JP2024515779A - 無菌試験のための方法 - Google Patents

Abstract

本発明は、少なくとも１つの試験液（３）を光学的に分析することに基づく無菌試験のための方法およびモジュールに関し、この試験液（３）は液体容器（４）内に収容されており、ここで、試験液（３）の汚染状態に依存して、非液体汚染物質（５）が試験液中に分布される。ここでは、制御アレイ（６）によって実行される分析ルーチン（９）において、センサアレイ（１１）によって生成された、試験液（３）の少なくとも１つの光学的画像（Ｉ）を表す画像関連データ（１０）が、センサアレイ（１１）から制御アレイ（６）に伝送され、試験液（３）の汚染状態が、汚染物質（５）の分布特性とそれぞれの汚染状態との間の相互関係に基づいて画像関連データ（１０）から導出されることが提案される。

Description

本発明は、請求項１の上位概念による無菌試験のための方法、請求項２４に記載のトレーニングデータセットを有するデータストレージデバイス、請求項２５に記載の制御アレイ、請求項２６または２７に記載の無菌試験モジュール、請求項４０に記載の無菌試験アセンブリ、請求項４１に記載の無菌試験アレイ、および請求項４２に記載の無菌試験システムに関する。

本発明によって設計された無菌試験は、広範な生物学的および／または医療用液体にとって極めて重要である。例えば、微生物学的品質制御試験では、ワクチンのような無菌製剤に生存可能な汚染微生物が含まれないことが保証されなければならない。

今日の無菌試験は、２つの手法うちの一方で実施されている。すなわち、増殖培地（「試料液」とも称される）に試験試料を接種し、薬局方によって規定された期間の間培養する直接接種法か、またはメンブランフィルタ法である。メンブランフィルタ法には、密閉システム／キャニスター内に封入されたメンブランフィルタによって試験溶液をろ過し、試料液で満たし、薬局方によって規定された期間の間培養することが含まれる。培養期間後、試料液は熟練した検査室の専門家によって目視検査される。液内の混濁に相当する何らかの大きな視覚的変化は、試験試料に汚染微生物の存在があることを示す。

本発明の出発点である公知の無菌試験のための方法（米国特許第７，３５４，７５８号明細書）は、液体容器に収容された少なくとも１つの試験液を光学的に分析することに基づいている。この公知の無菌試験は、メンブランフィルタによって実行される。これは、無菌性に照らして実際に分析される試料液がメンブランフィルタを通過した後、栄養溶液の形態の栄養培地が液体容器内に導入されることを意味し、ここで得られた液体は、以下では「試料液」と呼ぶ。培養期間後、試験液は、熟練した検査室の専門家によって目視検査される。試験液中の既知の汚染物質の分布は、ほとんどの場合、それに対応する液内の混濁に伴うため、この光学的検査は、試験液の汚染状態、その結果としての試料液の汚染状態について調べるための強力な手段となる。試験液中の汚染物質の分布特性に基づいて、汚染を引き起こしている特定の生物について調べることも可能である。

容器、フィルタ、ポンプ、コネクタなど、無菌試験用に設計された付属品の日常的な最適化にもかかわらず、中核的な方法は、試料液の目視検査について、依然として各研究室の専門家の経験に大きく依存している。このことは、体系的に再現性における所定の低下につながるため、無菌試験のための既知の方法は、コストや時間のかかる四つの目の原則の下で行われることがほとんどである。

したがって、本発明が基礎とする課題は、無菌試験のための公知の方法を改善して、費用対効果が高く時間効率もよいやり方で再現性を高めることにある。

上述の課題は、請求項１の上位概念の特徴を有する無菌試験のための方法において、請求項１の特徴部分の特徴によって解決される。

試験液中の汚染物質の分布特性とこれらの分布特性に伴うそれぞれの汚染状態との間の相互関係は、無菌試験の検査の自動化の基礎となる可能性があることが見出された。これは、分布特性が流体内の特徴的な混濁を伴い、光学的なコントラスト、粒子の凝集および／または沈降、色および／または明るさの変化などとしてカメラユニットによって容易に検出できるため当てはまる。

詳細には、制御アレイによって実行される分析ルーチンにおいて、センサアレイによって生成された、試験液の少なくとも１つの光学的画像を表す画像関連データが、センサアレイから制御アレイに伝送されることが提案される。次いで、この分析ルーチンでは、試験液の汚染状態が、試験液中の汚染物質の分布特性とそれぞれの汚染状態との間の相互関係に基づいて、画像関連データから導出される。

提案された解決手段を用いることにより、無菌試験の検査は、ここで完全に自動化され、それにより完全に再現可能なやり方で実行されてよい。提案された方法を実現するためのコストは、主にソフトウェア関連のコストであり、それに対して、センサアレイと制御アレイとに関するハードウェアは比較的に低い。

付加的に、そのような自動化に必要な実体、すなわち、ローカル制御ユニットおよびセンサアレイの少なくとも一部は、無菌試験のために、液体容器に取り付けられた単一のモジュール担体によって支持されてよい。その結果、試験液の汚染状態の自動化された定義のためにさまざまな測定デバイスを複雑に設置する必要がなくなるため、高度な使い勝手を達成することができる。また、無菌試験モジュールは液体容器に直接取り付けてもよいため、これ以上のコンパクト化はできるものではない。

「画像関連データ」という用語は広い意味で理解されたい。これは、試験液の少なくとも１つの画像を表し、この意味では通常の写真表現であり得る。付加的に、「画像関連データ」という用語は、画像関連データに基づいて導出される汚染状態に関する情報に寄与する、試験液の他の特性に関するセンサアレイの他のセンサのセンサデータを含んでいてよい。そのような特性は、例えば、炭素源濃度、窒素源濃度、アミノ酸濃度、成長因子濃度、ｐＨ、温度、酸素濃度、二酸化炭素濃度、導電率、圧力、ＤＮＡ濃度、タンパク質濃度、バイオマス濃度、バイオマス生産速度、酸素取り込み速度、および／または乳酸などの代謝産物に関し得る。

この理解によれば、画像関連データに依存する分析ルーチンは、「画像関連分析ルーチン」とも称される。この画像関連分析ルーチンは、付加的に、汚染状態の導出のために他のセンサのセンサデータを考慮に入れることを含むことができる。

提案された方法は、多種多様な無菌試験コンセプトのために実現されてよい。この文脈において、請求項２は、第１の好適な代替案としてメンブランフィルタに基づく無菌試験を示し、第２の好適な代替案として直接接種に基づく無菌試験を示している。ここでは他の代替案も十分に適用可能である。

請求項３によれば、その検出が提案された方法の基礎となる汚染物質の分布は、それぞれ単独かもしくは組み合わせで取り上げられる混濁の異なる態様によって表されてよいことが明らかにされる。それらの各態様は、カメラユニットなどによって適宜検出されてよい。

請求項４から７によれば、先行特性データは、上述の、画像関連分析ルーチンに先行する先行分析ルーチンにおいて生成されている。ここで、「先行する」という用語は、画像関連分析ルーチンにおいて試験液の汚染状態が導出される前に、先行分析ルーチンが実行されることを意味する。したがって、これらの分析ルーチン間ではかなりの重複が起こる場合がある。その利点は、潜在的な汚染物質の早期検出を可能にすると同時に、薬局方のような公的規制に可能な限り準拠しているため、より高いレベルの再現性と信頼性とを提供できることにある。

先行分析ルーチン中、ここでも例えば、炭素源濃度、窒素源濃度、アミノ酸濃度、成長因子濃度、ｐＨ、温度、酸素濃度、二酸化炭素濃度、導電率、圧力、ＤＮＡ濃度、タンパク質濃度、バイオマス濃度、バイオマス生産速度、酸素取り込み速度、および／または乳酸などの代謝産物などの試験液の特性を得ることができよう。

上記は、先行特性データを付加的に考慮に入れることにより、画像関連分析ルーチンの結果の信頼性および／または詳細度レベルを向上させるために有利な場合がある（請求項６）。付加的にまたは代替案として、先行分析ルーチンは、以下において「事前の汚染状態」とも称される汚染状態の迅速な検出を提供することができる（請求項７）。この事前の汚染状態は、画像関連分析ルーチンによって後から確認されてもよい。ここでは、複数の先行分析ルーチンが、それぞれ請求項４から７までの１つまたは複数に従って動作する、提案された方法の一部であってよいことを示すことができよう。

請求項８は、汚染状態の異なる定義に向けられたものであり、各々は、汚染クラスの予め定義されたグループからの汚染クラスによって汚染状態を表すことに遡る。これは、提案された無菌試験のための方法が、次いで、画像関連データに基づく分類に遡ることを意味する。汚染状態の定量的な定義と比較して、そのような分類は実現が容易であり、付加的に、今日の無菌試験の標準に照らして完全に満足のいくものである。

請求項９に従って提案された方法を実現するための第１の代替案は、特徴抽出に基づく単純な画像処理であり、例えば、ここでは、線や形態のような所定の特徴の組み合わせがそれぞれの汚染クラスに割り当てられてよい。

提案された無菌試験のための方法を実現するための第２の好適な代替案は、請求項１０から１５の対象である。ここでは、分析ルーチンが、機械学習機構に基づくことが提案され、この機械学習機構は、画像関連データから汚染状態を導出するようにトレーニングされ、場合によっては、先行特性データから導出される。これは、汚染物質の分布特性が１つの同じ汚染生物によって異なる場合であっても、非常に良好な分類結果を達成するための最も強力なアプローチである。

請求項１２によれば、好適には、機械学習機構は、トレーニングされたニューラルネットワークに基づいており、このニューラルネットワークは、さらに好適には、ニューラル畳み込みネットワーク（ＣＮＮ）である。そのようなニューラル畳み込みネットワークは、画像に基づく分類タスクに極めて効果的であることが証明されている。

