Sfeerimpressie LabAutomation 2019

Sfeerimpressie LabAutomation 2019 Door: FHI, Federatie van Technologie Branches

Actuele onderwerpen zoals interactive machine learning, big data, data integriteit en workflow optimalisatie kwamen aan bod tijdens het succesvolle LabAutomation event 2019 op dinsdag 26 maart 2019.

Met 355 bezoekers was Congrescentrum 1931 bij de Brabanthallen in Den Bosch weer goed gevuld met professionals uit de labwereld. Bij 32 stands konden zij zich laten informeren over de stand van zaken op het gebied van labautomatisering, van de laatste robotstraten tot de nieuwste softwareoplossingen.

Tijdens haar keynote belichtte prof. dr. Cobbaert de complete herinrichting van het diagnostische testproces in het LUMC. Een indrukwekkend project, waarbij het ziekenhuis en de industrie nauw hebben samengewerkt.

In twee zalen konden de bezoekers het lezingenprogramma volgen. Erik Steinfelder sprak over de rol van geautomatiseerde opslag voor biobank en patiënt. Hij sprak hierover ook eerder met FHI. Lees hier het complete interview. Katharina Hanika vertelde over de implementatie van ELN bij haar afdeling van de WUR. Het overwinnen van weerstand bij collega’s om op een nieuwe manier te gaan werken bleek de grootste uitdaging.

Interactive machine Learning kwam aan bod in de presentatie van Adrie Atsma van Vitens. Hij lichtte toe hoe de afdeling microbiologie van Vitens laboratorium werkt aan een innovatieve module voor het automatisch tellen/beoordelen van kweekplaten. Met als doel om het manuele telwerk te vervangen door een volledig geautomatiseerde telsystematiek, gebaseerd op Interactive Machine Learning.

Iedere lab bedrijf is een data bedrijf. Met die stelling startte Erik Bos van Qlip zijn presentatie. Hij gaf een inkijkje in de manier waarop Qlip data science toepast op hun ‘Big Data’-bronnen om voorspellingen te doen over onder meer melkkwaliteit en weidegang. Lees hier het interview met Erik.

Martijn Bosch gaf in zijn afsluitende keynote de visie van Genmab op de toekomst van lab automatisering binnen de drug development. Machine learning en artificiële intelligentie spelen hierin een belangrijke rol.