xiaoqin Wang
Tekniken är nu så avancerad och den digitalt lagrade informationen av sådan storlek att den är svår att bearbeta med traditionella statistiska metoder. Xiaoqin Wang har utvecklat ett sätt där hon bara använder den del av all denna data som är relevant i sammanhanget.
– Vid exempelvis cancerbehandling kan all möjlig data om patienten samlas in, som ålder, ekonomisk status, kön, var personen bor, levnadsvanor med mera.
Bättre diagnostiseras vid mindre sjukhus
Hon har i en studie undersökt om det är bättre för en cancerpatient att diagnostiseras vid ett stort universitetssjukhus, och om det är bäst att behandlas i närheten av där man bor.
Xiaoqin Wang fann att de små sjukhusen är bättre, än de stora universitetssjukhusen, på att diagnostisera sjukdomen. En anledning kan vara att det är kortare köer vid mindre sjukhus. Emellertid är cancerbehandlingen bättre vid de stora universitetssjukhusen, möjligen på grund av mer avancerad teknik.
– Vi är inte läkare men vi har uppfunnit en teoretisk metod som läkare kan använda för att beräkna alla sådana här konsekvenser.
Att finna balansen i skolan
Ett annat område Xiaoqin Wang ser som möjligt att undersöka på detta sätt är skolan, för att finna balansen i hur mycket kunskap som kan ges eleverna för att förbättra de långsiktiga resultaten.
– Att mata med kunskap kanske inte ger det man vill ha, att finna balansen mellan nuet och framtiden är viktigt.
Andra områden är maskininlärning, AI och ekonomi. Hon beskriver nu och utvecklar sin metod för att göra analyser.
Hon säger att all denna data, till exempel kliniska data, finns därute att använda och att vi nu har de bästa förutsättningarna för att beräkna detta med vår tids statistiska kapacitet.
– Det finns hur många områden som helst, där vi kan göra bättre analyser, säger Xiaoqin Wang.