請求項１４による分類ステップに必要な計算能力を低減する効果的なやり方として、分類の対象となるそれぞれの画像内に関心領域を定義することが好適である。これは、画像全体が分析されるのではなく、関心領域のみが分析されることを意味する。この関心領域の定義は、クロップステップにおいて行われ、このクロップステップは、手動で行われるか、または、例えば、特徴抽出に基づいて自動的に行われてよい。

請求項１５は、機械学習機構をトレーニングするためのトレーニングステップに向けられており、このトレーニングステップは、好適には、分析ルーチンにおいて導出されるべき汚染クラスを表す注釈画像に基づいている。その結果は、分類ステップにおいて機械学習機構によって使用されるトレーニングデータセットである。このトレーニングステップは、いつでもトレーニングデータセットが継続的に改善され得るように繰り返されてよい。

請求項１６から１８は、センサアレイを実現するための好適な変形例に向けられている。請求項１６によれば、センサアレイは、試験液に向けられたカメラユニットを含む。カメラユニットは、簡素な２Ｄカメラユニットであってよく、これは、良好な分類結果のために完全に十分であることが証明されている。

請求項１７によれば、カメラユニットの視認方向は、重力の方向に対して多かれ少なかれ平行である。換言すれば、カメラユニットの視認方向は、重力に関して下向きまたは上向きである。液体容器が、コップ状の容器である好適なケースでは、カメラは、好適には、液体容器の上方または下方から視認する。カメラユニットのこのように位置決めが、後述するように、水平な平面内に並べて配置された多数の液体容器を分析することが容易に可能になることは容易に理解することができる。

画像関連データは、好適には、試験液の単一の画像だけでなく、請求項１８の対象である試験液の一連の少なくとも２つの画像に向けられてもよい。

提案された方法の再現性をさらに改善するために、請求項１９によれば、センサアレイに、試験液を照明するための照明アレイを設けることが提案される。好適には、この照明アレイは、照明特性を変更するために制御アレイによって制御される。

好適には、提案された方法は、各々別個の液体容器に収容された少なくとも２つの試験液のために実行される（請求項２０，２１）。請求項２１によれば、１つの同じ試料液に基づく２つ以上の試験液のために、１つの分析ルーチンのみが実行される。これは、試料液の分類結果を改善するために、少なくとも２つの試験液が異なる栄養溶液を含む場合に有利である。

請求項２２および２３は、液体容器とセンサアレイの少なくとも一部との間の相対移動を実現するための操作システムの適用に向けられている。これにより、センサアレイの各部分、特にカメラユニットを各液体容器に自動的に位置合わせすることが可能となり、それによって、多数の試験液の無菌試験の自動化された検査が可能となる。

独立した重要性を有する請求項２４の別の教示によれば、提案された方法において使用するためのトレーニングデータセットを有するデータストレージデバイスがそのように特許請求される。第１の教示に関するすべての説明が完全に適用可能である。

同様に独立した重要性を有する請求項２５の別の教示によれば、提案された方法を実行するための制御アレイがそのように特許請求される。ここでも、第１の教示に関するすべての説明が完全に適用可能である。

同様に独立した重要性を有する請求項２６の別の教示によれば、センサアレイの少なくとも一部、特にカメラユニットと、制御アレイの少なくとも一部と、を含む無菌試験モジュールがそのように特許請求され、この無菌試験モジュールは、提案された無菌試験のための方法を実行するために設計されている。ここでも、第１の教示について与えられたすべての説明が同様に適用可能である。

独立した重要性を有する請求項２７の別の教示によれば、無菌試験モジュールは、モジュール担体と、モジュール担体によって支持されたローカル制御ユニットと、光学的センサ、好適にはカメラユニットを有するセンサアレイと、を含む。試験液の汚染状態を導出するための分析ルーチンにおいて、センサアレイは、試験液の少なくとも１つの光学的画像を表す画像関連データを生成し、それらの画像関連データをローカル制御ユニットに提供する。モジュール担体は、担体インタフェースを提供し、この担体インタフェースを介してモジュール担体が液体容器に取り付けられてよく、液体容器に対するセンサアレイの位置が定義される。好適には、容器インタフェースは、担体インタフェースと形状結合および／または摩擦結合の態様で相互作用する。これらのインタフェースの設計に依存して、液体容器に関するアレイの位置を定義することがさまざまなやり方で実現されてよい。例えば、請求項２８によれば、上述のインタフェースは、ここでも形状結合または摩擦結合の態様でのロック機構を提供する。これにより、ロック機構は、スナップオン機構、バヨネット機構、ねじ込み機構などであってよい。

請求項２９は、モジュール担体との提案された相互作用に特に適した液体容器の好適な全体構造に向けられている。これは特に、長手方向に沿って直立した設計の液体容器に向けられた請求項３０による好適な実施形態に当てはまる。

請求項３１から３４は、それぞれ液体容器のモジュール担体の好適な実施形態に向けられている。特に好適なのは、請求項３２および３３による実施形態であり、これらは、モジュール担体がキャップの形態で設計されていることに向けられており、このキャップは、さらに好適には、液体容器の少なくとも一部のカバーを提供する。

光学的センサ、特にカメラユニットと、液体容器の長手方向軸線と、の好適な位置合わせは、請求項３５の対象である。光学的センサ、特にカメラユニットのこの位置合わせを用いることにより、光学的センサ、特にカメラユニットの視認方向は、上部から底部へ、またはその逆となり、その結果、特に液体容器の上述の好適な直立設計により、モジュール担体の取り付けが容易になる。

請求項３６によるさらに好適な実施形態を用いることにより、センサアレイによって生成された画像関連データは、異なる焦点面における画像を考慮することができ、これらの焦点面は、ローカル制御ユニットによって、場合によっては外部制御ユニットによって制御されてよい。これにより、試験液を二次元的に分析するだけでなく、三次元的に分析することも可能である。

分析ルーチンの再現性をさらに改善するために、請求項３７によれば、センサアレイに、試験液を照明するための照明アレイを設けることが提案される。好適には、この照明アレイは、照明特性を変更するために、ローカル制御ユニットによって制御される。

請求項３８の１つの代替案では、分析ルーチンにおいて、ローカル制御ユニットは、試験液中の汚染物質の分布特性とそれぞれの汚染状態との間の相互関係に基づいて、画像関連データから汚染状態を導出する。請求項３８の第２の代替案によれば、ローカル制御ユニットは、外部制御ユニットにデータ接続され、それによって、外部制御ユニットは、上述したように画像関連データから汚染状態を導出する。選択された代替案に依存して、ローカル制御ユニットまたは外部制御ユニットは、汚染状態を導出するための対応する計算能力を備えなければならない。

請求項３９によれば、ローカル制御ユニットまたは外部制御ユニットは、画像関連データから、特に画像関連データにおける汚染物質の分布特性から、汚染状態を導出するようにトレーニングされた機械学習アルゴリズムに基づいて、汚染状態を導出するように設計されている。このために、好適には、ローカル制御ユニットまたは外部制御ユニットには、提案された方法に関して以下に説明されるトレーニングステップで生成されたトレーニングデータセットが提供される。

請求項４０による別の教示は、提案された無菌試験モジュールおよび上述の液体容器の両方を含む無菌試験アセンブリに向けられており、それに対して請求項４１によるさらに別の教示は、提案された無菌試験モジュールおよび上述の、外部制御ユニットの両方を含む無菌試験アレイに向けられている。提案されたモジュールについて与えられたこれまでの説明および以下の説明はすべて、これらの付加的な教示に完全に適用可能である。

同様に独立した重要性を有する請求項４２による別の教示として、上述の無菌試験モジュールを備え、試験液用の少なくとも２つの液体容器を支持するための容器担体を備えた無菌試験システムがそのように特許請求される。ここでも、第１の教示に関して与えられたすべての説明が完全に適用可能である。

請求項４３～４５は、操作システム、特に、電動マニピュレータを備えた無菌試験システムを提供することに向けられており、これにより、請求項４５によれば、カメラユニットは、水平な平面内で、好適には二次元でのみ移動させてよい。これは、請求項１７に関して説明したように、カメラユニットが重力に対して下向きまたは上向きに向けられる場合に特に有利である。付加的にまたは代替案として、カメラユニットは３次元で移動させてよい。

以下では、本発明の実施形態を図面に関連して説明する。

分析ルーチン中の無菌試験システムの提案された無菌試験モジュールを示した図である。 機械学習機構を使用した分析ルーチンのフローチャートである。 機械学習機構のトレーニングのためのトレーニングステップのフローチャートである。 図１の無菌試験モジュールを備えた無菌試験システムを示した図である、 図１による分析ルーチン中の無菌試験システムの提案された無菌試験モジュールを示した図である。 図５による無菌試験モジュールの液体容器への取り付けをａ）およびｂ）の２つのステップで示した図である。

提案された無菌試験のための方法は、好適には、図４に示された無菌試験システム２の図１に示された無菌試験モジュール１を使用して実行される。提案された無菌試験のための方法は、少なくとも１つの試験液３を光学的に分析することに基づいており、この試験液３は、液体容器４に収容されている。試験液３の汚染状態に依存して、非液体汚染物質５が試験液３中に分布する。図３の左側には、非液体汚染物質５の分布の例が大まかな例で示されている。

