kajtu36

Kajsa Tunedal

Doktorand

Jag använder matematiska modeller för att förstå sjukdomar som hjärt-och kärlsjukdomar och fetma. Min forskning fokuserar främst på modellering av det kardiovaskulära systemet för att undersöka mekanismerna bakom högt blodtryck.

Kardiovaskulära modeller för att förstå högt blodtryck 

Högt blodtryck, eller hypertoni, är ett av de vanligaste hälsoproblemen idag med 25% män drabbade över hela världen. Högt blodtryck definieras i Europa som ett systoliskt/diastoliskt blodtryck över 140/90 mmHg och är en riskfaktor för en mängd andra kardiovaskulära sjukdomar, såsom kranskärlssjukdom, hjärtsvikt och njursvikt. De grundläggande bakomliggande orsakerna är kända, men behandlingen samt kopplingen till andra kardiovaskulära sjukdomar är komplex och det behövs djupare förståelse för de hemodynamiska förändringarna vid högt blodtryck. Mitt mål är att beskriva de komplexa mekanismerna bakom högt blodtryck genom att använda och utveckla en matematisk modell över det kardiovaskulära systemet.

Personifierade modeller med individspecifik hemodynamik kan skapas genom att inkludera blodtrycksmätningar och informativa bilddata som 4D flödesmagnetresonans (4D flow MR) i modellen. Genom att jämföra och använda de personspecifika modellerna kan nya insikter om de hemodynamiska mekanismerna bakom högt blodtryck hittas. Dessutom skulle en kardiovaskulär modell tillsammans med automatiserad databehandling kunna användas som ett nytt kliniskt redskap för individualiserad diagnostik och behandling vid högt blodtryck.

Om mig

Utbildningsområde

  • Jag handleder kandidatprojekt inom systembiologi för studenter i teknisk biologi.
  • Jag handleder Ingenjörsprojekt för förstaårsstudenter på Y, Yi och MED i projektet ”EGK-registrering under fysisk aktivitet”.

Publikationer

2023

Kajsa Tunedal, Federica Viola, Belén Casas Garcia, Ann Bolger, Fredrik H Nyström, Carl Johan Östgren, Jan Engvall, Peter Lundberg, Petter Dyverfeldt, Carljohan Carlhäll, Gunnar Cedersund, Tino Ebbers (2023) Haemodynamic effects of hypertension and type 2 diabetes: Insights from a 4D flow MRI-based personalized cardiovascular mathematical model Journal of Physiology, Vol. 601, s. 3765-3787 (Artikel i tidskrift) Vidare till DOI

Forskning

Organisation