Wir stellen das Labor der Zukunft vor

Jul 14, 2023

Füllen Sie das Formular unten aus und wir senden Ihnen per E-Mail eine PDF-Version von „Introducing the Lab of the Future“.

Füllen Sie das Formular unten aus, um den Zugriff auf ALLE Audioartikel freizuschalten.

Wenn Sie sich heute in einem Forschungslabor umschauen, was sehen Sie? Forscher extrahieren Daten aus Hunderten von Einzelgeräten, bevor sie sie manuell zu einer Tabellenkalkulation hinzufügen (was dabei zu Fehlern führt). Diese Tabellen sind auf mehrere Computer verteilt, und die Forscher haben Mühe, jeden einzelnen davon zu bereinigen und zu analysieren. Es ist wahrscheinlich, dass jeder Forscher als einzelnes Silo arbeitet und handgeschriebene Laborbücher verwendet, ohne Rücksicht auf Nachhaltigkeit, Labor- oder Energieeffizienz oder Kostenreduzierung. 70 % der Zeit von Labormitarbeitern werden mit Verwaltungsaufgaben, Vorbereitungsarbeiten, der Suche und Bereinigung von Daten und Berichten verschwendet.1 Gibt es nicht eine bessere Art, Wissenschaft zu betreiben?

In diesem Artikel stellen wir Ihnen das Labor der Zukunft vor, was Sie darin erwarten können und welche Auswirkungen es auf die wissenschaftliche Forschung und die Industrie haben wird.

Der Begriff „Labor der Zukunft“ ist eine Sammelbezeichnung für die Technologien, die die nächste Generation von Forschern prägen und ermöglichen werden. Werfen wir einen Blick darauf, wie das Labor ablaufen wird.

Im Labor der Zukunft wird die Datenerfassung durch Plug-and-Play-Geräte im Internet der Dinge in teilautonomen Laborprozessen ermöglicht. Alle aus Analysen und Experimenten gewonnenen Daten und Metadaten werden direkt von Instrumenten und Forschern in ein einziges, verwaltetes Datenökosystem eingespeist, das zur unauslöschlichen Aufzeichnung wird und für weitere Analysen verfügbar bleibt.

Automatisierung und Robotik kümmern sich um alle Proben, Chemikalien und Geräte. Sensoren werden die Laboraktivität aufzeichnen und die Versorgung mit Reagenzien und Proben sicherstellen, sodass Wissenschaftler in ihrem Fachgebiet arbeiten können – Forschung und Mehrwert schaffen.

Das Labor der Zukunft wird virtuelle und physische Technologie integrieren und kann zwischen Teams und Organisationen gemeinsam genutzt werden, sowohl vor Ort als auch aus der Ferne.

Visualisierungstools wie Augmented Reality werden das, was Forscher sehen, mit digitalen Informationen wie Sicherheitsverfahren und Chargennummern erweitern.

Probleme in der Lieferkette werden durch maschinelle Lernmodelle automatisch vorhergesagt und gelöst, und Systeme haben die Aufgabe, spezifische Ergebnisse zu liefern, um ihre Leistung zu verbessern und dabei effizienter zu werden.

Das Labor der Zukunft wird auch viel mehr Wert auf Nachhaltigkeit, Labor- und Energieeffizienz legen und umweltfreundliche Produkte beschaffen, die aus weniger giftigen Materialien hergestellt werden.

Wie soll das alles erreicht werden und welche Technologien werden benötigt, um dies Wirklichkeit werden zu lassen?

Die Innovationen des Labors der Zukunft lassen sich in sieben große Gruppen einteilen:

Durch die Verknüpfung von Personen, Geräten, Verbrauchsmaterialien, Systemen und Daten machen Sie Informationen leichter zugänglich und ermöglichen eine zuverlässige, detaillierte Suche bei Bedarf. Forscher und andere Mitarbeiter sollten Vertrauen in Ihre Daten haben, und daher sollten die Daten von hoher Qualität sein – sie sollten FAIR2 (auffindbar, zugänglich, interoperabel und wiederverwendbar) sein. In diesem Zusammenhang sind Laborinformationsmanagementsysteme (LIMS) und elektronische Laborbücher (ELNs) von entscheidender Bedeutung.3

Ein LIMS ist eine Art Software, die auf einem Server gespeichert ist und darauf ausgelegt ist, die Produktivität und Effizienz des Labors zu verbessern, indem es Daten im Zusammenhang mit Proben, Experimenten, Laborabläufen und Instrumenten verfolgt. Es handelt sich um ein Tool, mit dem Sie alle Laborprozesse aktiv verwalten können, von der Instrumentenwartung und den Proben bis hin zu Personen und Verbrauchsmaterialien, wodurch menschliche Fehler reduziert und die Effizienz gesteigert werden.4