「光学的」とは、物理的な意味におけるあらゆる種類の光学的測定を意味し、例えば、混濁、当該混濁のそれぞれの分布などによる光の散乱、光の吸収などの可視光に基づく測定、および／または紫外線もしくは赤外線などの非可視光に基づく測定、またはそれらの組み合わせを含むが、これらに限定されない。付加的に、光学的測定は、フェノールフタレイン、ブロムチモールブルーまたはメチルレッドのような少なくとも１つのｐＨ指示薬を試験液３に添加することによって可視化されるｐＨシフトに基づくことができる。

図１によるセットアップには、制御アレイ６が含まれており、この制御アレイ６は、ここで好適には、無菌試験モジュール１のローカル制御ユニット７と、該ローカル制御ユニット７から遠隔形態で別個に配置されるが、ローカル制御ユニット７にデータ接続される、タブレット、パーソナルコンピュータ、またはサーバーであってよい外部制御ユニット８と、を含む。このデータ接続は、有線ベースであってもよいし、あるいは図１に示されるように無線ベースであってもよい。

制御アレイ６によって実行される分析ルーチン９において、センサアレイ１１によって生成された試験液３の少なくとも１つの光学的画像を表す画像関連データ１０が、センサアレイ１１から制御アレイ６に伝送されることが不可欠である。図１にはセンサアレイ１１も示されており、このセンサアレイ１１は、後述するように少なくともカメラベースであることがここでは好適である。

ここで、好適には、上述の画像関連データ１０は、最初にローカル制御ユニット７に転送される。このローカル制御ユニット７は、センサアレイ１１のためのドライバであってよく、画像関連データ１０の前処理を実行してもよい。その結果得られたデータは、次いで、さらなる処理のために、好適には外部制御ユニット８に転送される。しかしながら、コンパクトな全体構造を達成するために、完全な分析ルーチン９は、センサアレイ１１の近傍のローカル制御ユニット７によって実行されてよい。いくつかのケースでは、制御アレイ６は、分析ルーチン９を実行するのに必要な計算を実行するための計算機ハードウェアを含む。

次いで、提案された方法によれば、制御アレイ６によって実行される分析ルーチン９において、試験液３の汚染状態が、汚染物質５の分布特性とそれぞれの汚染状態との間の相互関係に基づいて、画像関連データ１０から導出される。

「分布特性」という用語は、広義に理解されるべきであり、汚染生物、粒子、液体、気体、イオンなどの分布を含むがこれらに限定されない、汚染物質５の可能な空間的特性の全体を指す。

試験液３は、無菌性が主に試験される液体であってもよい。しかしながら、ここで好適には、試験液３は、この試験液３とは異なる試料液の無菌性について調べるためにのみ分析される。試験液３を液体容器４に受け取るために、好適には、準備ルーチンが実行される。この準備ルーチンの第１のステップでは、主に無菌性について試験される試料液が、液体容器４の上部における入口４ａを介して導入され、液体容器４内のフィルタ１２を通過し、液体容器４の底部における出口４ｂを介して排出される。その後、この出口４ｂは、栓４ｃによって閉鎖される。次いで、好適には、準備ルーチンの後続ステップにおいて、栄養溶液の形態の試験液３が、入口４ａを介して液体容器４内に導入される。これは、試料液がフィルタ１２を通って液体容器４から排出された後、好適にはすすぎサイクルの後に行われてよい。次いで、入口４ａは、ここで好適には、入口４ａを液体容器４の通気口４ｄに接続することによって閉鎖される。フィルタ１２は、好適には、メンブレンフィルタである。しかしながら、適用分野に応じてフィルタ１２の他の変形例も可能である。

上述した無菌試験の概念は、上述したようにメンブランフィルタに基づくものであるが、これは好適な代替案の１つに過ぎない。第２の好適な代替案は、直接接種に基づく無菌試験のための方法である。このケースでは、準備ルーチンにおいて、主に無菌性について試験される試料液と栄養溶液との組み合わせの形態の試験液３が、液体容器４内に直接導入される。

試験液３は、該試験液３と連通するフィルタ１２とともに、図４にのみ示されている培養ユニット１３に挿入される。予め定義された培養期間（これは例えば１４日間であってよい）の経過後、提案された分析ルーチン９が好適には実行される。

試験液３中の汚染物質５の分布は、ほとんどの場合、所定の混濁１４、ならびに混濁１４の分布によって表される。いくつかのケースでは、さらに分布が、粒子凝集体１５，１６の発生によって表される。付加的に、試験液中の汚染物質５の分布は、レーザーもしくは光ビームによる測定に基づく固体、液体、または気体の汚染物質５の検出および／または分布によって表される。測定の基礎となる光の周波数は、可視および／または非可視スペクトル、特に紫外線もしくは赤外線スペクトルからの周波数であり得る。

第１のケースでは、試験液３中の汚染物質５の分布は、好適には、試験液３中の混濁１４の強度および／または混濁１４の広がりおよび／または混濁１４の幾何学的構造によって表される。付加的にまたは代替案として、上述したように、試験液３中の汚染物質５の分布は、粒子凝集体１５の発生によって、かつ／または沈降粒子凝集体１６の発生によって表される。センサアレイ１１に依存して、汚染物質５の分布のこれらの表現の少なくとも一部が検出されてよい。カメラベースのセンサアレイ１１のケースでは、混濁のある領域は、試験液３の画像におけるコントラストおよび／または色により、混濁なしの領域から区別されるため、少なくとも混濁１４の検出のための高い潜在能力が存在する。

付加的に、上述の、画像関連分析ルーチンに先行する先行分析ルーチンにおいて、試験液３の少なくとも１つの特性を表す先行特性データが、センサアレイ１１によって生成されてよい。好適には、この先行特性データは、先行分析ルーチンにおいて、センサアレイの少なくとも１つのセンサによって生成され、センサアレイの少なくとも１つのセンサは、画像関連データを生成したセンサアレイの少なくとも１つのセンサとは異なる。

上述の先行分析ルーチンは、画像関連分析ルーチンにおいて導出された汚染状態の高い信頼性および／または高い詳細度レベルに寄与し得る。このために、試験液３の汚染状態は、制御アレイ６により、画像関連データ１０から導出され、付加的に、分析ルーチン中の試験液３中の汚染物質５の分布特性と先行分析ルーチン中の試験液３の特性とそれぞれの汚染状態との間の相互関係に基づいて、先行特性データから導出される。

付加的または代替案として、先行分析ルーチンは、汚染の早期兆候を取得する役割を果たすことができる。このために、先行分析ルーチン中に、試験液３の事前の汚染状態が、制御アレイ６により、先行分析ルーチン中の試験液３の特性とそれぞれの事前の汚染状態との間の相互関係に基づいて、先行特性データから導出される。

以下では、画像関連分析ルーチン９中の画像関連データ１０と先行分析ルーチン中の先行特性データとの有利な概要の例が、特定の生物である黄色ブドウ球菌に基づく汚染のケースで示される。

黄色ブドウ球菌は、これらの細菌が抗酸化物質として産生するカロテノイドであるスタフィロキサンチンに起因して黄金色を呈する。この色は、生成された画像関連データに基づいて、例えば測光分析、光の吸収、および／またはカメラベースの分析を介して光学的に分析することができる。画像関連分析ルーチン９では、この特性が検出されてよく、ここで、導出された事前の汚染は、一般的な「汚染」である。しかしながら、他の生物もカロテノイドを産生するため、この画像関連分析ルーチン９において、光学的画像のみに基づいて、特定の汚染生物を表す汚染クラスを導出することは不可能である。

他方では、黄色ブドウ球菌は、嫌気的条件下で乳酸を産生することができる。乳酸は、例えば、生成された先行特性データに基づいて、例えば乳酸を測定する代謝物センサを介して分析することができる。先行分析ルーチンにおいて、これは、汚染クラス「汚染」の事前の汚染状態の導出につながる可能性がある。先行分析ルーチンは、画像関連分析ルーチン９に先行する初期段階で実行される場合があるので、事前の汚染状態は、それに応じて早期に、即ち、画像関連分析ルーチン９が完了する前に提供されてよい。しかしながら、他の生物も乳酸を産生するため、ここでも、特定の汚染生物を表す汚染クラスを導出することは不可能である。

画像関連分析ルーチン９中、画像関連データおよび先行特性データの両方の相関関係により、特定の汚染生物を表す汚染クラスを導出することが可能である。なぜなら、概要内の両方の特徴が、それぞれの特定の生物を明確に識別するからである。

完全を期すために、ここでは上記の乳酸が、画像関連分析ルーチン９中に検出される可能性があることも指摘しておく。なぜなら、この画像関連分析ルーチン９は、必ずしも狭義の光学的な意味での画像データに限定されないからである。このケースでは、事前の汚染状態を早期に導出することの利点は実現されないであろう。

付加的に、先行分析ルーチンおよび／または分析ルーチン９が開始される前に、認識化合物が試験液３に添加されてよい。そのような認識化合物は、特定の汚染生物を表す汚染クラスを導出する際の精度のレベルをさらに高めることができる。例示的な認識化合物は、タンパク質、特にコアグラーゼ、オキシダーゼ、またはカタラーゼなどの酵素、Ｎ，Ｎ－ジメチル－ｐ－フェニレンジアンモニウムクロリドなどの色素、指示薬および／またはイオンであってよい、

「認識化合物」という用語は、特定の生物の識別を支援する任意の物理的、化学的、または生物学的化合物を指す。一例として、黄色ブドウ球菌は、糖タンパク質であるフィブリノーゲンと反応できるタンパク質コアグラーゼを産生する。黄色ブドウ球菌を含む試験液３にフィブリノーゲンが添加されたケースでは、この反応は、混濁および凝集体を示すフィブリノーゲンの凝固をもたらすが、それらは再び光学的に分析可能であるため、特定の生物の識別をさらに支援するものとなる。

