ThermRisk: Personlig digital tvilling for vurdering av termisk risiko i ekstreme miljø
Individuelle forskjeller i fysiologi og kroppsgeometri kan ha stor betydning for hvordan mennesker påvirkes av ekstrem varme og kulde. Dette forskningsprosjektet utvikler en digital tvilling av menneskekroppen for å gi mer presise vurderinger av termisk risiko og tilhørende helserisiko for den enkelte.
Om prosjektet
Eksponering for ekstreme temperaturforhold kan påvirke helse, sikkerhet og yteevne i en rekke sammenhenger. Dette ser vi blant annet innen helsevesen, beredskap, industri, forsvar og idrett. Dagens retningslinjer for sikkerhet og risikovurderinger bygger i stor grad på generelle modeller. De tar i begrenset grad hensyn til individuelle forskjeller i fysiologi, kroppsgeometri, bekledning og miljøforhold.
Prosjektet skal utvikle en personlig digital tvilling av menneskekroppen for vurdering av termisk risiko i sanntid. Målet er å etablere et mer presist grunnlag for vurdering av hvordan enkeltpersoner reagerer på varme- og kuldeeksponering.
Prosjektet samler forskere fra fakultet for helse- og sosialvitskap (FHS), fakultet for lærarutdanning, kultur og idrett (FLKI) og fakultet for teknologi, miljø- og samfunnsvitskap (FTMS) i et tverrfaglig samarbeid innen digital helse og innovasjon.
Vitenskapelig tilnærming og metoder
Prosjektet kombinerer fysiologi, digital kroppsgeometri, termofysiologisk modellering og kunstig intelligens for å utvikle en digital tvilling av menneskekroppen. Modellen bygges og valideres ved hjelp av eksperimentelle data fra kontrollerte varme- og kuldestudier.
Vitenskapelig tilnærming
Prosjektet kombinerer personspesifikk kroppsgeometri, termofysiologisk modellering, eksperimentelle data og kunstig intelligens i én samlet modell for vurdering av termisk risiko.
Modellen utvikles og valideres gjennom en kombinasjon av laboratoriestudier, kroppsskanning og numerisk modellering. Valideringen bygger på sammenligning mellom modellresultater og eksperimentelle data, samt kryssvalidering mellom LiDAR-baserte og CT-baserte kroppsgeometrier.
Data og kroppsgeometri
Frivillige deltakere gjennomgår 3D-kroppsskanning ved hjelp av LiDAR- og laserteknologi. For et utvalg deltakere etableres også CT-baserte kroppsgeometrier som grunnlag for sammenligning og validering av skannemetodene. Samtidig registreres antropometriske mål, inkludert høyde, vekt og kroppsmasseindeks (BMI), samt relevante risikofaktorer.
Fysiologiske studier
Det gjennomføres kontrollerte laboratoriestudier med både varme- og kuldeeksponering. Minst 100 deltakere skal inkluderes i løpet av prosjektperioden på tre år.
Under forsøkene registreres blant annet:
- kjernetemperatur og hudtemperatur
- hjerte- og karfunksjon, inkludert puls og blodtrykk
- subjektive vurderinger av termisk komfort og ubehag
- kardiovaskulære risikomarkører
Studiene gjennomføres som randomiserte, kontrollerte studier der deltakerne eksponeres for både varme og kulde i ulik rekkefølge.
Termisk modellering
Basert på etablerte prinsipper innen varmeoverføring og termofysiologi utvikles en numerisk modell av menneskekroppens temperaturregulering. Modellen beskriver blant annet:
- varmetransport via blodperfusjon
- metabolsk varmeproduksjon
- varmeutveksling mellom kroppen og omgivelsene gjennom konveksjon, stråling, fordampning og faseendringer
Modellen utvikles i en åpen kildekode-plattform og bygger på finitte element-metoder for å beregne hvordan varme transporteres og fordeles i kroppen. For å representere kompleks vevssammensetning og retningsavhengig varmeledning benyttes en tilnærming basert på effektiv termisk konduktivitet.
Kunstig intelligens og modellakselerasjon
Fullstendige numeriske simuleringer kan være beregningstunge. For å gjøre modellen mer beregningseffektiv brukes kunstig intelligens og maskinlæring til å:
- utvikle effektive representasjoner av randbetingelser og materialparametere
- redusere modellens kompleksitet uten vesentlig tap av nøyaktighet
- muliggjøre raske beregninger og sanntidsanalyser
Validering
Modellens beregnede temperaturprofiler og fysiologiske responser sammenlignes systematisk med data fra de eksperimentelle studiene. Modellparametere justeres og optimaliseres for å redusere avvik mellom beregnede og målte verdier.
LiDAR-baserte og CT-baserte kroppsgeometrier sammenlignes for å sikre at modellene er robuste og tilstrekkelig presise for bruk i den digitale tvillingen.
Prosjektleder
Medlemmer
TBA
