JP2024515779A - 無菌試験のための方法 - Google Patents
無菌試験のための方法 Download PDFInfo
- Publication number
- JP2024515779A JP2024515779A JP2023565875A JP2023565875A JP2024515779A JP 2024515779 A JP2024515779 A JP 2024515779A JP 2023565875 A JP2023565875 A JP 2023565875A JP 2023565875 A JP2023565875 A JP 2023565875A JP 2024515779 A JP2024515779 A JP 2024515779A
- Authority
- JP
- Japan
- Prior art keywords
- liquid
- test
- image
- array
- contamination
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000013190 sterility testing Methods 0.000 title claims abstract description 78
- 238000000034 method Methods 0.000 title claims abstract description 64
- 239000007788 liquid Substances 0.000 claims abstract description 274
- 238000012360 testing method Methods 0.000 claims abstract description 168
- 238000011109 contamination Methods 0.000 claims abstract description 127
- 238000004458 analytical method Methods 0.000 claims abstract description 124
- 238000009826 distribution Methods 0.000 claims abstract description 51
- 239000000356 contaminant Substances 0.000 claims abstract description 48
- 230000003287 optical effect Effects 0.000 claims abstract description 31
- 230000036512 infertility Effects 0.000 claims description 44
- 230000007246 mechanism Effects 0.000 claims description 36
- 238000012549 training Methods 0.000 claims description 27
- 238000010801 machine learning Methods 0.000 claims description 22
- 238000005286 illumination Methods 0.000 claims description 18
- 239000002245 particle Substances 0.000 claims description 15
- 230000005484 gravity Effects 0.000 claims description 13
- 238000013461 design Methods 0.000 claims description 11
- 235000015097 nutrients Nutrition 0.000 claims description 11
- 239000012528 membrane Substances 0.000 claims description 10
- 238000002360 preparation method Methods 0.000 claims description 9
- 241000191967 Staphylococcus aureus Species 0.000 claims description 8
- 238000013500 data storage Methods 0.000 claims description 6
- 238000009795 derivation Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 5
- 230000001537 neural effect Effects 0.000 claims description 4
- 241000228245 Aspergillus niger Species 0.000 claims description 3
- 244000063299 Bacillus subtilis Species 0.000 claims description 3
- 235000014469 Bacillus subtilis Nutrition 0.000 claims description 3
- 241000606215 Bacteroides vulgatus Species 0.000 claims description 3
- 241000222122 Candida albicans Species 0.000 claims description 3
- 241000193470 Clostridium sporogenes Species 0.000 claims description 3
- 241000589517 Pseudomonas aeruginosa Species 0.000 claims description 3
- 238000013528 artificial neural network Methods 0.000 claims description 3
- 229940095731 candida albicans Drugs 0.000 claims description 3
- 238000009434 installation Methods 0.000 claims description 3
- 241001247311 Kocuria rhizophila Species 0.000 claims description 2
- 238000012512 characterization method Methods 0.000 claims description 2
- 230000002093 peripheral effect Effects 0.000 claims description 2
- 239000000243 solution Substances 0.000 description 10
- 238000011534 incubation Methods 0.000 description 8
- JVTAAEKCZFNVCJ-UHFFFAOYSA-N lactic acid Chemical compound CC(O)C(O)=O JVTAAEKCZFNVCJ-UHFFFAOYSA-N 0.000 description 8
- 238000005259 measurement Methods 0.000 description 8
- 150000001875 compounds Chemical class 0.000 description 6
- 238000001514 detection method Methods 0.000 description 6
- 239000012530 fluid Substances 0.000 description 6
- 238000013459 approach Methods 0.000 description 5
- 238000006243 chemical reaction Methods 0.000 description 5
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 4
- 239000002028 Biomass Substances 0.000 description 4
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 4
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 4
- 238000007689 inspection Methods 0.000 description 4
- 239000004310 lactic acid Substances 0.000 description 4
- 235000014655 lactic acid Nutrition 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 4
- 239000001301 oxygen Substances 0.000 description 4
- 229910052760 oxygen Inorganic materials 0.000 description 4
- 102000008946 Fibrinogen Human genes 0.000 description 3
- 108010049003 Fibrinogen Proteins 0.000 description 3
- JVTAAEKCZFNVCJ-UHFFFAOYSA-M Lactate Chemical compound CC(O)C([O-])=O JVTAAEKCZFNVCJ-UHFFFAOYSA-M 0.000 description 3