先行分析ルーチン９の開始が可能なさまざまなやり方が存在する。最も簡単なやり方は、ユーザーが手動で先行分析ルーチン９を開始することである。しかしながら、先行分析ルーチン９の開始は、特にトリガーイベントに基づいて、自動的に実行されてもよい。このトリガーイベントは、培養期間の開始、中間および／または終了であってよく、これは、制御アレイ６により、時間測定に基づいて容易に監視される場合がある。付加的に、先行分析ルーチン９は、汚染物質５の分布における動的変化を考慮に入れるために、培養期間中に連続的および／または周期的に開始されてよい。ここで好適には、先行分析ルーチンは、分析ルーチンに先行して実行される。

さらに、試験液３の汚染状態を定義するために、さまざまな可能なやり方が存在する。ここで好適には、汚染状態は、汚染クラスの予め定義されたグループからの汚染クラスによって表されるように定義される。好適には、先行分析ルーチンにおいて導出された事前の汚染状態、ならびに画像関連分析ルーチン９において導出された汚染状態は、同じやり方で定義される。分析ルーチン９では、汚染状態は、汚染クラスの１つに割り当てられる。

最も簡単なケースでは、汚染クラスの予め定義されたグループには、汚染クラス「汚染」と「非汚染」のみが含まれる。代替案として、汚染クラスの予め定義されたグループには、黄色ブドウ球菌、枯草菌、緑膿菌もしくはコクリアリゾフィラ、クロストリジウムスポロジェネスもしくはバクテロイデスバルガタス、カンジダアルビカンスもしくは黒色アスペルギルスなどの特定の生物をそれぞれ表す汚染クラスが含まれる。

これらの生物は薬局方の現行版から抜粋したものであり、単なる一例として理解されたい。環境分離株および／または薬局方に記載されていないものなどのさらなる生物も同様に可能である。そのような汚染生物は、同種もしくは異種グループで存在する可能性がある。異種グループのケースでは、汚染状態は、本質的に対応する汚染クラスによって表される。

汚染クラス「黄色ブドウ球菌」の分布特性は、主に、粒子凝集体の発生および／または沈降された粒子もしくは粒子凝集体の発生によって反映される。汚染クラス「枯草菌」の分布特性は、主に、粒子凝集体の発生および／または不均一な混濁の発生によって反映される。汚染クラス「緑膿菌もしくはコクリアリゾフィラ」の分布特性は、主に、好適には均一な混濁の発生によって反映される。汚染クラス「クロストリジウムスポロジェネスもしくはバクテロイデスバルガタス」の分布特性は、主に、均一な混濁の発生によって反映される。汚染クラス「カンジダアルビカンス」の分布特性は、主に、特に液体容器の底部での粒子膜の発生によって反映される。汚染クラス「黒色アスペルギルス」の分布特性は、主に、空間的に閉じ込められた粒子雲の発生および／または沈降して空間的に閉じ込められた粒子雲の発生によって反映される。

図３の左側に示した非液体汚染物質５の分布についての例を見れば、汚染状態の汚染クラスは、一般に、それぞれの汚染クラスに割り当てられた分析基準に基づく簡単な画像処理により、画像関連データ１０から導出されてよいことが明らかである。特に、検出すべき汚染クラスの数が少ない場合、これは、単純な特徴抽出に基づいてよい効果的なアプローチとなる。しかしながら、検出される汚染クラスが多くなり、１つの汚染クラス内の分布特性のばらつきが大きくなることも予想され、このアプローチでは、非常に複雑な分析基準のカタログにつながる可能性がある。このケースでは、機械学習機構の適用は、より強力なアプローチに思われる。

好適なアプローチによれば、分析ルーチン９は、画像関連データ１０から、特に、画像関連データ１０における汚染物質５の分布特性から汚染状態を導出するようにトレーニングされた上述の機械学習機構１７に基づいている。

先行特性データが機械学習機構１７に含まれる場合、画像関連分析ルーチン９中に、信頼性および詳細度レベルが向上される場合がある。したがって、好適には、画像関連分析ルーチン９が、画像関連データ１０から、特に画像関連データ１０における汚染物質５の分布特性からだけでなく、先行特性データからも汚染状態を導出するようにトレーニングされた機械学習機構１７に基づくことが提供される。

好適には、機械学習機構１７は、トレーニングされたニューラルネットワークに基づく。特に好適なのは、ニューラル畳み込みネットワーク（ＣＮＮ）の適用であり、これは、同様に上述したように、画像の分析に非常に効果的となることが証明されているからである。

図２には、分析ルーチン９が一例として示されている。取得ステップ１８においてセンサアレイ１１から制御アレイ６に画像関連データ１０が伝送された後、分類ステップ１９が、制御アレイ６によって実行され、この分類ステップ１９では、汚染状態の汚染クラスが、機械学習機構１７により、画像関連データ１０から導出される。これは、機械学習機構１７が、上述したように、また後述するように、画像関連データ１０から汚染状態を導出するようにトレーニング済みだからである。

分類ステップ１９を実行するのに必要な計算能力を抑えるために、取得ステップ１８において画像関連データ１０がセンサアレイ１１から受信された後に、クロップステップ２０が直接提供されてよい。クロップステップ２０では、画像関連データ１０において関心領域Ｒが定義され、この関心領域Ｒが分類ステップ１９の対象となる。換言すれば、分類ステップ１９は、関心領域Ｒ内でのみ実行され、これは分類ステップ１９の複雑さを低減させる。関心領域Ｒは、画像関連データ１０によって表される画像の予め定義された領域であってもよい。これは、一例として図３の画像Ｉ_１，ｎについて示されている。これにより、例えば、無菌試験モジュール１の個々の幾何学的構造に起因して生じる可能性のある不所望な光反射を系統的に無視することができる。

代替案として、関心領域Ｒは、ユーザー入力によって定義されてよい。別の代替案として、関心領域Ｒは、制御アレイ６により、例えば自動特徴抽出に基づく画像処理に基づいて、自動的に定義されてよい。関心領域Ｒの定義については他の代替案が可能である。

上述したように、機械学習機構１７は、トレーニングステップ２１において、トレーニングされるか、またはトレーニング済みである。トレーニングステップ２１の概念は、図３に示されている。これによれば、トレーニングステップ２１は、好適には、分析ルーチン９において導出されるべき汚染クラスを表す注釈画像Ｉ_ｍ，ｎに基づいている。図３の左側には、注釈画像Ｉ_ｍ，ｎが提供されており、これらにはそれぞれ注釈Ａ_ｍ，ｎが割り当てられている。この注釈Ａ_ｍ，ｎは、検査室の専門家によって手動で各画像に割り当てられている。これらの注釈画像Ｉ_ｍ，ｎに基づいて、トレーニングデータセット２２が、制御アレイ６または任意の他の制御システムによって生成される。分析ルーチン９では、図２に示すように、分類ステップ１９がトレーニングデータセット２２に基づいている。

上述のトレーニングステップ２１は、好適には、外部制御ユニット８または任意の他の制御システムによって実行され、このステップに関しては、かなりの計算能力が必要である。次いで、結果として得られたトレーニングデータセット２２は、分析ルーチン９を実行するために、制御アレイ６の各部分、好適にはローカル制御ユニット７にダウンロードされてよい。

センサアレイ１１は、好適には、少なくともカメラベースであり、したがって、その視認方向Ｃが試験液３に向いているカメラユニット２３を含む。このカメラユニット２３は、高解像度ではあるが低コストのコンポーネントである簡素な２Ｄカメラユニットであってよい。そのような２Ｄカメラユニットの場合、視認方向Ｃはカメラユニット２３の光軸と同一である。

画像関連データ１０の取得のために、センサアレイ１１は、異なる視認方向を有する１つの付加的なカメラユニットまたは複数の付加的なカメラユニットを提供することができる。以下では、複雑さを低減するために、１つのカメラユニット２３についてのみ説明する。

三次元画像関連データを分析ルーチン９に含めるために、センサアレイ１１に３Ｄカメラユニットを設けることが有利な場合もある。しかしながら、カメラユニット２３の焦点を制御アレイ６によって制御することができれば、幾分かの三次元画像関連データが生成される場合もある。これは、異なる焦点面における画像についての画像関連データ１０の取得を可能にする。上述の混濁１４は、重力Ｇの方向に関して異なる高さに位置する場合があり、また、フィルタ１２が配置された液体容器４の底部に主に見られる沈降粒子凝集体１６を検出することが望ましい場合があるため、異なる焦点面２４ａ，２４ｂ，２４ｃについての画像関連データ１０の取得は特に好適である。これらの焦点面２４ａ，２４ｂ，２４ｃのうちの３つが、例としてのみ図１に示されている。

カメラユニット２３の視認方向Ｃは、好適には、重力に関して下向きまたは上向きであり、ここで、好適には、カメラユニット２３の視認方向Ｃは、重力方向Ｇから１０°未満だけそれている。

図１は、液体容器４が、好適にはコップ状の設計であるが上部区分と底部区分とが閉鎖されている容器本体を含むことを示す。底部区分には、上述のフィルタ１２が配置されている。上部区分は透明であり、それによって、カメラユニット２３は、この上部区分を通して視認可能である。その上さらに、液体容器４の側方区分も同様に透明である。

実現することが容易な実施形態では、分析ルーチン９において、１つの単一の画像のみの画像関連データ１０が、センサアレイ１１によって生成されている。しかしながら、汚染状態の導出が、試験液３の一連の少なくとも２つの画像を表す画像関連データ１０に基づいて実行される場合は、分類結果を向上させることができる。これらの一連の少なくとも２つの画像は、時間的な手法で相互にオフセットされた画像に関することも、あるいは異なる焦点面２４ａ，２４ｂ，２４ｃに関わる画像に関することも可能である。

