Annonce Banner Banner Banner

Hvad venter os i 2050?

Fremtid Som Poul Henningsen så elokvent sagde det: »Fremtiden kommer af sig selv. Det gør fremskridtet ikke«. På årsmødets tværfaglige spor præsenterede en række fremadskuende foredragsholdere deres tag på, hvorledes verden ser ud i år 2050 – og inddrog de fremmødte i de nyeste anvendelser af AI inden for veterinærvidenskab.

Shutterstock 2544338095 (1) © Shutterstock
Reportage

Fremtidsforsker er ikke en beskyttet titel. Det fik første oplægsholder, Marianne Levinsen, hurtigt slået en streg under – og i princippet kunne hver og en af de fremmødte titulere sig således og begynde at prædike deres ideer om fremtiden.

Sådan arbejder Marianne Levinsen heldigvis ikke, og selvom hun var blevet sat på noget af en prøve i arbejdet med at forudsige dyrlægens rolle og arbejde 26 år ude i fremtiden, gav hun en solid indflyvning i de megatrends og sociale tendenser, der allerede nu former vores verden – samt hvilke der lurer i horisonten.

Sporet var herefter delt i to: En formiddag med fokus på ny teknologi og machine learning, samt en eftermiddag præget af bæredygtighed og sundhed for dyr og mennesker.

Machine learning, sekventering, smitteopsporing – og grisesprog

Efter Marianne Levinsens inspirerende oplæg tog professor Frank Møller Aarestrup fra DTU Fødevareinstituttet, medlem af Forskningsgruppen for Genetisk Epidemiologi, scenen med et spændende indblik i ny teknologi til overvågning af epidemier og antibiotikaresistens gennem spildevandsanalyser. Han forklarede, hvordan machine learning og metagenomics nu gør det muligt at identificere resistensgener i fækale prøver med høj præcision, hvilket kan give værdifulde resultater. Denne banebrydende udvikling kræver dog løbende dataopdatering og ressourcer, hvilket kan være udfordrende i lande med begrænset kapacitet til systematisk spildevandsovervågning. Aarestrup fremhævede samtidig betydningen af global overvågning for at kunne følge bakterier og antibiotikaresistens i befolkningen tæt.

Overvågning var også på dagsordenen for den næste oplægsholder, David Duchene, Associate Professor ved KU SUNDs Section of Epidemiology. Han fortalte om sit arbejde med overvågning og opsporing af infektionssygdomme for at imødekomme den trussel, de udgør mod folkesundhed og landbrug. Her spiller machine learning allerede en rolle, men pålidelig og tidlig detektion vil fortsat kræve avancerede data science-metoder som AI og genomics, sammenholdt med kortlægning af kendte smittespredere – som fx fuglemigrationer. 

Lavpris adfærdsdata, såsom lyd og video, vil også være afgørende indenfor veterinærindustrien. Dog betyder udfordringer med variabilitet og træning af realtidssystemer, at brugen af disse stadig er behæftet med usikkerhed og stort ressourceforbrug.

Herefter indtog Elodie Floriane Mandel-Briefer, Associated professor ved KUs Biologiske Institut, podiet for at fortælle om sin dagsordenssættende forskning indenfor klassificering og »oversættelse« af grises vokaliseringer.

Elodie Mandel-Briefer og hendes forskerhold står bag projektet »Soundwel«, hvor de over en lang periode optog grises vokaliseringer under forskellige forhold, samt i forskellige situationer, og brugte dem som dataset for en algoritme. Da algoritmen havde en tilstrækkeligt stor stikprøvestørrelse af definerede og kategoriserede griselyde, var den i stand til at tolke optagelser fra en række danske og tyske landbrug – både konventionelle, økologiske og frilands. Resultatet heraf har blandt andet været ramme om dokumentaren »Hvis grise kunne tale«, som blev produceret af Danmarks Radio.

Mens »Soundwel«-projektet har skabt et spændende gennembrud i klassificeringen af grises lyde, står forskningen også over for udfordringer med at omsætte denne viden til praksis i landbruget samt omkostningerne ved teknologi, der kan tolke dyrevokaliseringer på større skala.

Formiddagens sidste oplægsholder var Susanne Pors, dyrlæge, ph.d. og senior scientist i Histology ved Gubra, der lagde ud med spørgsmålet: GHOSTer vi patologen i fremtiden? Det var heldigvis ikke en opfordring til at afskære kontakten til patologerne i ens liv, men derimod en reference til brugen af AI i histopatologiske evalueringer.

