Publicerat: 18.6.2026
Text: Miracle Amadi
Redigering: Viestintätoimisto Jokiranta Oy
Bilder: Shutterstock, Miracle Amadi

Nya smittsamma sjukdomar, där sjukdomsalstrarna till över 70 procent härstammar från djur, utgör de största utmaningarna för vetenskapen och folkhälsan. Klimatförändringen, habitatfragmenteringen, förlusten av biologisk mångfald och människans interaktion med vilda djur påverkar spridningen av sjukdomar i populationer och ekosystem.

Spridningen av sjukdomar påverkas inte i första hand av enskilda faktorer, utan av komplicerade biologiska system. Den centrala ambitionen för den moderna forskningen kring smittsamma sjukdomar är att förstå den mångsidiga interaktionen mellan värddjur, sjukdomsalstrare, immunitet, beteende, genetik och miljö.

Min egen forskning fokuserar på utvecklingen av sådana kalkylmässiga och statistiska metoder som kan användas för att studera komplexa biologiska system. Mitt arbete placerar sig i skärningspunkten mellan matematik, epidemiologi och ekologi. Jag använder mig av kalkylmässiga modeller för att klarlägga hur sjukdomar sprider sig och hur tillförlitliga våra prognoser om sjukdomarna i själva verket är.

I min doktorsavhandling vid LUT-universitetet utvecklade jag agent- eller individbaserade modeller som kan användas för att undersöka spridningen av malaria. I modellerna beaktades hushållets uppbyggnad, moskiternas beteende samt smittoförhindrade åtgärder, såsom myggnät för sängar. Till skillnad från traditionella matematiska modeller som beskriver populationer i genomsnitt, simulerar agentbaserade modeller individernas beteende och interaktion, vilket gör det möjligt att betydligt mer detaljerat undersöka sjukdomsdynamiken.

Biologiska system svåra att prognostisera

Vi kan tänka på dessa modeller som ”kalkylmässiga laboratorier”.  Traditionella laboratorieexperiment hjälper forskarna att granska biologiska mekanismer i kontrollerade förhållanden. Kalkylmässiga simuleringar hjälper forskarna att utreda hur sjukdomar kan bete sig i olika ekologiska och sociala scenarier, vilket skulle vara omöjligt, oetiskt eller opraktiskt att testa i verkliga livet.

Det finns ändå en stor utmaning som förknippad med simuleringar. Biologiska system är brusiga och svåra att prognostisera. När samma simulering körs två gånger kan det ge två olika resultat, eftersom slumpmässighet präglar interaktionen mellan rörligheten, smittan, beteendet och miljön.  Detta leder till en viktig vetenskaplig fråga: hur mycket kan vi lita på prognoserna från dessa modeller?

Ett centralt mål för i min nuvarande forskning är att kvantifiera osäkerheten: min ambition är att mäta de kalkylmässiga prognosernas tillförlitlighet.  Modellernas resultat behandlas alltså inte som exakta svar. Däremot försöker man att med osäkerhetsmedvetna metoder fastställa resultatens konfidensgrad samt vilka slutsatser som är stabila trots brusiga data.

Osäkerheten görs synlig, mätbar och nyttig

Tack vare finansieringen från Sakari Alhopuros stiftelse kan jag utvidga min forskning till ekologiska och evolutionära sjukdomssystem genom att använda mig av en spatialt explicit agentbaserad simuleringsmodell (CDMetaPOP). Modellen har utvecklats av professor Erin Landguth vid universitetet i Montana och hennes kolleger.

Mitt mål är att klarlägga på vilket sätt miljöförändringar, rörelsemönster i livsmiljön och evolutionära processer tillsammans kan påverka sjukdomsdynamiken hos vilda djur och de framtida riskerna för smittsamma sjukdomar. Som exempelsystem använder vi vitnossyndromet (White-Nose Syndrome, WNS) hos fladdermöss i Nordamerika. Det är en förödande svampsjukdom som har utrotat fladdermösspopulationer i stora områden. Forskning kring sjukdomar hos vilda djur ger kunskap om ekologiska följder och fördjupar vår uppfattning om på vilket sätt en störning i miljön kan ändra framtida sjukdomsrisker i olika ekosystem.

De kalkylmässiga metoder som jag tar fram i min forskning kan bidra till att lösa även andra epidemiologiska utmaningar och miljöhot. Som ett exempel på detta kan nämnas spridningen av fästingburna sjukdomar i Finland i och med de växande populationerna av vitsvanshjort.

I mitt tidigare arbete påvisade jag att statistisk modellering är till nytta vid lösningen av faktiska folkhälsorelaterade frågor. I samarbete med Institutet för hälsa och välfärd (THL) analyserade jag långtidsdata om mässlingsantikroppar för att utreda hur vaccinskyddet förändras över tid och vad detta kan betyda för flockimmuniteten. Även om det är fråga om två olika sjukdomssystem, är den vetenskapliga frågan densamma: hur kan vi med ofullständiga data göra pålitliga slutsatser om komplicerade biologiska system?

Ambitionen är inte att förutspå framtiden med säkerhet, eftersom de biologiska systemen är alltför komplicerade för detta. Målet är att göra osäkerheten synlig, mätbar och nyttig. Om vi förstår var prognoserna är starka, var de är svaga och på vilka antaganden de grundar sig kan vi utveckla beräkningsmodellerna till alltmer pålitliga verktyg till stöd för beslutsfattandet som gäller vetenskapen, folkhälsan och miljön.

Läs mer om ämnet

 

 

Tekn.dr. Miracle Amadi arbetar som forskardoktor vid institutionen för beräkningsteknik (Computational Engineering) vid LUT-universitetet i Villmanstrand. Amadi disputerade för teknologie doktorsgraden vid LUT-universitetet år 2022.I sin doktorsavhandling utredde hon användningen av hybridmodelleringsmetoder inom epidemiologisk forskning. Finlands inversionssällskap tilldelade avhandlingen priset Finnish Inverse Problems Prize år 2022. Amadis forskningsämnen är kvantifiering av osäkerhet, bayesiansk inferens samt kalkylmässig modellering av smittsamma sjukdomar och ekosystem.