既に説明したように、「画像関連データ」という表現は、広い意味で理解されるべきであり、これは、それらの画像関連データがセンサアレイ１１の他のセンサのセンサデータを含み得ることを意味する。したがって、ここで好適には、センサアレイ１１は、画像関連データ１０に寄与する付加的なセンサデータを提供する、少なくとも１つの付加的なセンサを含む。これらの付加的なセンサを用いて、光の散乱、光の吸収、温度、湿度、導電率、発泡速度、ｐＨ値、液面、および／またはセンサ位置に関するセンサデータが取得されてよい。

別の好適な実施形態では、センサアレイ１１は、試験液３を照明するための照明アレイ２５を含む。ここで好適には、照明アレイ２５は、異なる波長および／または異なる強度の光で試験液３を照明する。これらの照明パラメータは、好適には制御アレイ６によって制御される。

予め定義された反応基準に照らしてステップ２６でチェックされる汚染状態に依存して、反応ルーチン２７が、制御アレイ６によって開始される場合がある。そのような反応基準は、すべての分類ステップ１９において何らかの汚染が検出されなかったかどうかに向けられてよい。次いで、好適には、反応ルーチン２７は、光学的または音響的な警告信号を出力する。また、電子警告を作成することが有利な場合もあり、この警告は、ディスプレイを介してユーザーに検出イベントを直接伝えるか、または中央制御システムなどに警告情報を送信することによって間接的に伝えるかのいずれかである。

分析ルーチン９を開始することが可能なさまざまなやり方が存在する。最も簡単なやり方は、ユーザーが手動で分析ルーチン９を開始することである。しかしながら、分析ルーチン９の開始は、特にトリガーイベントに基づいて、自動的に実行されてもよい。このトリガーイベントは、培養期間の終了であってよく、これは、制御アレイ６により、時間測定に基づいて容易に監視される場合がある。付加的に、分析ルーチン９は、汚染物質５の分布における動的変化を考慮に入れるために、培養期間中に連続的および／または周期的に開始されてよい。

図１は、センサアレイ１１および制御アレイ６の少なくとも一部、ここで好適には、ローカル制御ユニット７が、無菌試験モジュール１の単一のモジュール担体２９に配置されていることを示す。これは、コンパクト化に照らしても有利であるが、ここではモジュール担体２９を介して上述のコンポーネントの両方が一体的に取り扱われてもよいため製造が容易になり、このことに照らしても有利である。

図４に示す実施形態によれば、少なくとも２つの試験液３_ｉ，ｊが提供され、これらはそれぞれ別個の液体容器４_ｉ，ｊに収容される。好適には、各試験液３_ｉ，ｊについて、上述の分析ルーチン９が実行される。このために、モジュール担体２９は、後述するように、液体容器４_ｉ，ｊに対して相対移動される。

特に好適な実施形態では、少なくとも２つの、特に異なる試験液３_ｉ，ｊについて、これらは、それぞれ１つの同じ試料液に割り当てられ、１つの分析ルーチン９のみが、これらの少なくとも２つの異なる試験液３_ｉ，ｊの画像関連データ１０に基づいて実行される。これは、上述したように、仕様能力を向上させる。これは、試料液についての分類結果を改善するために、少なくとも２つの試験液３_ｉ，ｊが異なる栄養溶液を含む場合に、特に興味深い。ここで好適には、それぞれ試験液３_ｉ，ｊを準備するために使用される栄養溶液は、薬局方において公式無菌試験用にリストアップされた液の１つであり、好適には、無菌試験が、薬局方の現在の関連バージョンにおけるＵＳ＜７１＞； Ｐｈ．Ｅｕｒ２．６．１および／またはＪＰ４．０６の章による公式規制に完全に準拠している。

薬局方は、医薬品および／または薬剤の品質、試験、および保管、ならびにそれらの製造に使用される化合物、材料、および方法についての収集された薬剤規則を表す。ここで好適には、トリプティックソイブロス（ＴＳＢ）培地または流動チオグリコール酸（ＦＴ）培地が試験液３_ｉ，ｊとして使用される。それぞれが１つの同一の試料液に割り当てられる、少なくとも２つの、特に異なる試験液３_ｉ，ｊ、好適には栄養溶液の試験のこの冗長性は、特に、特定の汚染物質が特定の、好適には異なる栄養溶液も好む場合、特定の汚染物質の識別を支援する。

図４にも示されているように、ここで好適には、操作システム３０が設けられ、この操作システム３０を介して、液体容器４_ｉ，ｊと、センサアレイ１１の少なくとも一部と、の間の相対移動が制御アレイ６によって制御され、それにより、分析ルーチン９を実行するために、センサアレイ１１の少なくとも一部が各液体容器４_ｉ，ｊに対して相対移動される。好適には、操作システム３０による液体容器４_ｉ，ｊと、センサアレイ１１の少なくとも一部と、の間の相対移動中に、センサアレイ１１、ここで好適には、カメラユニット２３は、少なくとも部分的に重力に関して水平な平面３１内での移動を実行する。先に説明したように、カメラユニット２３が下向きに向けられることにより、すべての液体容器４_ｉ，ｊとそれに付随するすべての試験液３_ｉ，ｊとが、自動化された方式で別個の分析ルーチン９において分析されてよい。付加的にまたは代替案として、カメラユニット２３を三次元で移動させてよい。

このために、液体容器４_ｉ，ｊが配置される容器担体３２が設けられる。ここで好適には、これらの液体容器４は、図４に示すように、水平な平面３１に沿ってマトリックス状に配置される。操作システム３０は、センサアレイ１１の少なくとも一部、ここで好適には、カメラユニット２３を支持する電動マニピュレータ３３を含む。この電動マニピュレータ３３は、制御アレイ６によって制御され、それにより、分析ルーチン９を実行するために、センサアレイ１１の少なくとも一部が各液体容器４_ｉ，ｊに移動される。

異なる試験液３_ｉ，ｊの分析の最大の追跡性のために、好適には、液体容器４はバーコードを含み、このバーコードがカメラユニット２３によって読み取られ、制御アレイ６に転送されてよい。このカメラユニット２３の二重機能は、コンパクトで費用対効果の高い解決手段をもたらす。

別の教示によれば、提案された無菌試験のための方法において使用するためのトレーニングデータセット２２を備えたデータストレージデバイスがそのように特許請求され、ここで、トレーニングデータセット２２は、同様に上述したように、少なくとも１つのトレーニングステップ２１によって生成される。第１の教示に関するすべての説明は完全に適用可能である。

別の教示によれば、上述した制御アレイ６が、提案された無菌試験のための方法を実施するために、そのように特許請求される。ここでも、第１の教示に関するすべての説明が完全に適用可能である。

別の教示によれば、提案された無菌試験のための方法を実施するための上述の無菌試験モジュール１がそのように特許請求され、この無菌試験モジュール１は、センサアレイ１１の少なくとも一部、好適にはカメラユニット２３と、制御アレイ６の少なくとも一部、好適にはローカル制御ユニット７と、を備える。第１の教示に関するすべての説明は、この付加的教示に関しても完全に適用可能である。

別の教示によれば、上述の無菌試験モジュール１を備え、試験液３_ｉ，ｊ用の少なくとも２つの液体容器４_ｉ，ｊを支持するための容器担体３２を備えた上述の無菌試験システム２が、そのように特許請求されている。第１の教示に関する説明はすべて完全に適用可能である。

好適には、無菌試験システム２は、上述の操作システム３０を含み、この操作システム３０を介して、複数の液体容器４_ｉ，ｊと、センサアレイ１１の少なくとも一部と、の間の相対移動が、制御アレイ６によって制御され、それにより、分析ルーチン９を実行するために、センサアレイ１１の少なくとも一部が、各液体容器４_ｉ，ｊに相対移動されてよい。

さらに好適には、無菌試験システム２は、液体容器４_ｉ，ｊが配置されてよい上述の容器担体３２を含む。ここで好適には、液体容器４_ｉ，ｊは、図４に示すように、水平な平面３１に沿ってマトリックス状に配置される。操作システム３０は、センサアレイ１１の少なくとも一部を支持する電動マニピュレータ３３を含み、このマニピュレータ３３は、制御アレイ６によって制御され、それにより、分析ルーチン９を実行するために、センサアレイ１１の少なくとも一部が各液体容器４_ｉ，ｊに移動される。

さらに好適には、操作システム３０は、該操作システム３０による液体容器４_ｉ，ｊと、センサアレイ１１の少なくとも一部と、の間の相対移動中に、センサアレイ１１、特にカメラユニット２３が、少なくとも部分的に、重力に関して水平な平面３１内での移動および／または三次元での移動を実行するように設計されている。図４に示すように、操作システム３０のマニピュレータ３３は、ＸＹテーブルの形で設計されており、これは、標準化された機械的コンポーネントの使用に基づき費用対効果の高い実現を促す。

一般に、操作システム３０は、他の構造化方式で実現されてもよい。例えば、操作システム３０は、液体容器４_ｉ，ｊが、円の弧に沿ってまたは円に沿って配列されるようなカルーセルシステムとして構造化されてよい。他の配列も可能である。

以下の説明は、主に図５および図６に示す好適な実施形態に向けられる。

図６ｂに示す無菌試験アセンブリ３４の一部である、図５に示す提案された無菌試験モジュール１の機能は、少なくとも１つの試験液３を光学的に分析することに基づいており、この試験液３は、液体容器４内に収容されている。試験液３の汚染状態に依存して、非液体汚染物質５は、試験液３中に分布される。上述したように、図３の左側には非液体汚染物質５の分布の例が大まかな例で示されている。

