Fremtidens laboratorium: Kunstig intelligens og automatisering inden for forskning

Indledning

Videnskabelige laboratorier har altid udviklet sig i takt med teknologien. Fra udviklingen af stadig mere kraftfulde mikroskoper til sofistikerede analyseinstrumenter og computeriserede datasystemer har hver generation af laboratorieteknologi ændret, hvad forskerne kan observere, måle og forstå.

I dag er endnu en stor forandring undervejs.

Automatisering, kunstig intelligens, forbundne instrumenter og avanceret dataanalyse er begyndt at omforme den måde, moderne laboratorier fungerer på. I stedet for udelukkende at stole på isolerede instrumenter og manuelt registrerede resultater kan laboratorier i stigende grad opbygge sammenkoblede forskningsmiljøer, hvor udstyr, software og forskere arbejder sammen.

Fremtidens laboratorium er derfor ikke blot et rum fyldt med mere avanceret udstyr. Det er et intelligent forskningsmiljø, der er designet til at gøre det videnskabelige arbejde mere effektivt, reproducerbart og datadrevet.

Automatisering ændrer det rutinemæssige laboratoriearbejde

Mange laboratorieprocedurer indebærer gentagne opgaver. Forberedelse af prøver, dosering af væsker, organisering af prøver og registrering af målinger kan optage en betydelig del af forskernes tid.

Automatisering tilbyder et alternativ.

Robotbaserede væskehåndteringssystemer, automatiserede prøvebehandlere og programmerbare laboratorieinstrumenter kan udføre standardiserede procedurer gentagne gange under foruddefinerede betingelser. Dette kan være særligt værdifuldt, når hundredvis eller tusindvis af prøver skal behandles ved hjælp af den samme metode.

Automatisering fjerner ikke nødvendigvis laboratoriepersonalets rolle. I stedet kan den ændre, hvor forskerne bruger deres tid.

Når rutineprocesser automatiseres, kan forskerne koncentrere sig mere om eksperimentelt design, fortolkning og fejlfinding.

Konsistens udgør en anden potentiel fordel. Selv erfarne laboratoriemedarbejdere kan indføre små variationer, når de manuelt gentager en procedure mange gange. Korrekt konfigurerede automatiserede systemer kan udføre gentagne handlinger konsekvent, selvom deres ydeevne stadig afhænger af kalibrering, vedligeholdelse og passende validering.

Kunstig intelligens finder vej ind i laboratoriet

Kunstig intelligens bliver stadig mere synlig på tværs af de videnskabelige discipliner.

Moderne laboratorier kan generere enorme mængder information. Genomsekventering, mikroskopi, analytisk kemi og højkapacitetsscreening kan producere datasæt, der indeholder millioner af individuelle målinger.

Det kan være en udfordring at finde meningsfulde sammenhænge i sådanne datasæt.

Algoritmer baseret på maskinlæring kan hjælpe forskere med at identificere mønstre, klassificere observationer og prioritere information med henblik på yderligere undersøgelse.

Mikroskopi er et godt eksempel. I stedet for at forskerne manuelt gennemgår hvert enkelt billede, kan computervisionssystemer hjælpe med at identificere og kategorisere træk på tværs af store billedsamlinger.

AI kan også understøtte analytiske arbejdsgange ved at hjælpe forskere med at genkende usædvanlige resultater eller sammenhænge, der fortjener nærmere undersøgelse.

Kunstig intelligens bør dog ikke forveksles med videnskabeligt bevis. En algoritme kan identificere statistiske mønstre, men disse mønstre skal stadig testes og fortolkes ved hjælp af etablerede videnskabelige metoder.

Fremtidens laboratorium vil derfor sandsynligvis kombinere computermæssig intelligens med menneskelig videnskabelig vurdering.

Forbundne instrumenter og det smarte laboratorium

En af de største forandringer finder måske sted bag kulisserne.

Traditionelt har laboratorieudstyr ofte fungeret uafhængigt. En forsker kan f.eks. indhente målinger fra et instrument, manuelt overføre dem til et andet program og til sidst indarbejde resultaterne i en rapport.

Forbundne laboratoriemiljøer har til formål at reducere denne fragmentering.

Moderne instrumenter kan i stigende grad kommunikere med laboratorieinformationssystemer og andre softwareplatforme. Målinger kan registreres digitalt, knyttes til det korrekte eksperiment og indarbejdes i centraliserede forskningsregistre.

Dette skaber grundlaget for det, der undertiden beskrives som et smart laboratorium.

Forestil dig et eksperiment, hvor miljøsensorer løbende registrerer temperatur og luftfugtighed, mens analyseudstyret genererer målinger automatisk. I stedet for at føre separate journaler kan oplysningerne potentielt samles i et struktureret digitalt miljø.

Forskere kan dermed ikke blot undersøge de endelige eksperimentresultater, men også de betingelser, under hvilke disse resultater blev frembragt.

