Transformacja cyfrowa

Współczesne laboratoria generują ogromne ilości danych. Nierzadko codzienna praca sprowadza się do prowadzenia obszernej dokumentacji, a tym samym – czas, który jest poświęcany na pracę badawczą, drastycznie maleje. Od lat podejmowane są wysiłki w celu osiągnięcia pełnej digitalizacji laboratoriów, gdzie wszystkie instrumenty są zintegrowane w jednej sieci, a procesy – monitorowane i dokumentowane cyfrowo. Coraz więcej laboratoriów decyduje się na cyfryzację. Nie jest to łatwy i szybki proces, ale niesie za sobą szereg korzyści, a wśród nich:

• ogólną dostępność danych dla wszystkich użytkowników, w tym laborantów, kierownictwa, audytorów i innych,

• minimalizację błędnych danych i pomyłek,

• większą kontrolę nad procesami oraz dokumentacją,

• usprawnienie przepływu danych w laboratorium,

• zwiększenie efektywności i konkurencyjności.

Decyzja o cyfrowej transformacji nie jest pozbawiona wyzwań. Nowe metodologie muszą zostać ocenione i zatwierdzone przez odpowiednie organy regulacyjne. Laboratoria powinny zmodyfikować dotychczasowy sposób tworzenia, zarządzania oraz przechowywania danych. Wsparciem w tym zadaniu są dostępne narzędzia cyfrowe, a wśród nich: przetwarzanie w chmurze, obsługa klienta przez Internet lub wykorzystanie systemów zarządzania zasobami czy cyberbezpieczeństwem. Dają one nie tylko możliwość analizowania oraz wizualizacji informacji w obrębie laboratorium, ale są także użyteczne w zarządzaniu aktywami, planowaniu i monitorowaniu urządzeń oraz procesów w czasie rzeczywistym. Wszystko, aby zmaksymalizować swoją wydajność.

Obserwuje się trzy główne etapy transformacji cyfrowej. W pierwszym z nich integrowane są wszystkie elementy laboratorium w jeden system, w celu wzajemnego udostępniania danych. Połączenie treści eksperymentalnych i operacyjnych zwiększa znacząco integralność informacji, ich dostępność, a także zgodność. Drugi etap obejmuje automatyzację przepływów pracy, która przyspiesza poszczególne operacje, zmniejsza przestoje i minimalizuje występowanie błędów. W efekcie wzrasta wydajność, a laboratorium – łatwiej dostosowuje się do zmieniających technologii. Ostatnim krokiem jest wdrożenie koncepcji „inteligentnego laboratorium”, która zakłada wydajne wykorzystanie danych, stosowanie zaawansowanych narzędzi analitycznych, a także technologii immersyjnych (np. dostępu głosowego bez użycia rąk czy systemu rzeczywistości wirtualnej).

Jednym z elementów cyfrowych zmian jest coraz powszechniejsze wykorzystanie systemu zarządzania informacją laboratoryjną (z ang. laboratory information management system, LIMS). Służy on do kompleksowego zarządzania całym laboratorium, wszystkimi próbkami oraz powiązanymi informacjami. Pozwala na szybkie uzyskiwanie wiarygodnych wyników, monitorowanie przebiegu sekwencji zdarzeń w czasie, a także między eksperymentami. Narzędzia LIMS skutecznie automatyzują procesy laboratoryjne i zapewniają śledzenie wszystkich kluczowych danych. LIMS jest wykorzystywany nie tylko do generowania i kontroli próbek oraz wykonywanych analiz, ale także pozwala zarządzać zapleczem technicznym, w tym stosowanymi urządzeniami i odczynnikami. Centralizacja wszystkich procesów w jednym miejscu znacząco ułatwia pracę, dlatego LIMS na dobre zagościł w wielu laboratoriach, podobnie jak np. elektroniczne notatniki laboratoryjne (z ang. electronic lab notebooks, ELN). System ELN umożliwia efektywne dokumentowanie, organizowanie i archiwizowanie informacji badawczych. Wspomaga także procesy wykonywania metod, przygotowania próbek oraz przeprowadzania złożonych obliczeń. Co ważne, obsługuje różne typy danych, w tym sekwencje oraz obrazy mikroskopowe. Współtworzenie plików, aktualizacje i adnotacje w czasie rzeczywistym pozwalają na stworzenie dynamicznego środowiska badawczego.

Laboratorium przyszłości czy współczesne standardy?

Cyfryzacja laboratoriów najczęściej jest pierwszym krokiem w ich transformacji do nowoczesnych obiektów. Całkowite przejście na elektroniczną formę dokumentów, wprowadzanie systemów zarządzania informacją laboratoryjną, wdrożenie innowacyjnych rozwiązań z zakresu identyfikacji i wiele innych – to coraz powszechniejsze rozwiązania dla większości jednostek.