GHOST står for Gubra, Histopathological, Objective, Scoring, Technology, og er, kort sagt, en AI til scoring af væv. 

Selvom GHOST har potentiale til at revolutionere histopatologien, står teknologien dog stadig over for udfordringer i forhold til at opnå fuld accept blandt patologi-specialister. Tillid til AI-baserede evalueringer kræver yderligere dokumentation og brugertræning for at sikre, at teknologien understøtter det veterinærfaglige skøn og håndterer kompleksiteten i vævsanalyser.

Bæredygtighed og sundhed for dyr og mennesker

Eftermiddagens program begyndte med Louise Lohse, seniorforsker og sektionsleder ved Statens Serum Institut, der tog tilhørerne med ind i beredskabsmaskinrummet. Hun fortalte kort og præcist om sammenhængen mellem klimaforandringer og vektorbårne sygdomme samt zoonoser. Særligt fokuserede hun på usutuvirus og bluetongue, der i stigende grad ses i Europa, samt hvilke initiativer der for nuværende foreligger indenfor beredskabet – både nationalt og internationalt.

Herefter fulgte Liza Rosenbaum Nielsen, professor ved KU SUNDs Institut for Veterinær- og Husdyrvidenskab. Hun fokuserede på de dilemmaer, man som forsker møder i arbejdet med grøn omstilling i husdyrbruget. Til det brugte hun de ni planætere grænser, som er fastsat af Stockholm Resilience Centre til at illustrere, hvorfor det sjældent kan være »bare lige« indenfor forskning. De planetære grænser er, kort fortalt, hvad kloden kan bære indenfor forskellige områder – fx klimaforandringer, ferskvandssystemer og biosfærens robusthed. De skal arbejdes med på absolut skala – man kan ikke bare fokusere på én eller to af dem og negligere de øvrige, da det potentielt kan skade dem.

Med det in mente, hvordan tilgår man så sit arbejde som forsker uden at blive virkelighedsfjern? Skal man argumentere for at fastholde problemfyldte systemer, hvis det vil være for omfattende at opfinde alternativer – og i stedet arbejde på optimering og lappeløsninger? Skal man bruge kræfter på at skaffe evidens for viden, som vi allerede er næsten sikre på er korrekt, eller i stedet arbejde for handling?

Dilemmafokusset fortsatte med næste oplægsholder, Nathalia Brichet, ph.d. i antropologi og lektor ved KU, der rejste spørgsmålet om, hvorvidt en kontinuerlig opskalering og effektivisering af landbruget fortsat er vejen frem. For hvis vi stadig skal brødføde planetens voksende befolkning, samtidig med at vi skal passe på planeten ved at have færre dyr og tage landbrugsjord ud af drift, hvilke muligheder eksisterer så?

Det er naturligvis ikke lige sådan at svare på – men eftermiddagens sidste oplægsholder Lis Alban, dyrlæge og chefforsker ved Landbrug & Fødevarer, præsenterede et bud på, hvordan vi sammen kan arbejde mod en løsning.

Hun fremhævede Den Danske Model – her i en form, hvor den var ekstrapoleret fra sin arbejdsmarkedsmæssige betydning og i stedet anskuet som en hierarkisk model, der definerer, hvordan interessenter mødes og definerer deres umiddelbare fælles fremtid. Det er en model, som Lis Alban har holdt flere foredrag om i udlandet – for selvom den kræver en utroligt høj grad af organisering, har Den Danske Model vist sig at være en succes og stabilitetsskabende faktor på både det danske arbejdsmarked og i samfundet generelt. Ifølge hende ligger fremtiden her – i et samarbejde mellem myndigheder, universiteter og forskning samt landbrug og erhverv, der sammen finder bæredygtige løsninger.

Eftermiddagen sluttede med en paneldebat, hvor de fire eftermiddagsspeakers debatterede internt og tog imod spørgsmål fra et lille, men spørgelystent publikum.

Da vi forlod salen, stod det klart, at selvom teknologier som AI og machine learning lover større effektivitet, er det afgørende at bevare de menneskelige aspekter af veterinærfaget. Vi må sikre, at afhængigheden af teknologi ikke mindsker dyrlægers faglige skøn og etik. Take-home her er, at teknologi skal støtte – men aldrig erstatte – dyrlægens professionelle vurdering.