- 238000000149 argon plasma sintering Methods 0.000 description 3
- 230000033228 biological regulation Effects 0.000 description 3
- 229940012952 fibrinogen Drugs 0.000 description 3
- 238000011081 inoculation Methods 0.000 description 3
- 230000031700 light absorption Effects 0.000 description 3
- 239000002609 medium Substances 0.000 description 3
- 108090000623 proteins and genes Proteins 0.000 description 3
- 102000004169 proteins and genes Human genes 0.000 description 3
- 239000012085 test solution Substances 0.000 description 3
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 2
- 108010065152 Coagulase Proteins 0.000 description 2
- 150000001413 amino acids Chemical class 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 229910052799 carbon Inorganic materials 0.000 description 2
- 239000001569 carbon dioxide Substances 0.000 description 2
- 229910002092 carbon dioxide Inorganic materials 0.000 description 2
- 235000021466 carotenoid Nutrition 0.000 description 2
- 150000001747 carotenoids Chemical class 0.000 description 2
- 229940079593 drug Drugs 0.000 description 2
- 239000003814 drug Substances 0.000 description 2
- 239000003102 growth factor Substances 0.000 description 2
- 150000002500 ions Chemical class 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 230000002503 metabolic effect Effects 0.000 description 2
- 244000005700 microbiome Species 0.000 description 2
- 229910052757 nitrogen Inorganic materials 0.000 description 2
- KJFMBFZCATUALV-UHFFFAOYSA-N phenolphthalein Chemical compound C1=CC(O)=CC=C1C1(C=2C=CC(O)=CC=2)C2=CC=CC=C2C(=O)O1 KJFMBFZCATUALV-UHFFFAOYSA-N 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 239000001974 tryptic soy broth Substances 0.000 description 2
- 108010050327 trypticase-soy broth Proteins 0.000 description 2
- IAEDWDXMFDKWFU-UHFFFAOYSA-N (4-azaniumylphenyl)-dimethylazanium;dichloride Chemical compound Cl.Cl.CN(C)C1=CC=C(N)C=C1 IAEDWDXMFDKWFU-UHFFFAOYSA-N 0.000 description 1
- FFRBMBIXVSCUFS-UHFFFAOYSA-N 2,4-dinitro-1-naphthol Chemical compound C1=CC=C2C(O)=C([N+]([O-])=O)C=C([N+]([O-])=O)C2=C1 FFRBMBIXVSCUFS-UHFFFAOYSA-N 0.000 description 1
- 241000894006 Bacteria Species 0.000 description 1
- 108010053835 Catalase Proteins 0.000 description 1
- 102000016938 Catalase Human genes 0.000 description 1
- 108090000790 Enzymes Proteins 0.000 description 1
- 102000004190 Enzymes Human genes 0.000 description 1
- 102000003886 Glycoproteins Human genes 0.000 description 1
- 108090000288 Glycoproteins Proteins 0.000 description 1
- 102000004316 Oxidoreductases Human genes 0.000 description 1
- 108090000854 Oxidoreductases Proteins 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 239000003963 antioxidant agent Substances 0.000 description 1
- 230000003078 antioxidant effect Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- NUHCTOLBWMJMLX-UHFFFAOYSA-N bromothymol blue Chemical compound BrC1=C(O)C(C(C)C)=CC(C2(C3=CC=CC=C3S(=O)(=O)O2)C=2C(=C(Br)C(O)=C(C(C)C)C=2)C)=C1C NUHCTOLBWMJMLX-UHFFFAOYSA-N 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000015271 coagulation Effects 0.000 description 1
- 238000005345 coagulation Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 239000000975 dye Substances 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000005187 foaming Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 239000001963 growth medium Substances 0.000 description 1
- 238000002329 infrared spectrum Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000002207 metabolite Substances 0.000 description 1
- CEQFOVLGLXCDCX-WUKNDPDISA-N methyl red Chemical compound C1=CC(N(C)C)=CC=C1\N=N\C1=CC=CC=C1C(O)=O CEQFOVLGLXCDCX-WUKNDPDISA-N 0.000 description 1
- 230000002906 microbiologic effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 239000007793 ph indicator Substances 0.000 description 1
- 238000005375 photometry Methods 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 238000007789 sealing Methods 0.000 description 1
- 238000004062 sedimentation Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- PDOUICUKTQRPHO-MENSNCDRSA-N staphyloxanthin Chemical compound CCC(C)CCCCCCCCCCC(=O)OC[C@H]1O[C@@H](OC(=O)C(\C)=C\C=C\C(\C)=C\C=C\C(\C)=C\C=C\C=C(/C)\C=C\C=C(/C)CCC=C(C)C)[C@H](O)[C@@H](O)[C@@H]1O PDOUICUKTQRPHO-MENSNCDRSA-N 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 229940071127 thioglycolate Drugs 0.000 description 1