Jednym z niezwykle interesujących jest wykorzystanie w codziennej pracy cyfrowych bliźniaków. Terminem „cyfrowy bliźniak” określa się wirtualną kopię rzeczywistego obiektu, procesu lub systemu. Jego największą zaletą jest możliwość wprowadzania zmian oraz obserwowania ich efektu, bez naruszania rzeczywistego stanu rzeczy. Cyfrowe bliźniaki w warunkach laboratoryjnych służą jako dokładne, wirtualne repliki systemów biologicznych, reakcji chemicznych lub procesów fizycznych. W wyniku integracji danych w czasie rzeczywistym z czujników, wcześniejszych danych eksperymentalnych oraz analiz predykcyjnych modele te zapewniają wirtualny poligon doświadczalny, który naśladuje oraz prognozuje zachowanie złożonych systemów w różnych warunkach. Wykorzystanie cyfrowych bliźniaków daje szansę na przeprowadzanie znacznie efektywniejszych i bardziej przewidywalnych badań – w krótszym czasie i z uzyskaniem wysokiej jakości wyników.

Zastosowanie w pracy laboratoryjnej okularów wirtualnej i rozszerzonej rzeczywistości wydaje się nierealnym pomysłem, obecnie niemożliwym do zrealizowania. Wizualizacje miejsc w trybie 360ᵒ, trójwymiarowe obiekty i złożone struktury na wyciągnięcie ręki – to wszystko stwarza zupełnie nowe możliwości. Nie dziwi więc, że interesującym obszarem przeznaczenia tych urządzeń jest wykorzystanie ich w laboratoriach chemicznych i biologicznych. Inteligentne okulary wyposażone są w zintegrowane czujniki, takie jak mikrofony i kamery. Mogą być stosowane do dokumentowania eksperymentów, a także pomiarów. Zdjęcia rejestrowane przez okulary są bezpośrednio oceniane przez algorytmy przetwarzania obrazu. Ponadto dodatkowym wyposażeniem są interfejsy Wi-Fi i Bluetooth, które umożliwiają podłączenie zewnętrznych czujników i instrumentów oraz gromadzenie i przesyłanie danych. Wyświetlacz inteligentnych okularów może być używany do bezpośredniego nakładania informacji, procedur roboczych lub wyników pomiarów w polu widzenia użytkownika. Informacje te są nakładane na obrazy, na żywo z kamery inteligentnych okularów, w celu dalszego zwiększenia jakości. Większość inteligentnych okularów jest wyposażona również w sterowanie głosowe, które pozwala pracownikowi laboratorium na integrację z systemem cyfrowym, jednocześnie zachowując wolne ręce do pracy.

Roboty w laboratorium

Zaawansowane rozwiązania technologiczne, takie jak sztuczna inteligencja i uczenie maszynowe, są wykorzystywane do łączenia, zestawiania i analizowania danych z różnych obiektów na całym świecie. Wśród nich są roboty, które nierzadko współpracują z pracownikami laboratoriów. Urządzenia robotyczne mogą precyzyjnie i dokładnie wykonywać rutynowe obowiązki, takie jak pipetowanie, mieszanie czy odmierzanie. Odgrywają istotną rolę we wszystkich rodzajach procedur laboratoryjnych – od rutynowej analizy chemicznej, po rozwój i testowanie leków czy odcisków DNA. W wielu przypadkach wykonują powtarzalne oraz monotonne zadania, umożliwiając pracownikom poświęcenie czasu na inne, bardziej złożone zagadnienia. Roboty w swojej pracy wykonują zadania znacznie szybciej i z większą precyzją niż ludzie. Minimalizują ryzyko zanieczyszczenia materiałów do badań oraz ograniczają narażenie pracowników na substancje niebezpieczne.

Do pracy najczęściej stosowane są mobilne roboty poruszające się po laboratorium i wykonujące proste zadania lub roboty zamknięte we własnych pomieszczeniach czystych, gdzie dostarczane są niezbędne komponenty, np. płytki wielodołkowe, fiolki itp., a robot bez nadzoru pracuje kilkadziesiąt godzin. Rozwój nauki doprowadził w ostatnich latach do pojawienia się ciekawego rozwiązania, określanego jako self-driving laboratories (SDL), gdzie centralnym punktem jest ramię robota, a wokół niego zainstalowane są stanowiska badawcze. Powstanie autonomicznych laboratoriów jest skutkiem integracji uczenia maszynowego, automatyzacji laboratoryjnej i robotyki. SDL to wspomagana uczeniem maszynowym modułowa platforma doświadczalna, która obsługuje serię eksperymentów wybranych przez algorytm uczenia maszynowego, w celu osiągnięcia zdefiniowanego przez użytkownika rezultatu. Robotyczni asystenci pomagają naukowcom przyspieszyć tempo badań podstawowych, wykonując samodzielnie serię czynności. Dzięki zrobotyzowanej integracji modułów eksperymentalnych można połączyć odseparowane etapy przygotowania odczynników, syntezę, opracowanie wyników itp., aby stworzyć spójny przepływ pracy dla całego procesu. Dzięki wykorzystaniu uczenia maszynowego możliwe jest badanie przestrzeni chemicznej przez system SDL, z jednoczesną minimalizacją lub eliminacją luk czasowych, między uzyskaniem wyników eksperymentalnych a podejmowaniem decyzji dotyczących warunków następnego eksperymentu. Mimo dużej użyteczności, wykorzystanie SDL nadal jest mocno ograniczone. Przyczyn powolnego postępu jest wiele, a wśród nich: drogi sprzęt, ograniczony dostęp do specjalistycznego oprogramowania czy brak jasnych wytycznych i regulacji. Nie podważa to jednak faktu, że SDL dają dużą szansę w przyszłości.