Ein ELN ist eine Software zum Sammeln und Organisieren von Informationen und Notizen, die es Forschern ermöglicht, in einem Labor durchgeführte Forschungen, Experimente und Verfahren zu dokumentieren und ihre Daten nahtlos zu sammeln, zu organisieren und zu teilen.5

Beispielsweise hat das Human Tissue Resource Center (HTRC) der Abteilung für Pathologie der University of Chicago eine LIMS-Lösung eingeführt, die eine Schnittstelle integriert, die für eine skalierbare Produktionsumgebung konzipiert ist. Es sammelt und verfolgt Biobankdaten wie Patienteninformationen, Diagnose, Organstandort und verknüpfte Pathologieberichte.

Bis vor kurzem konnte ein LIMS eine wirklich teure Option sein; Die Beschäftigung von Serverspezialisten und technischem Personal kann eine Belastung für Ressourcen sein, und LIMS war nur für die größten Unternehmen eine wirklich praktikable Lösung.

Mittlerweile gibt es cloudbasierte LIMS, bei denen das alles für Sie erledigt wird – ein Anbieter hostet es extern. Es fallen keine Vorabkosten an, es muss kein technisches Personal eingestellt werden, und Sicherheit und Einhaltung gesetzlicher Vorschriften sind standardmäßig integriert.

Mit einer Cloud-basierten Lösung gehen jedoch auch erhöhte Risiken einher, beispielsweise durch Cyber-Verstöße. Es ist von entscheidender Bedeutung, dass ein Labor vor Cyberangriffen geschützt ist und dass die Daten sicher bleiben, dass die Nutzung konform und gleichzeitig für autorisierte Stakeholder transparent ist. Dieses Bewusstsein hat dazu geführt, dass Sicherheit für viele Cloud-Anbieter an erster Stelle steht.

Das Miami Project to Cure Paralysis ist ein bahnbrechendes Forschungszentrum für Rückenmarksverletzungen, das ein Labor an der University of Miami betreibt. Obwohl ihr Labor relativ klein ist, führen ihre mehr als 20 Forscher ein High-Content-Screening von Genen und Verbindungen durch, um Wege zu finden, das Wachstum von Nervenzellen zu verbessern, und die Menge an Daten, die sie generieren, ist überwältigend.

Sie wechselten zunächst von einem papierbasierten System zu einer selbst gehosteten LIMS-Lösung und dann zu einer cloudbasierten LIMS-Lösung.

„Upgrades erfolgen jetzt automatisch und das Miami-Projekt bleibt auf dem neuesten Stand. Für ein kleines Labor ist das ein großer Vorteil“, sagt Vance Lemmon, Professor für neurologische Chirurgie am Labor.6

Im digitalen Labor kommt es durch das Internet der Dinge (IoT) zu einer verbesserten Instrumentenvernetzung. Dies ermöglicht eine effizientere Datenerfassung, was es Pharma- und Biowissenschaftsunternehmen ermöglicht, die Produktqualität zu kontrollieren, die Leistung der Laboranlagen, Laborabläufe und die Beschleunigung des Forschungsdurchsatzes zu optimieren und letztendlich die Ergebnisse für die Patienten zu verbessern.

Unter IoT versteht man die Integration intelligenter Geräte in die gesamte Laborlandschaft über mit dem Internet verbundene Sensoren oder Software. Die Verfügbarkeit erschwinglicher und vernetzter Technologie ermöglicht es Laboren, ihre Abläufe zu optimieren und Instrumente und Daten effizienter zu kombinieren.7 Dadurch werden zwangsläufig große Datenmengen (Volumen) aus verschiedenen Quellen (Vielfalt) generiert, die möglichst zeitnah (Geschwindigkeit) sind. . Diese „drei Vs von Big Data“ und die Fähigkeit, einen Daten-Tsunami in umsetzbare Ergebnisse umzuwandeln, sind der Schlüssel zum Verständnis der Herausforderungen des (Big) Data-Managements.8

Darüber hinaus ist Nachhaltigkeit eine weitere Priorität für die Life-Science-Branche. Labore sind in der Lage, die Gefahrenbelastung zu minimieren, Abfall zu reduzieren, die Laboreffizienz zu steigern und Kosten zu senken, indem sie energieeffiziente Instrumente und Geräte verwenden und umweltfreundliche Produkte beziehen, die aus weniger giftigen Materialien hergestellt werden.

