Tekniska nyckelområden är beroende av utveckling av ny matematik

Matematik utgör grunden för teknisk utveckling. Beräkningar tillämpas inom alla högteknologiska områden – informationsteknologins skarpa utveckling hade inte varit möjlig utan de verktyg som matematiken bidrar med exempelvis. Modellering av invecklade tekniska system – omfattande
allt från maskinkonstruktion till medicinsk diagnostik – kräver abstraktion och matematik. All teknikvetenskaplig utbildning behöver baseras på matematik, och Kungliga Tekniska Högskolan (KTH) har som ambition att även fortsättningsvis vara ett av Nordens främsta lärosäten för utveckling inom området.

Institutionen för matematik på KTH är en av de ledande matematikinstitutionerna i Skandinavien. Forskningen omfattar allt från grundläggande kärnområden inom matematiken såsom algebraisk geometri, dynamiska system, matematisk fysik och sannolikhetsteori, men även tillämpade ämnen som matematisk statistik, optimering, systemteori och finansiell matematik. I framtidens naturvetenskap och teknik kommer matematiken tveklöst att spela en mycket framträdande roll.

Medicinska genetiska studier baseras på matematik
Nyckelområden i tekniken, det kan röra sig om energisystem, lätta konstruktioner eller energismarta fastigheter som exempel, är i hög utsträckning beroende av utveckling av ny matematik.
Aktuella medicinska genetiska studier, baserade på microarray-data, visar att många sjukdomar som cancer, multipel sklerosis och diabetes utgör komplexa system som kan studeras med hjälp av matematiska modeller.
– Sjukdomarna orsakas av obalans mellan många samverkande gener i kombination med miljörelaterade mekanismer. Genetiska studier har visat att hundratals gener kan vara inblandade vid uppkomsten av sjukdomarna, förklarar docent Tatjana Pavlenko som forskar inom området.
Studier av människans DNA resulterar i enorma datamängder och det är oerhört viktigt att utveckla statistiska metoder för att kunna hantera denna typ av data. Vid KTH utvecklas metoder för att strukturera och tolka informationen, bilda och testa hypoteser om grundläggande sjukdomsmekanismer, samt bygga datamodeller med praktisk relevans, som kan användas för att diagnostisera eller prognostisera cancer.

Statistiska modeller avgörande för framtida utveckling
Statistiska modeller är av särskild betydelse för klassificering av tumörtyper där man fastställer viktig information som typ av cancer, hur aggressiv tumören är samt vilken typ av behandling som patienten förväntas svara bäst på. En av forskningsinriktningarna inom gruppen för beräkningsbaserad biostatistik vid KTH är att bygga sådana modeller.
– Ett stort statistiskt problem är att hitta de gener som är informativa för
den fråga man studerar, konstaterar Tatjana Pavlenko. Frågorna kan röra respons på en viss behandling för en viss typ av cancer, eller risken för uppkomsten av nya tumörer (metastaser). Bland tiotusentals gener som finns representerade måste vi alltså hitta de gener som med statistisk säkerhet är relevanta för frågeställningen, för att sedan kunna validera själva modellen.
Matematik behövs överallt där teknisk utveckling är avgörande, medicinska studier och utveckling av ny diagnostik är ett av många exempel på viktiga områden där KTH kan bidra med kunskap för framtida utveckling.


Utbildning SNL 2012-2 - Affärstidningen Näringsliv

Näringsliv 2012-2

Huvudtema: Utbildning
Utbildningar med arbetsmarknadsrelevans skapar bättre villkor ...

Jämställdhets- och biträdande utbildningsminister Nyamko Sabuni understryker att det under en längre tid varit ett alltför stort fokus på teoretiska utbildningar inom vuxenutbildningen – ofta utan arbetsmarknadsrelevans ...

Back to top