Forestil dig et hospitalslaboratorium en hverdagsformiddag. Prøveglas ankommer i rørpost og med bud fra afdelinger og lægepraksisser, bliver scannet, sorteret, centrifugeret, åbnet, analyseret, lukket og sat på køl – ofte uden at et menneske rører det enkelte glas undervejs. Laboratorieautomation har ændret faget markant, og udviklingen fortsætter.
Tre niveauer af automation
Automation i laboratoriet kan groft deles i tre niveauer:
Enkelte automatiserede instrumenter
Selve analyseapparaterne har længe været automatiske: Man sætter prøver i, og instrumentet pipetterer, blander, inkuberer og måler. Det gælder fx apparater til klinisk biokemi og hæmatologi.
Arbejdsstationer og robotter til delprocesser
Pipetteringsrobotter, liquid handlers, overtager gentagne opgaver som at fordele prøver i plader med mange brønde, fortynde eller blande reagenser. De er udbredte både i forskning og i diagnostik, fx til oprensning af arvemateriale før en PCR-analyse.
Totalautomation
I de største laboratorier forbinder et transportbånd modtagelse, forbehandling, analyse og opbevaring i ét system. Det kaldes ofte total laboratory automation (TLA). Prøverne bevæger sig på små holdere, og softwaren styrer, hvilke analyser hvert glas skal igennem.
Prøvens rejse gennem et automatiseret laboratorium
- Modtagelse: Stregkoden scannes, og prøven kobles til rekvisitionen i laboratoriets informationssystem.
- Forbehandling: Robotten kontrollerer fx væskemængde, centrifugerer, fjerner proppen og fordeler eventuelt prøven i flere glas.
- Analyse: Prøven føres til de relevante instrumenter.
- Validering: Software tjekker resultaterne mod regler – fx om værdier er usædvanlige, eller om kontrollerne er i orden – og sender dem videre eller markerer dem til manuel vurdering.
- Opbevaring: Prøven lukkes og arkiveres på køl, så den kan findes igen, hvis der skal laves flere analyser.
En stor del af den samlede tid og de fleste fejl ligger erfaringsmæssigt ikke i selve analysen, men i trinene før – den præanalytiske fase. Det er en af grundene til, at automation af prøvehåndteringen kan gøre en forskel.
Software er automationens hjerne
Robotterne er de synlige dele, men softwaren er mindst lige så vigtig:
- LIS og LIMS: Laboratorieinformationssystemer holder styr på prøver, analyser, resultater og kvalitetskontrol. I forskning og industri taler man ofte om LIMS (laboratory information management system).
- Middleware: Programmer mellem instrumenter og informationssystem, der fx styrer regler for automatisk godkendelse.
- Elektroniske laboratoriejournaler (ELN): Afløser papirnotesbogen i forskningslaboratorier og gør det lettere at dele og genfinde data.
Godt strukturerede data er også en forudsætning for at bruge AI i forskningen og for at dele data efter principperne i open science.
Fordelene
- Kapacitet: Flere prøver kan analyseres med samme bemanding.
- Ensartethed: Robotter pipetterer ens hver gang og bliver ikke trætte.
- Sporbarhed: Hvert trin logges, så man kan se, hvad der er sket med prøven.
- Arbejdsmiljø: Færre gentagne bevægelser og mindre direkte håndtering af biologisk materiale.
- Svartider: Prøver kan behandles døgnet rundt.
Udfordringerne
Automation er ikke gratis, og den løser ikke alt:
- Investering og plads: Totalautomation kræver store investeringer og ofte ombygning af lokalerne.
- Sårbarhed: Når et transportbånd eller et it-system går ned, skal der være nødprocedurer klar.
- Fleksibilitet: Systemerne er bedst til store mængder ens prøver. Sjældne analyser og specialprøver kræver stadig manuelt arbejde.
- Validering: Hver ændring i opsætningen skal valideres, så man er sikker på, at resultaterne er lige så gode som før.
- Kompetencer: Medarbejderne skal kunne betjene, overvåge og fejlsøge komplekse systemer.
Hvad betyder det for dem, der arbejder i laboratoriet?
Automation flytter arbejdet frem for at fjerne det. Færre timer går med at åbne glas og pipettere; flere går med at overvåge systemer, fejlsøge, vurdere afvigende resultater, validere metoder og arbejde med data. For bioanalytikere og laboranter betyder det, at tekniske og digitale kompetencer fylder mere i hverdagen. Læs mere om faggrupperne i Karriere i laboratoriet.
Det selvkørende laboratorium
I forskningen eksperimenteres der med såkaldte self-driving labs, hvor robotter udfører forsøg, og en algoritme bruger resultaterne til at vælge næste forsøg. Tilgangen afprøves især i kemi og materialeforskning. Den er lovende til systematisk at afsøge mange kombinationer, men den forudsætter, at forsøgene kan beskrives og måles præcist, og den erstatter ikke forskerens rolle i at stille de rigtige spørgsmål.
Opsummering
Laboratorieautomation handler om at lade maskiner tage de gentagne, standardiserede trin, så mennesker kan bruge deres tid på vurdering, kvalitet og udvikling. Den gør laboratorierne hurtigere og mere ensartede – men kun hvis teknik, software og kompetencer følges ad. Se også, hvordan et laboratorium fungerer i det hele taget, i Laboratoriet indefra.