Beispielsweise verwenden viele Labore mittlerweile energiesparende LED-Lampen anstelle herkömmlicher Beleuchtung und stellen sogar auf quecksilberfreie Mikroskopie um.

Die Erkenntnis, dass bestimmte Chemikalien wie Formalin, Ethylalkohol und Xylol recycelt, destilliert oder gefiltert werden können, kann dabei helfen, eine Strategie zu formulieren, um zu verhindern, dass chemische Abfälle Teil des Abfallstroms des Labors werden – und kann auch die Kosten senken. Eine gemeinnützige Organisation Die Organisation hat ein anbieterneutrales Kennzeichnungssystem für Umweltauswirkungsfaktoren eingeführt – ACT (Accountability, Consistency and Transparency) – ähnlich dem Nährwertkennzeichnungssystem für Lebensmittel, das wir in unseren Supermarktregalen sehen. Das ACT-System zielt darauf ab, Informationen über die Umweltauswirkungen der Herstellung, Verwendung und Entsorgung eines Produkts und seiner Verpackung bereitzustellen und so die Auswahl sicherer, nachhaltiger Produkte im Labor zu erleichtern.9

Sobald Ihre Daten und Arbeitsabläufe automatisiert und optimiert sind, können Sie diese fortschrittlichen Analysemodalitäten nutzen, um umsetzbare Erkenntnisse zu gewinnen und so intelligente, datenbasierte Geschäftsentscheidungen zu treffen.

Es gibt zwei Hauptmodi der KI; vorausschauend und zielorientiert.

Im prädiktiven Modus kann KI beispielsweise eingesetzt werden, um zu antizipieren, wann Probleme im Supply Chain Management auftreten könnten, und automatisch Lösungen umzusetzen.

Im zielbasierten Modus können Sie ein intelligentes System über Ihr gewünschtes Ergebnis informieren und es iterativ lernen lassen, wie dieses Ergebnis erreicht werden kann. Dies ist insbesondere im Bereich der Robotik von Bedeutung, kann aber auch dazu führen, dass die KI das optimale nächste Experiment auswählt. Kürzlich hat beispielsweise ein in Großbritannien ansässiges Unternehmen wohl eine der größten Herausforderungen gelöst, mit denen die Biologie seit mehreren Jahrzehnten konfrontiert ist – das „Proteinfaltungsproblem“ –, indem es ein KI-System namens AlphaFold verwendet, um die Struktur und Form eines Proteins vorherzusagen und zu bestimmen. 10

Die Laborautomatisierung wird üblicherweise nach dem Grad der Instrumentenintegration klassifiziert:11

Viele Labore kombinieren mittlerweile fortschrittliche Analytik mit Automatisierung und Robotik für schnellere und gezieltere wissenschaftliche Entdeckungen. Labore können beispielsweise Robotik und automatisierte Systeme nutzen, um qualitativ hochwertige Daten zu generieren, die von ML interpretiert und von KI verwendet werden, um das nächste optimale Experiment auszuwählen, das durchgeführt werden soll.12 Ebenso haben F&E-Labore in diesen Bereichen KI-Algorithmen und Automatisierung eingesetzt Closed-Loop-Ansätze zur Identifizierung, Synthese und Validierung neuartiger Moleküle. Beispielsweise haben Forscher am Zentrum für Molekulare Medizin in Oslo, Norwegen, mithilfe eines ML-Ansatzes und Genexpressionsdaten neue Biomarker und potenzielle Angriffspunkte für Medikamente für seltene Weichteilsarkome gefunden.13

Virtuelle Realität (VR) hat im Labor an Akzeptanz gewonnen, und es gibt vielversprechende Projekte, wie etwa die Verwendung von VR-Headsets zur Navigation durch Mikroskopiedaten und zur Durchführung von Kolokalisierungsanalysen.16

Und aus VR entsteht Augmented Reality (AR), das nun aus der Spielewelt in die Labore vordringt. Im Gegensatz zu VR trennt AR die Menschen nicht von der realen Welt, sondern erweitert sie durch das Hinzufügen zusätzlicher Informationen.

AR kann zur Unterstützung der biowissenschaftlichen Forschung, Ausbildung, internationalen Zusammenarbeit und Einhaltung gesetzlicher Vorschriften eingesetzt werden.

