A biológiai és kémiai folyamatok elengedhetetlenek a hatalmas termékek létrehozásához - a kozmetikumoktól és a mosószerektől kezdve az alapvető élelmiszer -összetevőkig és az életmentő gyógyszerekig. Képzelje el, hogy ezek a termelési folyamatok hatékonyabbak és okosabbak, így a magasabb minőségű végtermékek megfizethetőbb és fenntarthatóbb gyártását eredményezik. Ez a fejlett biomanufaktor ígéretének ígérete, ahol a legmodernebb chip-technológia, az AI és az emberi szakértelem konvergálnak a termelési módszerek radikálisan történő átalakításához.
A biológiai és kémiai folyamatok hatékonyságának javításához pontos minőség és folyamatvezérlés szükséges. A megfelelő adatok és tudás összegyűjtése elengedhetetlen ebben a törekvésben, hogy a folyamat betekintését hatékony beavatkozásokká alakítsák. Innovatív kutatásérzékelők, ezért a pontos szimulációs modellek és a jól képzett operátorok elengedhetetlenek, és értékes eszközöket biztosítanak a fejlett biomanufaktorozás eléréséhez.
Kihívások a precíziós terápiában
Vegye figyelembe a biomanufaktorozás kihívásait, például az emberi sejtek biológiai termelését a CAR-T vagy az őssejt-terápiához. A terápia műszaki sejtjeinek folyamata hosszú, de időkritikus a betegek számára. Ezt betegenként kell elvégezni, és jelentős mennyiségű kézi munkát igényel, ez költségessé teszi. Ezenkívül a kezelés hatékonysága közvetlenül kapcsolódik a végtermék minőségéhez. Ezek a kihívások befolyásolják a klinikai relevanciát, beleértve a céltagos vagy nem specifikus hatásokat.
A biológiai folyamatvezérlés hagyományosan magában foglalja az „offline” megfigyelést, ahol a mintákat a későbbi elemzéshez az áramlásból veszik. Az ilyen mérések értékes jelzést adnak a termék minőségéről a mintavétel idején, és kritikus betekintést nyújtanak a jövőbeli produkciókhoz. A mintavétel és az elemzés közötti időbeli késés miatt azonban nem teszik lehetővé a folyamatban lévő folyamat valós idejű beállítását. Az innovatív sejtterápiák megfizethető forgalomba hozatala, ezért továbbra is jelentős javulást igényel a folyamatvezérlésben.
Az inline termelési folyamat megfigyelése lépést hozhat a szükséges javulás felé. Az inline érzékelők esetében a folyamat lépései valós időben megfigyelhetők és beállíthatók - esetleg akár automatikusan is. Ez nemcsak lerövidíti a teljes termelési időt és csökkentené a költségeket, hanem csökkentené a nyersanyagok és az energia fogyasztását, miközben javítja a végtermék minőségét.
Miniatürizált inline érzékelő
Amíg az inline érzékelők léteznek, messze nem árucikkek. Például az inline monitorozáshoz szükséges szondák, például a pH és a hőmérséklet esetében egy bioreaktorban, több mint 40 éve léteznek. A biológiai termeléshez szükséges összes releváns paraméter méréséhez azonban számos szonda és offline rendszerre van szükség. Ez a telepítést, a kalibrálást, az adatfeldolgozást és a sterilizálási kihívásokat is okozza.
Az IMEC kutatói sikeresen miniatürizáltak és különféle inline érzékelőket egyetlen szondara kombináltak. A kapott integrált, miniatürizált és multi-parametrikus folyamat analitikai technológia (PAT) érzékelő egyidejűleg mérheti a hőmérsékletet, az oldott oxigént, az elektromos vezetőképességet, a glükózt, a laktátot és akár a sejtsűrűség valós időben is a cella sűrűségét. Ennek eredményeként a biológiai vagy kémiai folyamatok szorosabban ellenőrizhetők, és a termék hozama és a minőség megnőtt.
A titokzatos modelltől az oktatóig és az együttműködőig
Az AI tagadhatatlan előnyei ellenére az iparágban történő megvalósítása korlátozott, részben a „fekete doboz” jellege miatt. Megoldásként az átlátható és „magyarázható” AI, amely olyan felületet biztosít, amely magyarázza a döntéshozatali folyamatokat az érthető emberi nyelven, bizalmat teremthet az emberi operátorok körében és fokozhatja a technológiával való interakciót.
Sőt, az átlátszó AI potenciálisan oktathatja az operátorokat, nem csak tájékoztathatja őket. Az éves tapasztalatokra általában szükség van a kritikus folyamat lépéseinek megértéséhez és ellenőrzéséhez. Az AI -támogatással a kevésbé tapasztalt operátorok tanulási görbéje jelentősen lerövidíthető, növelve függetlenségüket és hatékonyságukat. Ezzel szemben az AI modellek megtanulhatnak az operátorok szakértelméről is.
Az ipari partnerekkel folytatott egy másik projektben az IMEC bebizonyította, hogy egy ilyen modellt és annak értékét megvalósítja: először a termelési folyamat digitalizálásával, majd összekapcsolva azt egy AI modellel az optimalizáláshoz, és végül lehetővé teszi az operátorokkal való interakciót. A szakértők képesek voltak azonosítani a mérések és a termelési folyamatok, például a hőmérséklet vagy a viszkozitás közötti összefüggéseket. Az érzékelőinformációkat tehát az emberi tudás révén kontextualizálhatják, figyelembe véve a szolgálati és a történelmi pontosságot.
Ez lehetővé tette az AI modell számára, hogy a szakértő hozzájárulása és mögöttes tapasztalata alapján megtanuljon. Ebben a projektben egy ilyen strukturált megközelítés új folyamat betekintést és a gyanták (Allnex Belgium) előállításának optimalizálását, a jobb stabilitást és a piacra lépésre álló szövet lágyítók (Procter & Gamble) előállítását eredményezte.
A hardver, az emberi szakértelem és az innováció AI kiaknázása
Az adatok és a tudáskorlátozások hagyományosan korlátozott kormányzási (bio) kémiai folyamatokkal rendelkeznek. Az olyan érzékelők, mint a Process Analitical Technology (PAT), optimalizálják az adatgyűjtést, míg a meglévő emberi szakértelem által támogatott AI-vezérelt megoldások az innovációt ösztönzik a tudásban. A fejlett hardver, a szakértői ismeretek és az AI közötti szinergia hatékonyabb folyamatokat eredményez, csökkentett hulladékot és példátlan innovációs lehetőségeket eredményez.
A szakértelem összehozásával a kutatóközpontok hangsúlyozhatják a (bio) vegyipar paradigmaváltását, és felkérhetik az ipari partnereket, hogy aktívan működjenek együtt a folyamatoptimalizálás fejlesztésének élvonalában.