Es gibt verschiedene Bereiche und Aufgaben in einem Labor, die unterschiedliche Arten der Digitalisierung erfordern. Im Allgemeinen sind es folgende drei verschiedene Arten der Digitalisierung:

• Digitalisierung der Datenorganisation und -verwaltung: Hierzu gehören LIMS-Systeme, automatische oder digitale Dokumentationssysteme wie ELNs sowie digitale Arbeitsvorschriften und Unterstützungstools wie beispielsweise Augmented Reality (AR).
• Digitalisierung in der Probenverarbeitung: Dies bezieht sich auf die möglichst benutzerunabhängige Verarbeitung einer Probe, angefangen von der Probennahme über die automatisierte Probenvorbereitung bis hin zur geräte- und benutzerunabhängigen Messung.
• Digitalisierung von Probendaten mit sämtlichen Analyseergebnissen, um sozusagen einen digitalen Zwilling der Probe mit all seinen Inhaltsstoffen zu erstellen: So werden biologische Proben wie Blut, Gewebe oder andere Flüssigkeiten in eine digitale Darstellung umgewandelt. So ist eine Flüssigkeit mit Inhaltsstoffen, deren Konzentrationen bis zu weiteren Details wie Konformationen und Wechselwirkungen innerhalb der Lösung digital abbildbar.

Das volle Potenzial der Digitalisierung wird erst durch das Zusammenspiel aller drei Bereiche erreicht. Besonders ist die Digitalisierung der Proben(-daten) hervorzuheben, da diese dann für spätere Auswertungen oder den Aufbau von Big Data zur Verfügung stehen. Bei der digitalen Erfassung einer Probe ist es nicht ausreichend, einen digitalen Wert oder ein Datenpaket zu erhalten. Es ist essenziell, dass die Messmethode robust, unabhängig vom Bediener und die Reproduzierbarkeit der Messung hoch ist. Zudem sollte sie eine hohe Informationsdichte haben. Für Robustheit, Reproduzierbarkeit und Informationsdichte spielt nicht nur das jeweils verwendete physikalische Messprinzip eine Rolle, sondern auch, dass durch die Messung die Probe nicht verändert wird. Eine Benutzerunabhängigkeit kann erreicht werden, indem komplexe Probenvorbereitungsschritte vermieden werden oder der Benutzereinfluss durch eine automatisierte Probenverarbeitung minimiert wird. Eine Standortunabhängigkeit wird oft über die Konstruktion der Geräte oder durch Korrekturalgorithmen erzielt.

Das System „MIRA“ von Clade ist ein IR-Spektrometer, mit dem flüssige, wässrige Proben untersucht werden können. Die aufgenommenen Spektren werden direkt digitalisiert. © CLADE

Als eine Methode, um über eine flüssige Probe alle Informationen zur chemischen Zusammensetzung zu erhalten, sei hier die Infrarotspektroskopie im mittleren Infrarotbereich genannt. So ist es mit dem System "MIRA" von Clade möglich, die Analyseergebnisse der spektroskopischen Messung direkt zu digitalisieren (Dauer: vier Minuten). Die Daten können dann mithilfe computergestützter Algorithmen und Datenbanken ausgewertet werden.

Ein entscheidender Vorteil der Digitalisierung von Proben besteht darin, dass große Mengen an Daten gespeichert und analysiert werden können. Biologische Proben können z. B. in Form von Proteinprofilen oder in Bezug auf andere biomolekulare Merkmale erfasst werden. Diese digitalen Profile können mit klinischen oder genetischen Daten verknüpft werden, um ein umfassenderes Verständnis der individuellen Gesundheit und Informationen über Krankheitsrisiken zu erlangen.