Mit AR könnten Trainer Forscher aus der Ferne überwachen, ihre Umgebung sehen und hören und in Echtzeit Ratschläge geben. Forschungslabore könnten ihre eigenen Schulungsprogramme unter Einbeziehung von AR und KI entwickeln, um die Einführungsprozesse neuer Forscher zu rationalisieren und die Einhaltung standardmäßiger Arbeitsabläufe sicherzustellen.

Einer der größten Vorteile, die AR für Forschungslabore bringen könnte, ist die Fähigkeit, Qualitätskontrolldaten in Echtzeit zu erfassen, sodass Forscher vor Ort Entscheidungen zur Aufrechterhaltung der Qualität treffen können.

AR-Tools können auch bei der Compliance helfen, indem sie interaktive Protokolle bereitstellen, Daten automatisch aufzeichnen und Zeitstempel aller Aufgaben einschließen – sie überwachen sogar die Aktionen der Forscher und geben nachfolgende Schritte erst frei, wenn jede Aufgabe korrekt ausgeführt wurde.

Im Rahmen der Bemühungen der Organisation der Vereinten Nationen für industrielle Entwicklung (UNIDOs), Industrie und moderne intelligente Technologie zu fördern, richteten sie im Jahr 2020 eine virtuelle Bewertung des Kosmetiklabors der Food and Drugs Authority (FDA) der ghanaischen Regierung in Accra ein.17

Sie nutzten AR, um einem in Rom ansässigen internationalen Experten für Laboranalysen den Austausch von Video-, Audio- und Datendaten zu ermöglichen, technische Unterstützung bereitzustellen und die physische Infrastruktur, Ausrüstung und personellen Kapazitäten des Labors in Accra zu bewerten. Der Analyst im FDA Cosmetic Laboratory konnte Anweisungen direkt vom internationalen Experten erhalten und die erforderlichen Aufgaben ausführen.

Das UNIDO-Projektmanagementteam in Wien, Österreich, nahm ebenfalls an der Live-Sitzung teil und nach der Durchführung des virtuellen Besuchs kam das Expertenteam zu dem Schluss, dass das FDA Cosmetic Laboratory bereit ist, Unterstützung von UNIDO in seinem Akkreditierungsprozess zu erhalten.

Unternehmen, die sich einer digitalen Transformation unterziehen, werden eine Optimierung von Prozessen und Durchsatz erleben, verbunden mit einer gleichzeitigen Verbesserung der Qualitätskontrolle und Compliance.18

Das digitale Labor wird weitaus stärker automatisiert sein und infolgedessen weniger Wissenschaftler beschäftigen. Die Fähigkeiten der im Labor arbeitenden Personen werden daher für den Betrieb von entscheidender Bedeutung sein. Die verbleibenden Forscher werden offenere Co-Working-Räume für Zusammenarbeit und Teamarbeit vorfinden.

Ein verstärkter Fokus auf Technologien und Datenstandards wie IoT und FAIR wird sicherstellen, dass Datenschutz und Sicherheit bei der Sicherung der digitalen Vermögenswerte des Labors weiterhin an erster Stelle stehen, und eine stärkere Aufmerksamkeit für umweltfreundliche Produkte wird zu einem nachhaltigeren, effizienteren und kostengünstigeren Labor führen .

Schließlich passen sich weiterhin neuartige Technologien an und entstehen. Noch vor zehn Jahren befanden sich ML-, AR- und Spracherkennungstechnologien in einem embryonalen Entwicklungsstadium, und obwohl sie noch in den Kinderschuhen stecken, entwickelt sich ihr Nutzen weiterhin erstaunlich schnell. Es wäre töricht, vorherzusagen, wie sie in einem Jahrzehnt genutzt werden oder welche neuen, noch nie dagewesenen Technologien entstehen werden.

Auch wenn die Zukunft schwer vorherzusagen ist, lässt sich mit Fug und Recht sagen, dass die Zukunft des Labors, auch wenn es sich weiterentwickelt, spannend ist.