- CWERGRDVMFNCDR-UHFFFAOYSA-M thioglycolate(1-) Chemical compound [O-]C(=O)CS CWERGRDVMFNCDR-UHFFFAOYSA-M 0.000 description 1
- 238000002211 ultraviolet spectrum Methods 0.000 description 1
- 229960005486 vaccine Drugs 0.000 description 1
- 238000001429 visible spectrum Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 238000011179 visual inspection Methods 0.000 description 1
Images
Classifications
-
- C—CHEMISTRY; METALLURGY
- C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
- C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
- C12Q1/00—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions
- C12Q1/02—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions involving viable microorganisms
- C12Q1/22—Testing for sterility conditions
-
- C—CHEMISTRY; METALLURGY
- C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
- C12M—APPARATUS FOR ENZYMOLOGY OR MICROBIOLOGY; APPARATUS FOR CULTURING MICROORGANISMS FOR PRODUCING BIOMASS, FOR GROWING CELLS OR FOR OBTAINING FERMENTATION OR METABOLIC PRODUCTS, i.e. BIOREACTORS OR FERMENTERS
- C12M37/00—Means for sterilizing, maintaining sterile conditions or avoiding chemical or biological contamination
- C12M37/06—Means for testing the completeness of the sterilization
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61L—METHODS OR APPARATUS FOR STERILISING MATERIALS OR OBJECTS IN GENERAL; DISINFECTION, STERILISATION OR DEODORISATION OF AIR; CHEMICAL ASPECTS OF BANDAGES, DRESSINGS, ABSORBENT PADS OR SURGICAL ARTICLES; MATERIALS FOR BANDAGES, DRESSINGS, ABSORBENT PADS OR SURGICAL ARTICLES
- A61L2/00—Methods or apparatus for disinfecting or sterilising materials or objects other than foodstuffs or contact lenses; Accessories therefor
- A61L2/26—Accessories or devices or components used for biocidal treatment
- A61L2/28—Devices for testing the effectiveness or completeness of sterilisation, e.g. indicators which change colour
-
- C—CHEMISTRY; METALLURGY
- C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
- C12M—APPARATUS FOR ENZYMOLOGY OR MICROBIOLOGY; APPARATUS FOR CULTURING MICROORGANISMS FOR PRODUCING BIOMASS, FOR GROWING CELLS OR FOR OBTAINING FERMENTATION OR METABOLIC PRODUCTS, i.e. BIOREACTORS OR FERMENTERS
- C12M41/00—Means for regulation, monitoring, measurement or control, e.g. flow regulation
- C12M41/30—Means for regulation, monitoring, measurement or control, e.g. flow regulation of concentration
- C12M41/36—Means for regulation, monitoring, measurement or control, e.g. flow regulation of concentration of biomass, e.g. colony counters or by turbidity measurements
-
- C—CHEMISTRY; METALLURGY
- C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
- C12M—APPARATUS FOR ENZYMOLOGY OR MICROBIOLOGY; APPARATUS FOR CULTURING MICROORGANISMS FOR PRODUCING BIOMASS, FOR GROWING CELLS OR FOR OBTAINING FERMENTATION OR METABOLIC PRODUCTS, i.e. BIOREACTORS OR FERMENTERS
- C12M41/00—Means for regulation, monitoring, measurement or control, e.g. flow regulation
- C12M41/48—Automatic or computerized control
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
Landscapes
- Chemical & Material Sciences (AREA)
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Organic Chemistry (AREA)
- Wood Science & Technology (AREA)
- Zoology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Health & Medical Sciences (AREA)
- Analytical Chemistry (AREA)
- General Engineering & Computer Science (AREA)
- Biotechnology (AREA)
- Microbiology (AREA)
- Biochemistry (AREA)
- Genetics & Genomics (AREA)
- Biomedical Technology (AREA)
- Physics & Mathematics (AREA)
- Molecular Biology (AREA)
- Sustainable Development (AREA)
- Public Health (AREA)
- Epidemiology (AREA)
- Proteomics, Peptides & Aminoacids (AREA)
- Theoretical Computer Science (AREA)
- Biophysics (AREA)
- General Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- Immunology (AREA)
- Computing Systems (AREA)
- Data Mining & Analysis (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Computational Linguistics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Evolutionary Computation (AREA)
- Mathematical Physics (AREA)
- Veterinary Medicine (AREA)
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。