Die Digitalisierung von Proben ermöglicht zudem die Sammlung und Analyse großer Datenmengen, um Muster und Zusammenhänge besser zu identifizieren. Durch den Einsatz von Algorithmen und künstlicher Intelligenz können komplexe Datenanalysen durchgeführt werden, um genetische Varianten zu identifizieren, die mit bestimmten Krankheiten assoziiert sind, oder um personalisierte Therapien auf der Grundlage individueller genetischer Profile zu entwickeln. Dies eröffnet nicht nur neue Möglichkeiten für die Behandlung von Krankheiten, sondern hat auch Auswirkungen auf die präventive Medizin. Durch den Vergleich individueller genetischer Profile mit umfangreichen Datenbanken können Risikofaktoren für bestimmte Krankheiten identifiziert werden. So können gezielt präventive Maßnahmen wie die Anpassung des Lebensstils, die Überwachung bestimmter Biomarker oder die frühzeitige Verabreichung bestimmter Medikamente eingeleitet werden. Durch die Kombination von genetischen Daten mit anderen Informationen wie Umweltfaktoren oder dem individuellen Lebensstil kann eine personalisierte präventive Medizin entwickelt werden, die Krankheiten noch vor ihrem Ausbruch verhindern könnte.

Durch das digitale Erfassen und Speichern umfassender Probeninformationen samt Analysedaten können Daten weltweit zwischen Forschenden und klinischen Fachleuten geteilt werden, was den Wissenstransfer und die Zusammenarbeit verbessert. Die von verschiedenen Laboren gemeinsame Betrachtung der Daten bzw. Auswertung führt schneller zu einem größeren Datenpool (wichtig besonders bei seltenen Krankheiten). Das könnte schneller zu neuen medizinischen Erkenntnissen führen oder für personalisierte Therapien genutzt werden. Ein weiterer Vorteil ist das In-silico-Experimentieren, also die Durchführung von Tests und Versuchen zu biochemischen Prozessen mit digitalen Daten, was für die personalisierte Medizin von hohem Wert ist. Labore können Zugang zu Datenqualitäts- und Benchmarking-Informationen erhalten, um ihre Daten besser zu verstehen und – ggf. unerwartete – Ereignisse zu erkennen.

Im Gegensatz zu einer Analytik, die sich im Voraus auf zu messende Parameter beschränkt, bietet eine "digitale Probe", die umfassende Informationen über die Probe enthält – also praktisch ein digitaler Zwilling der Probe –, die Möglichkeit, eine nachträgliche Datenauswertung mit spezifischen Algorithmen durchzuführen, die auch auf Daten aus der Vergangenheit angewendet werden können. Somit könnten auch im Nachhinein noch neue Fragestellungen mit dem bereits gemessenen Datenpool beantworten werden.

Eine Digitalisierung von Proben kann auch bei der Qualitätssicherung von Wirkstoffen und Formulierungen eine wichtige Rolle spielen. Um die Qualität auch von personalisierten Medikamenten sicherstellen zu können, müssen die Messmethoden auf die individuelle Wirkstoff-Probe angepasst werden können. Methoden, die auf bereits digitalisierten Proben aufbauen (wie der sog. QA-Scan des Systems "MIRA") können diese Datenbanken nutzen, um die passende Messmethode schnell erstellen zu können.

Das "digitale Labor" bringt großen Nutzen für die personalisierte Medizin der Zukunft, ob für personalisierte Therapien und für die Qualitätsprüfung eines personalisierten Medikaments oder in Bezug auf präventive Maßnahmen und Gesundheitsversorgung. Die Weiterentwicklung von Technologien und die Zusammenarbeit zwischen Forschungseinrichtungen, Fachleuten und Technologieunternehmen sind entscheidend, um die personalisierte Medizin voranzutreiben. Und genau hier spielt die Digitalisierung – durch die effiziente Verarbeitung, Analyse (mit dafür entwickelten Algorithmen und KI-Systemen) und Integration großer Datenmengen – eine bedeutende Rolle.

AUTOR
Andreas Wolf
Senior Manager Strategic Business Development, Co-Founder
CLADE GmbH, Esslingen
Tel. 0711/400 52 400
[email protected]
www.clade.io