提案された無菌試験のための方法は、少なくとも１つの試験液３を光学的に分析することに基づいており、この試験液３は、上述したように液体容器４内に収容されている。分析ルーチン９において、試験液３の少なくとも１つの光学的画像Ｉを表す画像関連データ１０が、センサアレイ１１によって生成され、ここで、試験液３の汚染状態は、ローカル制御ユニット７または外部制御ユニット８により、試験液中の汚染物質５の分布特性とそれぞれの汚染状態との間の相互関係に基づいて、画像関連データ１０から導出される。

無菌試験モジュール１は、モジュール担体２９と、該モジュール担体２９によって支持されるローカル制御ユニット７と、光学的センサ、ここで好適には、その視認方向Ｃが試験液３に向いているカメラユニット２３を有するセンサアレイ１１と、を含む。センサの実現のために、多数の変形例が可能である。例えば、光の散乱概念、ＩＲセンサ、ＵＶセンサ、レーザーセンサなどが適用可能である。以下では、センサはカメラユニットである。カメラユニットについて与えられたすべての説明は、センサの任意の他の変形例にも完全に適用可能である。

試験液３の汚染状態を導出するための分析ルーチン９において、センサアレイ１１は、試験液３の少なくとも１つの光学的画像Ｉを表す画像関連データ１０を生成し、それらの画像関連データ１０をローカル制御ユニット７に提供する。これは、後述するように、無菌試験の自動化された検査の基礎となる。

モジュール担体２９が、担体インタフェース３５を提供し、該インタフェース３５を介してモジュール担体２９が液体容器４に取り付けられてよく、液体容器４に関するセンサアレイ１１の位置が定義される。モジュール担体２９とそれに伴う無菌試験モジュール１の液体容器への取り付けは、図６ａから図６ｂまでのシーケンスによって表される。

図５および図６の組み合わせは、液体容器４が容器インタフェース３６を提供し、取り付け中に担体インタフェース３５が容器インタフェース３６と形状結合および／または摩擦結合係合することを示している。図示されたその限りにおいて好適な実施形態では、２つのインタフェース３５，３６の間の係合は、形状結合嵌合と摩擦結合嵌合との組み合わせである。

図５および図６の組み合わせは、担体インタフェース３５と容器インタフェース３６とが、図６ｂに示す取り付けられた状態において、モジュール担体２９を液体容器４にロックするためのロック機構３７を提供するように設計されていることも示している。ここで好適には、ロック機構３７は、上記で示したように、形状結合機構と摩擦結合機構との組み合わせである。図５によれば、担体インタフェース３５は、スナップ要素３８を含み、該スナップ要素３８は、液体容器４の対抗スナップ要素３９と係合する。モジュール担体２９を液体容器４に取り付け中に、スナップ要素３８は、対抗スナップ要素３９を越えてスナップし、モジュール担体２９を図６ｂに示す取り付け位置にロックする。

センサアレイ１１の位置を液体容器４に関して安全に定義するために、モジュール担体２９は、取り付け状態において液体容器４の対抗ブロック縁部４１とブロック係合するブロック縁部４０を含んでいる。

代替的なロック機構は、用途領域に依存して、特に、液体容器４に関するセンサアレイ１１の位置に関する要求精度に依存して実現されてよい。これらの例には、バヨネット機構、ネジ機構などが挙げられる。

図６ａで実証されているように、液体容器４は、周側面４３、上部４４、および底部４５を有する容器本体４２を含み、この容器本体４２は、密閉容器容積を画定する。液体容器４は、上部４４に入口４ａおよび通気口４ｄを含み、底部４５に出口４ｂを含み、それに対して底部４５には、好適にはメンブレンフィルタであるフィルタ１２を収容するフィルタ受け４６も配置されている。

液体容器４は、長手方向軸線４７に沿って直立設計であり、これは、長手方向軸線４７に沿った試験液３中の汚染物質５の分散の可能性を伴った液体容器４内への液柱の実現を可能にさせる。取り付けられた状態では、モジュール担体２９と液体容器４とが図５にも示すように液体容器４の長手方向軸線４７に沿って相互に位置合わせされている。

ここで好適には、長手方向軸線４７は、少なくとも容器本体４２の包絡線に対する対称軸線である。好適な実施形態では、断面図において、液体容器４および／またはモジュール担体２９は、図６に示すように円形設計であるか、または多角形設計である。

コンパクトであると同時に堅牢な設計は、中空内部４８を有するキャップ形状のモジュール担体２９の設計であり、ここでは、取り付けられた状態において、好適には、中空内部４８が液体容器４の少なくとも一部を覆う。そのようなキャップ状の設計を用いて、担体インタフェース３５は、低い構造化労力で最適に実現されてよい。これに関して、好適には、キャップ状のモジュール担体２９の中空内部４８は、担体インタフェース３５の少なくとも一部を提供する。好適には、これにより、モジュール担体２９は、図６ａおよび図６ｂのシーケンスで実証されるように、好適には液体容器４の長手方向軸線４７に沿って、スライド方式で液体容器４に取り付けられてよい。

図６ｂに示す取り付けられた状態では、カメラユニット２３の視認方向Ｃは、透明部分を通って、特に容器本体４２の上部４４を通って延びている。したがって、カメラユニット２３は、常に試験液３から分離されており、それによって、液体容器４とカメラユニット２３との間の密封は不要である。

カメラユニット２３は、高解像度ではあるが低コストのコンポーネントである簡素な２Ｄカメラユニットであってもよい。そのような２Ｄカメラユニットの場合、視認方向Ｃはカメラユニット２３の光軸と同一である。

画像関連データ１０の取得のために、センサアレイ１１は、異なる視認方向を有する１つの付加的なカメラユニットまたは複数の付加的なカメラユニットを提供することができる。以下では、複雑さを低減するために、１つのカメラユニット２３についてのみ説明する。

三次元画像関連データを分析ルーチン９に含めるために、センサアレイ１１に３Ｄカメラユニットを設けることが有利な場合もある。しかしながら、カメラユニット２３の焦点を例えばローカル制御ユニット７によって制御することができれば、幾分かの三次元画像関連データが生成される場合もある。これは、異なる焦点面における画像についての画像関連データ１０の取得を可能にする。上述の汚染物質５は、重力Ｇの方向に関して異なる高さに位置する場合があり、また、フィルタ１２が配置された液体容器４の底部に主に見られる沈降汚染物質５を検出することが望ましい場合があるため、異なる焦点面２４ａ，２４ｂ，２４ｃについての画像関連データ１０の取得は特に好適である。これらの焦点面２４ａ，２４ｂ，２４ｃのうちの３つが、例としてのみ図５に示されている。

カメラユニット２３の視認方向Ｃは、取り付けられた状態において、好適には、長手方向軸線４７から１０°未満だけそれている。これにより、カメラユニット２３は、液体容器４内の完全な液柱を監視することができる。

別の好適な実施形態では、センサアレイ１１は、試験液３を照明するための照明アレイ２５を含む。ここで好適には、照明アレイ２５は、異なる波長および／または異なる強度の光で試験液３を照明する。これらの照明パラメータは、好適には、ローカル制御ユニット７によって制御可能である。

好適には、無菌試験モジュール１は、充電可能なバッテリーなどの電源４９を支持している。これにより、無菌試験モジュール１は、ほぼ自給自足的に動作する。

ここで好適には、分析ルーチン９において、上述の画像関連データ１０は、最初に、センサアレイ１１からローカル制御ユニット７に転送され、このローカル制御ユニット７は、例えばセンサアレイ１１のためのドライバであってよく、画像関連データ１０の前処理を実行してもよい。複雑さを低減するために、これらの前処理されたデータは、ここでも上述の意味での画像関連データ１０として理解されるべきである。

第１の好適な代替案では、分析ルーチン９において、ローカル制御ユニット７自身が、試験液３中の汚染物質５の分布特性とそれぞれの汚染状態との間の相互関係に基づいて、画像関連データ１０から汚染状態を導出する。これは、無菌試験モジュール１が完全に自給自足的な方式で動作することができ、これが操作の柔軟性を向上させるので有利である。

第２の好適な代替案では、分析ルーチン９において、ローカル制御ユニット７は、外部制御ユニット８にデータ接続され、ある意味では、それによって、外部制御ユニット８は、試験液３中の汚染物質５の分布特性とそれぞれの汚染状態との間の相互関係に基づいて、画像関連データ１０から汚染状態を導出する。これは、その低減された機能性により、特に簡単で費用効果の高いローカル制御ユニット７の実現を促す。

外部制御ユニット８は、ローカル制御ユニット７から遠隔形態で別個に配置されるが、ローカル制御ユニット７にデータ接続される、タブレット、パーソナルコンピュータ、またはサーバーであってい。このデータ接続は、有線ベースであってもよいし、あるいは図５に示されるように無線ベースであってよい。

電子警告を作成することが有利な場合があり、この警告は、好適には図６に従ってモジュール担体２９に統合されたディスプレイ２８を介してユーザーに検出イベントを直接伝えるか、または中央制御システムなどに警告情報を送信することによって間接的に伝えるかのいずれかである。

いくつかのケースでは、上述したように画像関連データ１０から汚染状態を導出する制御ユニットは、分析ルーチン９のこの部分を実行するのに必要な計算を実行するための計算機ハードウェアを含む。

好適には、ローカル制御ユニットまたは外部制御ユニットは、画像関連データ１０から、特に画像関連データ１０における汚染物質５の分布特性から、汚染状態を導出するようにトレーニングされた機械学習機構１７に基づいて、汚染状態を導出するように設計されている。これについては、提案された無菌試験のための方法に関連してさらに詳細に後述する。