Bedre datahåndtering betyder bedre forskning

Moderne videnskab er i stigende grad afhængig af data.

Efterhånden som laboratorierne bliver mere digitale, bliver det lige så vigtigt at opbevare nøjagtige og sporbare oplysninger som at betjene avanceret udstyr.

Elektroniske laboratoriejournaler og laboratorieinformationsstyringssystemer kan hjælpe forskere med at organisere eksperimentelle procedurer, prøver, målinger og observationer.

Digitale optegnelser kan også gøre samarbejdet nemmere.

Forskere, der arbejder i forskellige afdelinger – eller endda i forskellige lande – kan potentielt gennemgå standardiserede datasæt uden at være afhængige af håndskrevne notesbøger eller uforbundne regneark.

Men digitaliseringen medfører nye forpligtelser.

Laboratorierne skal tage højde for cybersikkerhed, adgangskontrol, sikkerhedskopiering og langsigtet datalagring. Følsomme videnskabelige eller medicinske oplysninger skal beskyttes på passende vis.

Fremtidens laboratorium kræver derfor ikke kun ekspertise inden for biologi eller kemi, men også inden for informationsstyring.

Avanceret udstyr udvider de videnskabelige muligheder

Automatisering og software får stor opmærksomhed, men det fysiske laboratorieudstyr udvikler sig også fortsat.

Moderne mikroskoper kan optage ekstremt detaljerede digitale billeder. Massespektrometri kan identificere og karakterisere forbindelser med enestående følsomhed. Sekventeringsteknologier kan generere enorme mængder genetisk information, mens sofistikerede kromatografisystemer hjælper forskere med at adskille og analysere komplekse blandinger.

Laboratorieleverandørerne udvikler sig i takt med disse teknologier.

Virksomheder, der opererer inden for sektoren for videnskabeligt udstyr, herunder Zwitsers Lab, udgør en del af det bredere økosystem, der understøtter moderne laboratoriemiljøer gennem laboratorieudstyr og forskningsorienterede løsninger. I takt med at laboratorierne bliver stadig mere avancerede, bliver adgangen til passende instrumenter og pålidelig laboratorieinfrastruktur en vigtig del af opbygningen af effektive forskningsarbejdsgange.

Selve udstyret udgør dog kun én komponent i et moderne laboratorium. De største fordele opnås, når instrumenterne kombineres med passende procedurer, uddannet personale og pålidelige datahåndteringssystemer.

Forebyggende vedligeholdelse kan reducere nedetid

Videnskabelige instrumenter kan være dyre, og uventede udstyrsfejl kan afbryde eksperimenter eller forsinke hele forskningsprojekter.

Tilsluttede sensorer og intelligente overvågningssystemer kan udgøre en anden løsning.

I stedet for at vente på, at udstyret går i stykker, kan laboratorierne overvåge driftsparametre og holde øje med tegn på, at der muligvis er behov for vedligeholdelse.

Denne tilgang er almindeligt kendt som forebyggende vedligeholdelse.

For eksempel kan software overvåge temperaturudsving, trykmålinger, driftstimer eller andre udstyrsspecifikke målinger. Usædvanlige mønstre kan udløse en inspektion, inden der opstår et mere alvorligt problem.

For laboratorier, der kører kritisk udstyr kontinuerligt, kan forebyggelse af uventet nedetid forbedre driftseffektiviteten betydeligt.

Digitale tvillinger og virtuel eksperimentering

Et andet nyt koncept er den digitale tvilling.

En digital tvilling er i det væsentlige en virtuel repræsentation af et fysisk system. Oplysninger fra det virkelige system kan bruges til at vedligeholde og opdatere dets digitale modstykke.

Teknologien udforskes allerede inden for ingeniørvidenskab og produktion, og lignende koncepter kan blive stadig mere relevante for videnskabelig forskning.

Forskere vil muligvis på sigt kunne anvende avancerede simuleringer til at undersøge eksperimentelle betingelser, inden de afsætter laboratorieressourcer.

Computermodeller kan ikke erstatte fysiske eksperimenter, især når biologiske eller kemiske systemer ikke er fuldt ud forstået. Ikke desto mindre kan simuleringer hjælpe forskerne med at indsnævre antallet af betingelser, der kræver fysiske forsøg.

Ved at kombinere computermodellering med laboratorieforsøg kan man derfor fremskynde visse forskningsprocesser.

Robotteknik og højkapacitetsforskning

Nogle videnskabelige spørgsmål kræver, at forskerne undersøger et enormt antal muligheder.

Lægemiddelforskning er et oplagt eksempel. Forskere kan være nødt til at undersøge store biblioteker af molekyler, før de identificerer kandidater, der er værd at undersøge nærmere.

Automatiserede platforme kan udføre gentagne eksperimentelle procedurer i et omfang, der ville være yderst vanskeligt at opnå ved manuelt arbejde alene.

