Apparat som larmar om osynlig smuts har testats på finländskt sjukhus

Forskare vid Aalto-universitetet har tagit fram en ny metod för identifiering av smuts och bakterier. Metoden grundar sig på en kombination av artificiell intelligens (AI) och en hyperspektral kamera som kan registrera hundratals färger. Metoden AutoDet (Automatic Biological Contamination Detection) kan tillämpas inom hälsovården bland annat för att säkerställa ytors renlighet under norovirusepidemier eller influensasäsonger.

Forskarna har nyligen testat apparaten i väntrummen på sjukhuset Satasairaala i Björneborg. Under pilotstudien gjordes totalt 200 mätningar till exempel på bord och stolsarmstöd. Studien koncentrerades till släta ytor.

Forskarna begränsade den hyperspektrala avbildningen till det synliga spektrumet för att säkerställa att inte personer som arbetade i samma utrymmen utsattes för kortvågigt ultraviolett ljus.

– Med hjälp av metoden kunde vi identifiera biofilmer, grogrunder för mikroorganismer, som hade spridits till exempel via upphostningar och som är svåra att upptäcka med blotta ögat. Studien visade att apparaten även larmar om fläckar, vartefter sådana uppträder på ytorna, säger Juha Koivisto, akademiforskare vid Aalto-universitetet.

Automatisering en fördel

Fördelen med AutoDet jämfört med andra metoder, till exempel konventionella strykprover, är att den är automatiserad.  

– Det innebär att apparaten har låga driftskostnader. Apparaten kan skanna stora områden på en gång, övervaka dem dygnet runt och larma när den identifierar smuts. Minuset är att apparaten än så länge är dyr, säger Koivisto.

Apparaten identifierar all slags smuts som inte hör hemma på ytan. I studien identifierade den bland annat biologiskt material som är känsligt för blått ljus och som kunde kallas proteinets optiska fingeravtryck. Fingeravtrycket avslöjar att det har bildats eller håller på att bildas bakterier på ytan.

Genom att modifiera apparatens sensorer och samtidigt mättekniken så att apparaten kontrollerar mindre punkter i stället för stora områden skulle den även kunna användas för att identifiera virus.

– AI och apparatens ljusvåglängder lämpar sig i sin nuvarande form även för identifiering av virus. För att identifiera virus kan ljusstrålen och avbildningen fokuseras till ett några mikrometer stort område där ett salivprov har placerats. Även om denna mätning inte går lika snabbt som med biofilmer och andra orenheter, skulle detta sätt vara betydligt snabbare och mer mobilt än de nuvarande identifieringsmetoderna som kräver tillgång till laboratorier. Mättiden kan vara så kort som ett par minuter. Detta forskningsprojekt har kommit till fasen där vi söker finansiering och samarbetspartner, säger Koivisto.

Flexibel teknik

AutoDet har fått finansiering från Business Finland för att kommersialisera projektet, och kring tekniken grundades företaget CleanDet i november 2019. Marianne Talvitie är företagets vd.

– Tekniken är flexibel och det finns användning för den bland annat inom livsmedelsindustri, hälsovård, turism och boendeformer för seniorer – överallt där det finns ett behov av att begränsa spridningen av till exempel mikrober, säger Talvitie.

CleanDet samarbetar med Kiilto i syfte att testa apparaten inom flera olika användningsområden. Samarbetet är en del av konceptet Kiilto Ventures där Kiilto söker nya innovationer och samarbetspartner.

– Kraven på olika ytors renhet varierar beroende på var de finns – tänk till exempel på instrument som används på sjukhus eller bord på ett kafé. Jag vågar dock påstå att efter den rådande virusepidemin kommer renhetskraven och övervakningen av dem att skärpas. Med hjälp av en apparat som denna skulle det gå att reagera snabbt på problem, säger Ville Solja, chef för affärsutveckling på Kiilto.

Mer information:

Juha Koivisto
Akademins forskardoktor
Aalto-universitetet
[email protected]
tfn +358 50 435 5618

Marianne Talvitie 
Verkställande direktör 
CleanDet Oy 
[email protected] 
tfn +358 40 900 4846 

Ville Solja
Chef för affärsutveckling
Kiilto
[email protected]
tfn +358 50 329 5211

Contamination detection by optical measurements in a real‐life environment: A hospital case study