واترز با ادغام هوش مصنوعی آنتروپیک در فرایندهای آزمایشگاهی، پژوهش را سرعت میبخشد
دیو لیتام، معاون بخش انفورماتیک شرکت واترز، میگوید بزرگترین دستاورد گردشکارهای آزمایشگاهی خودکار مبتنی بر هوش مصنوعی برای دانشمندان، «صرفهجویی در زمان» است.
شرکت واترز، یکی از شرکتهای پیشرو در حوزه علوم زیستی و تشخیص پزشکی، قصد دارد هوش مصنوعی را مستقیماً به تجهیزات آزمایشگاهی متصل کند تا پژوهشگران داروسازی بتوانند فرضیههای تولیدشده به کمک هوش مصنوعی را با مداخله دستی کمتر به آزمایشهای عملی تبدیل کنند.
یکی از اقدامات اصلی واترز برای تحقق این هدف، معرفی قابلیت نرمافزاری AI Link است؛ راهکاری که پروتکل زمینه مدل (MCP) شرکت آنتروپیک را به پلتفرم انفورماتیک waters_connect این شرکت میآورد.
این یکپارچهسازی به دانشمندان اجازه میدهد با استفاده از زبان طبیعی، تجهیزات واترز را هدایت و گردشکارهای آزمایشگاهی را از طریق مدلها و عاملهای هوش مصنوعی، از جمله Claude و Claude Science آنتروپیک، مدیریت کنند.
AI Link از فعالیتهایی مانند ایجاد روشهای آزمایش، اجرای فرایندهای جمعآوری داده و پردازش نتایج پشتیبانی میکند و همزمان تجهیزات متصل، از جمله سامانههای آمادهسازی نمونه، را هماهنگ میسازد.

اعلام این خبر از سوی واترز، تازهترین نمونه از تغییر گستردهتر در صنعت است؛ تغییری که در آن محیطهای پژوهشی خودکار و مجهز به هوش مصنوعی، مرز میان تحقیقات محاسباتی و آزمایشهای عملی را هر روز کمرنگتر میکنند.
شرکت داناهر از توسعه یک آزمایشگاه خودمختار مجهز به هوش مصنوعی خبر داده و با انویدیا وارد همکاری شده است. در همین حال، روش پژوهشی «آزمایشگاه در حلقه» شرکت روشه نیز با تکیه بر هوش مصنوعی در حال پیشرفت است.
تکمیل چرخه پژوهش و آزمایش
هدف این رویکرد آن است که فاصله میان پژوهش محاسباتی و آزمایش عملی در آزمایشگاهها از میان برداشته شود. با افزایش سرعت تولید فرضیه بهوسیله مدلهای هوش مصنوعی، پژوهشگران بیش از گذشته تحت فشار قرار دارند تا این فرضیهها را بهطور کارآمد آزمایش کنند.
گردشکارهای مجهز به هوش مصنوعی با خودکارسازی مراحل طراحی آزمایش، کار با تجهیزات و تحلیل دادهها، به گروههای پژوهشی کمک میکنند گزینههای بیشتری را بررسی کنند، نیاز به تحویل دستی کار میان افراد و سامانهها را کاهش دهند و روند تحقیق و توسعه را سرعت ببخشند.
«ما از هیچکس نمیخواهیم آزمایشگاهش را از نو بسازد. هوش مصنوعی را به ابزارهایی میآوریم که از قبل به آنها اعتماد دارند و از آنها استفاده میکنند.»
دیو لیتام، معاون بخش انفورماتیک شرکت واترز
واترز همچنین به برنامه پژوهشی استاندارد سختافزار مدل (MHS) آنتروپیک میپیوندد؛ برنامهای که هدف آن آسانتر کردن استفاده ایمن و خودمختار عاملهای هوش مصنوعی از تجهیزات فیزیکی آزمایشگاه است.
این استاندارد برای کاهش زمان لازم جهت یکپارچهسازی تجهیزات طراحی شده است؛ فرایندی که ممکن است از چند هفته یا چند ماه به چند ساعت یا چند دقیقه کاهش یابد.
یکی از ملاحظات مهم این است که چگونه میتوان این گردشکارها را از محیط پژوهشی فراتر برد و در توسعه دارو تحت نظارت مقررات و کنترل کیفیت نیز به کار گرفت.
واترز میگوید پلتفرمهای انفورماتیک این شرکت مسیری فراهم میکنند تا فعالیتها از waters_connect به نرمافزار Empower منتقل شوند؛ نرمافزاری که از محیطهای آزمایشگاهی تحت نظارت مقررات پشتیبانی میکند. در این مسیر، یکپارچگی دادهها و قابلیت ردیابی موردنیاز در مراحل پیشرفت مولکولها تا زمان تأیید و عرضه نیز حفظ میشود.
AI Link هماکنون از طریق یک برنامه دسترسی زودهنگام در دسترس است و عرضه عمومی آن برای مشتریان waters_connect برای نوامبر ۲۰۲۶ برنامهریزی شده است.
دیو لیتام، معاون بخش انفورماتیک شرکت واترز، در گفتوگو با Healthcare Digital درباره فعالیتهای آزمایشگاهیای توضیح داده است که بیشترین بهره را از ادغام هوش مصنوعی میبرند، آزمایش خودکار چگونه میتواند پژوهشهای دارویی را متحول کند و چرا حفظ اعتماد، پاسخگویی و انطباق با مقررات هنگام ورود هوش مصنوعی به محیطهای تحت نظارت اهمیت دارد.