Robotteknik kan forberede prøver, flytte laboratorieplader, betjene kompatible instrumenter og indsamle målinger.

AI kan derefter hjælpe med at analysere de resulterende oplysninger.

Kombinationen af robotteknologi og computermæssig analyse skaber en kraftfuld cyklus: automatiseret udstyr genererer data, software analyserer resultaterne, og forskerne bruger disse resultater til at afgøre, hvad der skal undersøges herefter.

Bæredygtighed bliver en del af laboratoriedesignet

Fremtidens laboratorium skal også tage højde for miljøeffektivitet.

Videnskabelige laboratorier kan forbruge betydelige mængder elektricitet og generere store mængder engangsmateriale. Frysere, ventilationssystemer, analyseinstrumenter og andet udstyr kan køre kontinuerligt.

Forskere og laboratorieledere undersøger derfor måder at reducere unødvendigt ressourceforbrug på.

Energieffektivt udstyr, optimeret ventilation, ansvarlig kemikaliehåndtering og forbedrede genbrugsprogrammer kan alle bidrage til mere bæredygtige laboratorier.

Automatisering kan også hjælpe ved at reducere unødvendigt forbrug af reagenser gennem mere præcis dosering og standardiserede procedurer.

Bæredygtighed betyder ikke, at man går på kompromis med den videnskabelige kvalitet. Målet er at identificere unødvendigt forbrug, samtidig med at eksperimenternes integritet og laboratoriesikkerheden bevares.

Forskerne vil fortsat spille en central rolle

Diskussioner om AI og robotik skaber undertiden det indtryk, at fremtidens laboratorier vil fungere uden mennesker.

Det er næppe en beskrivelse, der passer på det meste videnskabelige forskning.

Maskiner er særligt effektive til gentagne opgaver, behandling af store datasæt og udførelse af præcist definerede handlinger. Mennesker er stadig uundværlige, når det gælder om at stille meningsfulde videnskabelige spørgsmål, designe eksperimenter, genkende uventede observationer og afgøre, om resultaterne rent faktisk giver mening.

Videnskabelige opdagelser kræver også kreativitet.

En algoritme kan måske opdage en sammenhæng, men forskerne skal fastslå, hvorfor denne sammenhæng måske eksisterer, og hvordan den kan testes.

Fremtidens laboratoriepersonale vil derfor sandsynligvis arbejde på en anden måde snarere end at forsvinde.

Forskere vil måske bruge mindre tid på manuelt at overføre information eller gentage rutineprosedurer og mere tid på at fortolke resultater, designe eksperimenter og samarbejde på tværs af discipliner.

Opbygning af fremtidens laboratorium

Overgangen til smartere laboratorier vil ikke ske fra den ene dag til den anden.

Nogle forskningsfaciliteter anvender allerede højt automatiserede systemer, mens mindre laboratorier muligvis vil fortsætte med at bruge stort set konventionelle arbejdsgange i mange år fremover.

Omkostninger, infrastruktur, personaleuddannelse og kompatibilitet mellem udstyr kan alle påvirke indførelsen.

Standardisering vil også blive stadig vigtigere. Et laboratorium med avancerede instrumenter får kun begrænset udbytte, hvis disse systemer ikke kan udveksle oplysninger pålideligt.

Producenter, softwareudviklere, laboratorieleverandører og forskningsorganisationer vil derfor være nødt til at arbejde hen imod mere interoperable videnskabelige miljøer.

En ny æra inden for videnskabelig forskning

Fremtidens laboratorium vil være præget af integration.

Automatisering kan håndtere gentagne procedurer. Kunstig intelligens kan hjælpe forskere med at analysere stadig mere komplekse datasæt. Forbundne instrumenter kan forbedre strømmen af eksperimentelle oplysninger, mens avancerede analytiske teknologier fortsat udvider, hvad forskerne kan måle.

Samtidig kan digitale registreringer, forebyggende vedligeholdelse, robotteknologi og mere bæredygtige laboratoriepraksisser forbedre infrastrukturen omkring videnskabelige opdagelser.

Ingen af disse teknologier fjerner de grundlæggende principper i videnskaben. Eksperimenter kræver stadig passende kontrolgrupper. Instrumenter skal kalibreres. Resultaterne skal kunne gentages, og konklusionerne skal fortsat være underbygget af beviser.

Det, teknologien kan ændre, er, hvor effektivt forskerne når frem til disse konklusioner.

Det smarteste laboratorium vil ikke nødvendigvis være det, der har flest maskiner eller den mest avancerede AI. Det vil være det laboratorium, der med succes kombinerer mennesker, udstyr, automatisering og pålidelige data i et forskningsmiljø, hvor hver komponent understøtter de andre.

Den kombination kan komme til at definere den næste generation af videnskabelige opdagelser.