この時点で、別の教示によれば、上述の無菌試験アセンブリ３４が、上述の無菌試験モジュール１と、上述の液体容器４と、を備え、ここで、モジュール担体２９が担体インタフェース３５を介して液体容器４に取り付けられるように特許請求されていることに留意されたい。また、上述の無菌試験モジュール１と上述の外部制御ユニット８とを備えた無菌試験アレイ５０もそのように請求されており、ここで、分析ルーチン９において、ローカル制御ユニット７が、外部制御ユニット８にデータ接続されていることも指摘されるであろう。両方の付加的な教示に関しては、提案された無菌試験のための方法に関連して示されたすべてのこれまでの説明ならびにすべての以下の説明を参照することができよう。

Claims (45)

1. 少なくとも１つの試験液（３）を光学的に分析することに基づく無菌試験のための方法であって、前記試験液（３）は、液体容器（４）内に収容されている方法において、
   分析ルーチン（９）において、前記試験液（３）の少なくとも１つの光学的画像（Ｉ）を表す画像関連データ（１０）が、センサアレイ（１１）によって生成され、
   前記試験液（３）の汚染状態が、制御アレイ（６）により、前記試験液中の汚染物質（５）の分布特性とそれぞれの汚染状態との間の相互関係に基づいて、前記画像関連データ（１０）から導出されることを特徴とする、
   方法。
2. 前記分析ルーチン（９）に先行して、前記試験液（３）を前記液体容器（４）に受け取るために、準備ルーチンが実行され、好適には、前記準備ルーチンの第１のステップにおいて、無菌性を試験される試料液が、フィルタ（１２）、特にメンブレンフィルタを通過し、前記フィルタ（１２）は、前記液体容器（４）内に配置されており、前記準備ルーチンの後続のステップにおいて、栄養溶液の形態の前記試験液（３）が、前記液体容器（４）内に導入されるか、または前記準備ルーチンにおいて、無菌性を試験される試料液と栄養溶液との組み合わせの形態の試験液（３）が、前記液体容器（４）内に導入される、
   請求項１記載の方法。
3. 前記センサアレイ（１１）によって検出可能な、前記試験液（３）中の前記汚染物質（５）の分布が、前記試験液（３）中の混濁（１４）の強度および／または前記混濁（１４）の広がりおよび／または前記混濁（１４）の幾何学的構造によって表され、
   ならびに／あるいは、
   前記試験液（３）中の前記汚染物質（５）の前記分布は、粒子凝集体（１５）の発生によって、かつ／または沈降粒子凝集体（１６）の発生によって表される、
   請求項１または２記載の方法。
4. 前記分析ルーチン（９）に先行する先行分析ルーチンにおいて、前記センサアレイ（１１）により、前記試験液（３）の少なくとも１つの特性を表す先行特性データが生成される、
   請求項１から３までのいずれか１項記載の方法。
5. 前記先行特性データは、前記先行分析ルーチンにおいて、前記センサアレイ（１１）の少なくとも１つのセンサによって生成され、前記センサアレイの前記少なくとも１つのセンサは、前記画像関連データを生成した前記センサアレイの少なくとも１つのセンサとは異なる、
   請求項４記載の方法。
6. 前記試験液（３）の汚染状態は、前記制御アレイ（６）により、前記分析ルーチン（９）中の前記試験液（３）中の前記汚染物質（５）の分布特性と前記先行分析ルーチン中の前記試験液（３）の特性とそれぞれの汚染状態との間の相互関係に基づいて、前記画像関連データ（１０）および前記先行特性データから導出される、
   請求項４または５記載の方法。
7. 前記先行分析ルーチン中に、前記試験液（３）の事前の汚染状態が、前記制御アレイ（６）により、前記先行分析ルーチン中の前記試験液（３）の特性とそれぞれの事前の汚染状態との間の相互関係に基づいて、前記先行特性データから導出される、
   請求項４から６までのいずれか１項記載の方法。
8. 前記汚染状態は、汚染クラスの予め定義されたグループからの汚染クラスによって表され、前記分析ルーチン（９）では、前記汚染状態は、前記汚染クラスの１つに割り当てられ、好適には、前記汚染クラスの前記予め定義されたグループには、汚染クラス「汚染」および「非汚染」のみが含まれ、あるいは、前記汚染クラスの前記予め定義されたグループには、黄色ブドウ球菌、枯草菌、緑膿菌もしくはコクリアリゾフィラ、クロストリジウムスポロジェネスもしくはバクテロイデスバルガタス、カンジダアルビカンスもしくは黒色アスペルギルスなどの特定の生物をそれぞれ表す汚染クラスが含まれる、
   請求項１から７までのいずれか１項記載の方法。
9. 前記分析ルーチン（９）において、前記汚染状態の前記汚染クラスは、それぞれの汚染クラスに割り当てられた分析基準に基づく画像処理により、前記画像関連データ（１０）から導出される、
   請求項１から８までのいずれか１項記載の方法。
10. 前記分析ルーチン（９）は、前記画像関連データ（１０）から、特に、前記画像関連データ（１０）における前記汚染物質（５）の前記分布特性から前記汚染状態を導出するようにトレーニングされた機械学習機構（１７）に基づいている、
    請求項１から９までのいずれか１項記載の方法。
11. 前記分析ルーチン（９）は、前記画像関連データ（１０）から、特に、前記画像関連データ（１０）における前記汚染物質（５）の前記分布特性から、および前記先行特性データから前記汚染状態を導出するようにトレーニングされた機械学習機構（１７）に基づいている、
    請求項１から１０までのいずれか１項記載の方法。
12. 前記機械学習機構（１７）は、トレーニングされたニューラルネットワークに基づいており、好適には、ニューラル畳み込みネットワーク（ＣＮＮ）に基づいている、
    請求項１０または１１記載の方法。
13. 前記分析ルーチン（９）は、前記汚染状態の前記汚染クラスが、前記機械学習機構（１７）により、前記画像関連データ（１０）から導出される分類ステップ（１９）を含む、
    請求項１０から１２までのいずれか１項記載の方法。
14. クロップステップ（２０）において、関心領域（Ｒ）が、前記画像関連データ（１０）において定義され、前記関心領域（Ｒ）は、前記分類ステップ（１９）の対象であり、好適には、前記関心領域（Ｒ）は、前記画像関連データ（１０）によって表される画像（Ｉ）の予め定義された領域であるか、または前記関心領域（Ｒ）は、ユーザー入力によって定義されるか、または前記関心領域（Ｒ）は、前記制御アレイ（６）により、画像処理に基づいて、好適には自動特徴抽出に基づいて、自動的に定義される、
    請求項１３記載の方法。
15. 前記機械学習機構（１７）は、トレーニングステップ（２１）において、好適には、前記分析ルーチン（９）において導出されるべき汚染クラスを表す注釈画像（Ｉ_ｍ，ｎ）に基づいて、トレーニングされるか、またはトレーニング済みであり、さらに好適には、前記トレーニングステップ（２１）において、トレーニングデータセット（２２）が、前記制御アレイ（６）によって生成され、前記分析ルーチン（９）における前記分類ステップ（１９）は、前記トレーニングデータセット（２２）に基づいている、
    請求項１０から１４までのいずれか１項記載の方法。
16. 前記センサアレイ（１１）は、カメラユニット（２３）を含み、前記カメラユニット（２３）は、前記試験液（３）に向けられ、好適には、前記カメラユニット（２３）の集束は、前記制御アレイ（６）によって制御されてよい、
    請求項１から１５までのいずれか１項記載の方法。
17. 前記カメラユニット（２３）の視認方向（Ｃ）は、重力に関して下向きまたは上向きであり、好適には、前記カメラユニット（２３）の前記視認方向（Ｃ）は、重力（Ｇ）の方向から１０°未満だけそれている、
    請求項１から１６までのいずれか１項記載の方法。
18. 前記分析ルーチン（９）において、前記汚染状態の導出は、前記試験液（３）の一連の少なくとも２つの画像（Ｉ）を表す前記画像関連データ（１０）に基づいて実行される、
    請求項１から１７までのいずれか１項記載の方法。
19. 前記センサアレイ（１１）は、前記試験液（３）を照明するための照明アレイ（２５）を含み、好適には、前記照明アレイ（２５）は、異なる波長および／または異なる強度の光で前記試験液（３）を照明し、好適には、前記照明アレイ（２５）は、前記制御アレイ（６）によって制御される、
    請求項１から１８までのいずれか１項記載の方法。
20. 少なくとも２つの試験液（３_ｉ，ｊ）が提供され、それらは別個の液体容器（４_ｉ，ｊ）にそれぞれ収容され、好適には、前記各試験液（３_ｉ，ｊ）について前記分析ルーチン（９）が実行される、
    請求項１から１９までのいずれか１項記載の方法。
21. 前記少なくとも２つの、特に異なる試験液（３_ｉ，ｊ）について、これらの前記少なくとも２つの試験液（３_ｉ，ｊ）は、それぞれ１つの同じ試料液に割り当てられ、１つの分析ルーチン（９）のみが、これらの前記少なくとも２つの異なる試験液（３_ｉ，ｊ）に関連する前記画像関連データ（１０）に基づいて実行される、
    請求項１から２０までのいずれか１項記載の方法。
22. 操作システム（３０）が設けられ、前記操作システム（３０）を介して、前記液体容器（４_ｉ，ｊ）と、前記センサアレイ（１１）の少なくとも一部と、の間の相対移動が前記制御アレイ（６）によって制御され、それにより、前記分析ルーチン（９）を実行するために、前記センサアレイ（１１）の少なくとも一部が前記各液体容器（４_ｉ，ｊ）に対して相対移動され、好適には、前記操作システム（３０）による前記液体容器（４_ｉ，ｊ）と、前記センサアレイ（１１）の少なくとも一部と、の間の相対移動中に、前記センサアレイ（１１）、特に前記カメラユニット（２３）は、少なくとも部分的に重力に関して水平な平面（３１）内での移動を実行する、