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I1,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Im,nに基づいている。図3の左側には、注釈画像Im,nが提供されており、これらにはそれぞれ注釈Am,nが割り当てられている。この注釈Am,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Im,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3i,jが提供され、これらはそれぞれ別個の液体容器4i,jに収容される。好適には、各試験液3i,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4i,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3i,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3i,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3i,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3i,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3i,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3i,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4i,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4i,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4i,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4i,jとそれに付随するすべての試験液3i,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4i,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4i,jに移動される。
異なる試験液3i,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3i,j用の少なくとも2つの液体容器4i,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4i,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4i,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4i,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4i,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4i,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4i,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4i,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)
- 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。 - 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。 - 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。 - 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。 - 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。 - 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。 - 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。 - 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。 - 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。 - 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。 - 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。 - 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。 - 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。 - 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。 - 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(Im,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。 - 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。 - 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。 - 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。 - 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。 - 少なくとも2つの試験液(3i,j)が提供され、それらは別個の液体容器(4i,j)にそれぞれ収容され、好適には、前記各試験液(3i,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。 - 前記少なくとも2つの、特に異なる試験液(3i,j)について、これらの前記少なくとも2つの試験液(3i,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(3i,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。 - 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(4i,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(4i,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(4i,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。 - 前記液体容器(4i,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。 - 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。 - 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。 - 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。 - 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。 - 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。 - 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。 - 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。 - 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。 - 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。 - 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。 - 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。 - 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。 - 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。 - 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。 - 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。 - 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。 - 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。 - 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。 - 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(3i,j)用の少なくとも2つの液体容器(4i,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。 - 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(4i,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(4i,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。 - 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(3i,j)用の液体容器(4i,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(4i,j)に移動される、
