Jenny jobber med kreftforskning på Radiumhospitalet

Svulster består ikke bare av kreftceller, men også av immunceller og andre typer celler. Dette mikromiljøet gir viktig innsikt i det biologiske mangfoldet som finnes mellom ulike pasienter. Jenny bruker maskinlæring til å analysere vevsbilder fra kreftpasienter, nettopp for å studere dette mangfoldet.

– Analysene gir en bedre forståelse av hvordan hver enkelt pasients svulst vokser og oppfører seg, noe som er nødvendig for i fremtiden å kunne gi behandlinger skreddersydd til hver pasient. Patologer har tradisjonelt utført disse analysene ved å studere vev i mikroskopet, men dette krever mye tid og spesialkompetanse.

Med maskinlæring kan man automatisere prosessen, og samtidig hente ut detaljert data om svulstens biologi og hvordan den samspiller med de andre cellene i mikromiljøet.  

– Ved å identifisere hvilke celletyper som finnes i et kreftområde, forstår vi bedre hvilke biologiske egenskaper svulsten har. Dette kan gi viktig informasjon om hvilke trekk som er assosiert med aggressiv sykdom, og bidra til å tilpasse behandlingen bedre til den enkelte pasient.

Fra bilde til innsikt

Ved å ta en vevsprøve, det vil si biopsi, skjære den opp og farge vevet på ulike måter, kan man få frem informasjon om hvilke celler som finnes i vevet.

– Det vi prøver å få til, er at modellen skal finne alle cellekjernene i bildet, markere dem riktig og sortere dem i relevante cellekategorier. Det finnes mange ulike celletyper, så vi forsøker å samle dem i større grupper som er enklere å jobbe med.

Med maskinlæring kan man spare både tid og ressurser, og man gjør resultatene mer stabile fordi man unngår forskjeller som kan oppstå når ulike mennesker manuelt analyserer bildene.  

– Jo mer man vet om pasientenes celler i kreftområdet, desto mer kan man tilpasse behandlingen.

Fra nysgjerrighet til forskning

Veien til Jennys jobb startet med en fascinasjon for fysikk og astronomi.

– Jeg begynte å lese populærvitenskapelige bøker, og syntes både fysikk og astronomi var utrolig spennende. Men det irriterte meg at jeg ikke forsto alt, jeg ville forstå ting på et dypere nivå.

– Derfor begynte jeg å studere fysikk og astronomi for å finne ut hvordan alt egentlig henger sammen.

Hun gikk videre med en master i teoretisk kjernefysikk, og det var særlig programmering og datanalyse som ble viktig videre.

– Jeg lærte mye om programmering, databehandling og det å jobbe med store datamengder, spesielt i masterprosjektet. Det er ferdigheter som er relevante i mange fagfelt, også i kreftforskning.

Programmering og superdatamaskiner

Til daglig jobber Jenny mest foran PC-en. Hun bruker ofte en superdatamaskin fordi bildene hun analyserer er så store og detaljerte.

– Jeg skriver og bruker mange forskjellige Python-skript for å analysere bildene. Det krever tung regnekraft og tar tid, men det er veldig spennende å se resultatene. 

Når analysene er klare, samarbeider hun med andre forskere for å tolke resultatene.

– Resultatet fra modellen vurderes av erfarne eksperter innen patologi, og kan sammenlignes med vevsnitt som er farget for spesielle markører som gjøre det mulig å identifisere spesifikke celletyper. På den måten kan man bekrefte at modellen faktisk har klart å gjenkjenne riktig type celler i kreftområdet.  

Stort engasjement på jobben

Det Jenny liker best med jobben, er menneskene og det gode arbeidsmiljøet.

– Jeg trives veldig godt her. Det er trivelige folk, mye frihet og høy tillit.

– Folk er genuint interessert i jobben sin, og det skaper en god stemning og et positivt fagmiljø.

Hun setter også pris på friheten og tilliten hun får i jobben.

– Vi jobber mye selvstendig, men samarbeider også på tvers av grupper og avdelinger når det trengs.

– Noen jobber mer på lab enn det jeg gjør, så vi har forskjellige roller. Men vi sitter flere fagmiljøer samlet, og det er ofte behov for samarbeid. Jeg opplever at det fungerer veldig bra.

Tålmodighet, nysgjerrighet og evne til å stå i det

Når Jenny får spørsmål om hvilke egenskaper som er viktig i jobben, nevner hun tre ting:  

– Du må kunne jobbe selvstendig, være analytisk og tålmodig.

– Det går ikke alltid på skinner, men det hører med til forskningen. Du må tåle at ting tar tid, og like å finne ut av ting steg for steg.

Velg noe du virkelig synes er interessant

Jenny har noen gode råd til de som vurderer å studere kjernefysikk og nukleærteknologi:

– Velg noe du faktisk er interessert i. Da blir det mye lettere å legge ned innsatsen som trengs, og sjansen for å trives i jobben senere blir mye større. 

Hun trekker også frem det gode studiemiljøet.

– På fysikk var det et veldig godt sosialt miljø. Man får venner og samarbeidspartnere, og det er tett oppfølging. Det er mange gruppetimer, og ofte er gruppelærerne eldre studenter som har tatt faget selv. Det gjør det lett å spørre om hjelp. Jeg stilte mange spørsmål selv, og fikk alltid den hjelpen jeg trengte.

Les mer om hva du kan bli med kjernefysikk og nukleærteknologi.