Realdania og Bolius har gennem flere år arbejdet mod at sætte radon på danskernes dagsorden og nedbringe forekomsten af det skadelige stof.

Selvom radon ikke kan ses, så er det en usynlig dræber, der kan forårsage udviklingen af lungekræft. Derom er ingen eksperter i tvivl.

Et af tiltagene har været hjemmesiden www.radonfrithjem.dk, hvor boligejerne har kunne indtaste deres adresse og se en risikovurdering. Hidtil har vurderingen dog kun været et gennemsnit for hele kommunen eller lokalområdet – og ikke den specifikke bolig.

Da radonniveauet også er bestemt af parametre som byggeår, boligareal og antal etager, der er forskelligt fra hus til hus, har Realdania og Bolius haft et ønske om at kunne skabe en mere præcis risikovurdering.

Det ønske er nu blevet opfyldt gennem et samarbejde med IBM, Mindshare og GroupM. I løbet af de seneste to år har Bolius fået adgang til resultater og unikke data fra ca. 9.000 radonmålinger i Danmark.

Nu kan radonniveauet forudses

Gennem machine learning er de mange data blevet analyseret, så en særlig algoritme i dag kan forudse radonniveauer for hver enkelt husstand i Danmark.

– Det er et stort skridt i den rigtige retning for vores arbejde med bekæmpelsen af radon. Et mere præcist resultat kan forhåbentlig føre til, at flere opdager radon i boligen tidligere, så en radonsikring kan sættes ind – og så radon på sigt ikke vil være kilde til dødsfald i Danmark, fortæller administrerende direktør Ulrik Heilmann fra Bolius.

Det er machine learning, der er nøgleordet, og dette automatiserede værktøj er for alvor blevet sat i system, efter GroupM i Norden i slutningen af 2016 indgik et samarbejde med IBM med fokus på machine learning og AI.

Radon-samarbejdet mellem de fem parter var derfor oplagt, da Bolius og Realdania ligger inde med unikke data, GroupM og Mindshare besidder de rigtige machine learning-kompetencer, mens IBM har topmoderne teknologier til at facilitere projektet.

– Ved at afprøve flere forskellige machine learning-teknikker har vi udviklet en algoritme, som kan forudsige radon-intervaller med høj præcision, fortæller Emil Lauritsen fra
GroupM.

– Dette har vi gjort ved at undersøge de forskellige
elementer, der kan have en indvirkning på
radon i boligen og finde sammenhængen
mellem disse.

Nu kan det enkelte hus testes

– Ved hjælp af machine learning
lærer vi algoritmen at forstå, hvordan disse elementer kan påvirke hinanden, hvorefter vi kan lave en matematisk model, som afspejler virkeligheden.

Kalle Clausen-Bruun, Adaptive Data Manager hos Mindshare, og tovholder på projektet supplerer:

– Ved at implementere algoritmen i IBM’s machine learning-system, og kombinere det med oplysninger fra Bygnings- og Boligregistret, kan brugeren i dag få at vide, hvor stor en sandsynlighed deres specifikke hus har for at have et skadeligt niveau af radon.

Algoritmen er efterfølgende blevet implementeret på Bolius hjemmeside, hvor danskerne kan søge på deres adresse og få et mere præcist risikoestimat. Testen er således klar til, at Bolius og Realdania igen denne vinter sætter fokus på radon i hjemmet i forbindelse med deres årlige kampagne.

Tag selv testen for din bolig her:

Læs mere om radon i boligen her