請求項43記載の無菌試験システム。 - 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(4i,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。
Applications Claiming Priority (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP21170536.3A EP4083182A1 (en) | 2021-04-26 | 2021-04-26 | Method for sterility testing |
EP21170536.3 | 2021-04-26 | ||
EP21170533.0A EP4083181A1 (en) | 2021-04-26 | 2021-04-26 | Sterility testing module |
EP21170533.0 | 2021-04-26 | ||
PCT/EP2022/000039 WO2022228713A1 (en) | 2021-04-26 | 2022-04-26 | Method for sterility testing |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2024515779A true JP2024515779A (ja) | 2024-04-10 |
Family
ID=82021115
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2023565875A Pending JP2024515779A (ja) | 2021-04-26 | 2022-04-26 | 無菌試験のための方法 |
Country Status (4)
Country | Link |
---|---|
EP (1) | EP4330371A1 (ja) |
JP (1) | JP2024515779A (ja) |
KR (1) | KR20240004625A (ja) |
WO (1) | WO2022228713A1 (ja) |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE10340522B4 (de) | 2003-09-03 | 2015-04-09 | Sartorius Stedim Biotech Gmbh | Vorrichtung zur Sterilitätsprüfung |
US8852504B2 (en) * | 2006-10-11 | 2014-10-07 | The Board Of Trustees Of The University Of Illinois | Apparatus and method for detecting and identifying microorganisms |
US10139322B2 (en) * | 2012-07-03 | 2018-11-27 | Merck Patent Gmbh | Sample preparation device |
WO2015161914A2 (en) * | 2014-04-22 | 2015-10-29 | Merck Patent Gmbh | Method for detecting micro-colonies growing on a membrane or an agarose medium of a sample and a sterility testing apparatus |
WO2016075095A2 (en) * | 2014-11-10 | 2016-05-19 | Ventana Medical Systems, Inc. | Using contextual information to classify nuclei in histology images |
US20200183140A1 (en) * | 2018-12-11 | 2020-06-11 | Reametrix, Inc. | Dual parallel optical axis modules sharing sample stage for bioburden testing |
-
2022
- 2022-04-26 WO PCT/EP2022/000039 patent/WO2022228713A1/en active Application Filing
- 2022-04-26 KR KR1020237040660A patent/KR20240004625A/ko unknown
- 2022-04-26 EP EP22730056.3A patent/EP4330371A1/en active Pending
- 2022-04-26 JP JP2023565875A patent/JP2024515779A/ja active Pending
Also Published As
Publication number | Publication date |
---|---|
EP4330371A1 (en) | 2024-03-06 |
WO2022228713A1 (en) | 2022-11-03 |
KR20240004625A (ko) | 2024-01-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10928310B2 (en) | Methods and apparatus for imaging a specimen container and/or specimen using multiple exposures | |
CA2760982C (en) | System and methods for rapid identification and/or characterization of a microbial agent in a sample | |
US11815446B2 (en) | Methods and apparatus for characterizing a specimen container and specimen | |
EP0592624B1 (en) | Diagnostic microbiological testing apparatus and method | |
EP3100026B1 (de) | Verfahren, vorrichtung und system zur automatisierten bestimmung optischer dichten oder der veränderung optischer dichten von reaktionsgemischen in geschüttelten reaktoren | |
US20160069786A1 (en) | An optical system and a method for real-time analysis of a liquid sample | |
US10233481B2 (en) | Multi-sample laser-scatter measurement instrument with incubation feature and systems for using the same | |
CN103257109A (zh) | 畜肉细菌总数检测系统及方法 | |
CN111052129A (zh) | 深度学习体积定量方法和设备 | |
US20230271178A1 (en) | Systems and methods for simultaneous detection and identification of microorganisms within a fluid sample | |
JP2024515779A (ja) | 無菌試験のための方法 | |
JP2020527713A (ja) | ハイパースペクトルイメージングを用いた検体評価方法及び検体評価装置 | |
EP3227664B1 (en) | Multi-sample laser-scatter measurement instrument with incubation feature, and systems for using the same | |
EP4083181A1 (en) | Sterility testing module | |
EP4083182A1 (en) | Method for sterility testing | |
JP6476275B2 (ja) | 分析装置およびその分析方法 | |
US20210192265A1 (en) | Method and devices for assessing the suitability of a sample tube for use in a laboratory automation system | |
Palekar et al. | Biochemical blood sensing platform with CMOS image sensor and software-based wavelength filter | |
US10907122B2 (en) | Optical density system and related method thereof | |
WO2022239023A1 (en) | A portable device for testing agro-dairy based samples |