    請求項２０ならびに場合によっては請求項２１記載の方法。
23. 前記液体容器（４_ｉ，ｊ）が配置された容器担体（３２）が設けられ、前記操作システム（３０）は、前記センサアレイ（１１）の少なくとも一部を支持する電動マニピュレータ（３３）を含み、前記マニピュレータ（３３）は、前記制御アレイ（６）によって制御され、それにより、前記分析ルーチン（９）を実行するために、前記センサアレイ（１１）の少なくとも一部が前記各液体容器に移動される、
    請求項２２記載の方法。
24. データストレージデバイスであって、
    前記データストレージデバイスは、請求項１５記載の少なくとも１つのトレーニングステップ（２１）によって生成された、請求項１から２３までのいずれか１項記載の方法において使用するためのトレーニングデータセット（２２）を備えている、
    データストレージデバイス。
25. 制御アレイであって、
    前記制御アレイは、請求項１から２３までのいずれか１項記載の方法を実行するためのものである、
    制御アレイ。
26. 無菌試験モジュールであって、
    前記無菌試験モジュールは、請求項１から２３までのいずれか１項記載の方法を実施するためのセンサアレイ（１１）の少なくとも一部と、制御アレイ（６）の少なくとも一部と、を含んでいる、
    無菌試験モジュール。
27. 液体容器（４）内に収容された少なくとも１つの試験液（３）を光学的に分析することに基づいて、好適には請求項１から２３までのいずれか１項記載の方法を実施するための無菌試験用の無菌試験モジュールにおいて、
    前記無菌試験モジュール（１）は、モジュール担体（２９）と、前記モジュール担体（２９）により支持されるローカル制御ユニット（７）と、光学的センサ、好適にはカメラユニット（２３）を有するセンサアレイ（１１）と、を含み、
    試験液（３）の汚染状態を導出するための分析ルーチン（９）において、前記センサアレイ（１１）は、前記試験液（３）の少なくとも１つの光学的画像（Ｉ）を表す画像関連データ（１０）を生成しかつそれらの画像関連データ（１０）をローカル制御ユニット（７）に提供し、
    前記モジュール担体（２９）は、担体インタフェース（３５）を提供し、前記担体インタフェース（３５）を介して前記モジュール担体（２９）が前記液体容器（４）に取り付けられてよく、前記液体容器（４）に対する前記センサアレイ（１１）の位置が定義され、
    好適には、前記液体容器（４）は、容器インタフェース（３６）を提供し、
    取り付け中に、前記担体インタフェース（３５）が前記容器インタフェース（３６）と形状結合および／または摩擦結合することを特徴とする、
    無菌試験モジュール。
28. 前記担体インタフェース（３５）および前記容器インタフェース（３６）は、前記モジュール担体（２９）を前記液体容器（４）に取り付けた状態でロックするためのロック機構（３７）を提供するように設計され、好適には、前記ロック機構（３７）は、形状結合機構または摩擦結合機構である、
    請求項２７記載の無菌試験モジュール。
29. 前記液体容器（４）は、周側面（４３）、上部（４４）および底部（４５）を有する容器本体（４２）を含み、前記容器本体（４２）は、密閉容器容積を画定し、好適には、前記液体容器（４）は、前記上部（４４）に入口（４ａ）を含み、前記底部（４５）に出口（４ｂ）を含み、さらに好適には、前記液体容器（４）の前記底部（４５）にフィルタ受け（４６）が配置されている、
    請求項２７または２８記載の無菌試験モジュール。
30. 前記液体容器（４）は、長手方向軸線（４７）に沿って直立設計であり、好適には、取り付けられた状態において、前記モジュール担体（２９）および前記液体容器（４）は、前記液体容器（４）の長手方向軸線（４７）に沿って相互に位置合わせされている、
    請求項２７から２９までのいずれか１項記載の無菌試験モジュール。
31. 断面図において、前記液体容器（４）および／または前記モジュール担体（２９）は、円形または多角形の設計である、
    請求項２７から３０までのいずれか１項記載の無菌試験モジュール。
32. 前記モジュール担体（２９）は、中空内部（４８）を有するキャップの形態であり、好適には、取り付けられた状態において、前記中空内部（４８）は、前記液体容器（４）の少なくとも一部を覆っている、
    請求項２７から３１までのいずれか１項記載の無菌試験モジュール。
33. 前記キャップの前記中空内部（４８）は、前記担体インタフェース（３５）の少なくとも一部を提供し、それによって、前記モジュール担体（２９）は、前記液体容器（４）に、好適には前記液体容器（４）の長手方向軸線（４７）に沿ってスライド方式で取り付けてよい、
    請求項３２記載の無菌試験モジュール。
34. 取り付けられた状態において、前記光学的センサ、特に前記カメラユニット（２３）の視認方向（Ｃ）は、前記容器本体（４２）の透明部分、特に前記上部（４４）を通って延びている、
    請求項２６から３３までのいずれか１項記載の無菌試験モジュール。
35. 取り付けられた状態において、前記光学的センサ、特に前記カメラユニット（２３）の視認方向は、前記液体容器（４）の長手方向軸線（４７）から１０°未満だけそれている、
    請求項２６から３４までのいずれか１項記載の無菌試験モジュール。
36. 前記センサ、特に前記カメラユニット（２３）の集束は、前記ローカル制御ユニット（７）によって制御されてよい、
    請求項２６から３５までのいずれか１項記載の無菌試験モジュール。
37. 前記センサアレイ（１１）は、前記試験液（３）を照明するための照明アレイ（２５）を含み、好適には、前記照明アレイ（２５）は、異なる波長および／または異なる強度の光で前記試験液（３）を照明し、好適には、前記照明アレイ（２５）は、前記ローカル制御ユニット（７）によって制御される、
    請求項２６から３６までのいずれか１項記載の無菌試験モジュール。
38. 前記分析ルーチン（９）において、前記ローカル制御ユニット（７）は、前記試験液（３）中の汚染物質（５）の分布特性とそれぞれの汚染状態との間の相互関係に基づいて、前記画像関連データ（１０）から汚染状態を導出し、あるいは前記分析ルーチン（９）において、前記ローカル制御ユニット（７）は、外部制御ユニット（８）にデータ接続され、それによって、前記外部制御ユニット（８）は、前記試験液（３）中の汚染物質（５）の分布特性とそれぞれの汚染状態との間の相互関係に基づいて、前記画像関連データ（１０）から汚染状態を導出する、
    請求項２６から３７までのいずれか１項記載の無菌試験モジュール。
39. 前記ローカル制御ユニット（７）または前記外部制御ユニット（８）は、前記画像関連データ（１０）から、特に画像関連データ（１０）における汚染物質（５）の分布特性から、汚染状態を導出するようにトレーニングされた機械学習機構（１７）に基づいて、汚染状態を導出するように設計されている、
    請求項２６から３８までのいずれか１項記載の無菌試験モジュール。
40. 無菌試験アセンブリであって、
    前記無菌試験アセンブリは、請求項２６から３９までのいずれか１項記載の無菌試験モジュール（１）と、液体容器（４）と、を備え、前記モジュール担体（２９）は、前記担体インタフェース（３５）を介して前記液体容器（４）に取り付けられている、
    無菌試験アセンブリ。
41. 無菌試験アレイであって、
    前記無菌試験アレイは、請求項２６から３９までのいずれか１項記載の無菌試験モジュール（１）と、外部制御ユニット（８）と、を備え、分析ルーチンにおいて、ローカル制御ユニット（７）は、前記外部制御ユニット（８）にデータ接続されている、
    無菌試験アレイ。
42. 無菌試験システムであって、
    前記無菌試験システムは、請求項２６から３９までのいずれか１項記載の無菌試験モジュール（１）と、試験液（３_ｉ，ｊ）用の少なくとも２つの液体容器（４_ｉ，ｊ）を支持するための容器担体（３２）と、を備えている、
    無菌試験システム。
43. 前記無菌試験システムは、操作システム（３０）を含み、前記操作システム（３０）を介して、前記液体容器（４_ｉ，ｊ）と、センサアレイ（１１）の少なくとも一部と、の間の相対移動が制御アレイ（６）によって制御され、それにより、分析ルーチン（９）を実行するために、前記センサアレイ（１１）の少なくとも一部が前記各液体容器（４_ｉ，ｊ）に対して相対移動され得る、
    請求項４２記載の無菌試験システム。
44. 前記無菌試験システム（２）は、容器担体（３２）を含み、前記容器担体（３２）には、試験液（３_ｉ，ｊ）用の液体容器（４_ｉ，ｊ）が配置され、前記操作システム（３０）は、前記センサアレイ（１１）の少なくとも一部を支持する電動マニピュレータ（３３）を含み、前記マニピュレータ（３３）は、前記制御アレイ（６）によって制御され、それにより、前記分析ルーチン（９）を実行するために、前記センサアレイ（１１）の少なくとも一部が前記各液体容器（４_ｉ，ｊ）に移動される、
    請求項４３記載の無菌試験システム。
45. 前記操作システム（３０）は、前記操作システム（３０）による前記液体容器（４_ｉ，ｊ）と、前記センサアレイ（１１）の少なくとも一部と、の間の相対移動中に、前記センサアレイ（１１）、特にカメラユニット（２３）が、少なくとも部分的に、重力に関して水平な平面（３１）内での移動および／または三次元での移動を実行するように設計されている、
    請求項４２から４４までのいずれか１項記載の無菌試験システム。

Images