1. Robinson, E. Was bedeutet die vierte industrielle Revolution für die Forschung? https://www.technologynetworks.com/informatics/blog/what-does-the-fourth-industrial-revolution-mean-for-research-348411. Veröffentlicht am 4. Mai 2021.2. Wilkinson M, Dumontier M, Aalbersberg I, et al. Die FAIR-Leitprinzipien für wissenschaftliches Datenmanagement und -verwaltung. Sci-Daten. 2016; 3: 160018. https://doi.org/10.1038/sdata.2016.183. Mackenzie, R. ELN, LIMS, CDS, LES: Was ist der Unterschied? https://www.technologynetworks.com/informatics/articles/eln-lims-cds-les-whats-the-difference-313834. Veröffentlicht am 11. Januar 2019.4. Mackenzie, R. Was sind die neuesten Fortschritte bei LIMS? https://www.technologynetworks.com/informatics/infographics/what-are-the-latest-advances-in-lims-351926. Veröffentlicht am 27. Oktober 20215. Mackenzie, R. 5 Möglichkeiten, wie der Einsatz eines ELN Ihre Forschung verbessern kann. https://www.technologynetworks.com/informatics/lists/5-ways-that-using-an-eln-can-improve-your-research-324704. Veröffentlicht am 4. Oktober 20196. Lemmon V, Buchser W, Crossett D. Integration von Informatik und High-Content-Screening, um ein Heilmittel für Rückenmarksverletzungen zu finden: Auswahl eines LIMS für die ZNS-Regeneration. Amerikanisches Labor. 2010; 42. 24-+.7. Gill JM. Das Internet der Dinge im Life-Science-Labor. SLAS Technol: Innovation in den Biowissenschaften übersetzen. 2018; 23(5): 405-406. doi:10.1177/24726303187931018. Gandomi A, Haider M. Jenseits des Hype: Big-Data-Konzepte, -Methoden und -Analysen. Internationale Zeitschrift für Informationsmanagement. 2015; 35(2): 137-144, ISSN 0268-4012, https://doi.org/10.1016/j.ijinfomgt.2014.10.0079. Steward, K. Öko-Ernährungskennzeichnung für Laborgeräte könnte die Wissenschaft zu einem umweltfreundlicheren Ort machen. https://www.technologynetworks.com/applied-sciences/articles/eco-nutrition-label-for-labware-could-make-science-a-greener-place-to-be-335504. Veröffentlicht am 1. Juni 2020.10. Campbell, M. Künstliche Intelligenz löst ein 50 Jahre altes Problem in der Proteinbiologie. https://www.technologynetworks.com/proteomics/news/artificial-intelligence-cracks-a-50-year-old-problem-in-protein-biology-343427. Veröffentlicht am 30. November 2020.11. Evangelopoulos AA, Dalamaga M, Panoutsopoulos K, Dima K. Nomenklatur und Grundkonzepte der Automatisierung im klinischen Labor: ein praktisches Glossar. Kliniklabor. 2013; 59: 1197-214. https://doi.org/10.7754/clin.lab.2013.13014012. Faron ML, Buchan BW, Relich RF, Clark J, Ledeboer NA. Evaluierung der WASPLab-Segregationssoftware zur automatischen Analyse von Urinkulturen unter Verwendung von Routineblut und MacConkey-Agars. J Clin Microbiol. 2020; 58: e01683-19. https://doi.org/10.1128/JCM.01683-1913. van IJzendoorn DGP, Szuhai K, Briaire-De Bruijn IH, et al. Die maschinelle Lernanalyse von Genexpressionsdaten enthüllt neue diagnostische und prognostische Biomarker und identifiziert therapeutische Ziele für Weichteilsarkome. PLoS Comput Biol. 2019; 15: 1-19. https://doi.org/10.1371/journal.pcbi.100682614. Earnest S, Echt A, Garza E et al. Tragbare Technologien für mehr Sicherheit und Gesundheit auf Baustellen. Zentren für Krankheitskontrolle und Prävention. https://blogs.cdc.gov/niosh-science-blog/2019/11/18/wearables-construction/. Veröffentlicht am 18. November 2019.15. Howard J, Murashov V, Cauda E und Snawder J. Fortschrittliche Sensortechnologien und die Zukunft der Arbeit. Zentren für Krankheitskontrolle und Prävention. https://blogs.cdc.gov/niosh-science-blog/2021/10/21/sensors-fow/. Veröffentlicht am 21. Oktober 2021.16. Theart RP, Loos B, Niesler TR. Virtual-Reality-unterstützte Mikroskopiedatenvisualisierung und Kolokalisierungsanalyse. BMC Bioinformatik 2017; 18, 64. https://doi.org/10.1186/s12859-016-1446-217. Davila, JP. Wie „Smart Glasses“ Prüflabore unterstützen können. https://www.unido.org/news/how-smart-glasses-can-support-testing-laboratories18. Taylor K, Ronte H, Payne S. A Bold Future for Life Sciences Regulation Predictions 2025. 2018. Zugriff am 20. Oktober 2021. https://www2.deloitte.com/content/dam/Deloitte/global/Documents/Life-Sciences -Health-Care/gx-life-sciences-regulation-predictions-2025.pdf