انتظار دارید کدام فعالیتها یا گردشکارهای آزمایشگاهی بیشترین بهره را از Waters AI Link ببرند و دانشمندان و پژوهشگران چگونه میتوانند میزان افزایش بهرهوری را اندازهگیری کنند؟
دیو لیتام: بیشترین بهبود در کارهایی حاصل میشود که پیرامون اجرای آزمایش انجام میگیرند؛ از تهیه فهرست نمونهها و تنظیم روشها گرفته تا تخصیص تجهیزات، ثبت و ارسال درخواستهای کاری و دریافت نتایج و گزارشها. در حال حاضر، انجام این مراحل مستلزم کلیکهای متعدد و تحویل کار از یک مرحله یا فرد به مرحله و فرد دیگر است.
با AI Link، دانشمند خواسته خود را به زبان ساده بیان میکند و این درخواست به یک اقدام مشخص در نرمافزار waters_connect تبدیل میشود. این قابلیت همچنین به تحلیلگران تازهکار کمک میکند سریعتر مهارت لازم را به دست آورند و وابستگی آزمایشگاهها به تعداد محدودی از کاربران بسیار باتجربه کاهش یابد. افزون بر این، AI Link میتواند دستگاههای متصل، مانند سامانههای آمادهسازی نمونه، را هماهنگ کند تا مراحل مختلف بهصورت یکپارچه انجام شوند، نه در بخشهایی جدا از یکدیگر.
برای سنجش میزان بهبود، باید عملکرد آزمایشگاه خودتان را مبنای مقایسه قرار دهید. پیش و پس از استفاده از این فناوری، زمان سپریشده از دریافت نمونه تا بررسی و تأیید نتیجه، میزان بهرهبرداری از تجهیزات، تعداد مداخلات دستی، دفعات تکرار آزمایش و هزینه هر نتیجه را اندازهگیری کنید.
نمیتوانم برای همه آزمایشگاهها یک رقم واحد را وعده بدهم، اما انتظار داریم در محیطهای توسعه، زمانبندی فرایندها از چند هفته به چند روز کاهش یابد.
گردشکارهای آزمایشگاهی خودکار و مجهز به هوش مصنوعی چگونه میتوانند سرعت و مقیاس پژوهشهای دارویی را تغییر دهند؟
دیو لیتام: هوش مصنوعی اکنون میتواند سریعتر از توان هر آزمایشگاهی ایده تولید کند و آنها را به آزمایش بگذارد. در نتیجه، گلوگاه اصلی به میز آزمایش منتقل شده است. هر فرضیهای که یک مدل تولید میکند، به نمونهای واقعی تبدیل میشود که فردی باید آن را جداسازی و اندازهگیری کند.
آنچه برای من هیجانانگیز است، تکمیل این چرخه است: هوش مصنوعی آزمایشی را پیشنهاد میکند، دستگاه آن را اجرا میکند و نتیجه مستقیماً به مدل بازمیگردد تا مدل بر اساس آن آزمایش بعدی را طراحی کند. هر نتیجه، آزمایش بعدی را هوشمندانهتر میسازد. در این فرایند، گروهها زمان کمتری را صرف تکرار مراحل میکنند و میتوانند دامنه بسیار گستردهتری از گزینهها را بررسی کنند.
AI Link دقیقاً در همین نقطه وارد عمل میشود. این فناوری عاملهای هوش مصنوعی را از طریق نرمافزار waters_connect به دادهها و تجهیزات متصل میکند تا دانشمندان مجبور نباشند هر مرحله را شخصاً از یک سامانه به سامانه دیگر منتقل کنند. انتظار داریم با حرکت آزمایشگاهها به این سمت، آزمایشها بهصورت پیوستهتری انجام شوند و ظرفیت فعالیتها بدون نیاز به افزایش متناسب تعداد کارکنان گسترش یابد.
بزرگترین دستاورد برای دانشمندان، صرفهجویی در زمان است. زمان کمتری صرف جابهجایی و هماهنگسازی کارها میشود و فرصت بیشتری برای فعالیتهایی باقی میماند که فقط انسان میتواند انجام دهد: تصمیمگیری درباره پرسش بعدی و درک نتایج غیرمنتظره.
«بزرگترین دستاورد برای دانشمندان، صرفهجویی در زمان است. زمان کمتری صرف جابهجایی و هماهنگسازی کارها میشود و فرصت بیشتری برای فعالیتهایی باقی میماند که فقط انسان میتواند انجام دهد.»
دیو لیتام، معاون بخش انفورماتیک شرکت واترز
مهمترین چالشها در انتقال آزمایشهای هدایتشده با هوش مصنوعی از مرحله پژوهش به توسعه تحت نظارت مقررات و کنترل کیفیت چیست؟
دیو لیتام: مسئله اصلی اعتماد است. در پژوهش، وجود مقداری تغییرپذیری بخشی از فرایند اکتشاف به شمار میرود. اما در توسعه تحت نظارت مقررات و کنترل کیفیت، باید دقیقاً مشخص باشد چه اتفاقی افتاده، چه کسی آن را انجام داده و آیا میتوان همان نتیجه را دوباره به دست آورد یا خیر. این الزامات به یکپارچگی دادهها، قابلیت ردیابی، اعتبارسنجی و تعیین روشن مسئولیتها نیاز دارند.
نهادهای ناظر نیز هنوز در حال تدوین انتظارات خود درباره هوش مصنوعی هستند؛ بنابراین، آزمایشگاهها به رویکردی نیاز دارند که بتوانند آن را مستند کنند و در برابر بررسیهای نظارتی از آن دفاع کنند.
به همین دلیل، شیوه وارد کردن هوش مصنوعی به محیط آزمایشگاه به اندازه قابلیتهای خود این فناوری اهمیت دارد. در AI Link از پروتکل زمینه مدل، یک استاندارد باز، استفاده میکنیم تا دانش و قابلیتهای واترز درباره نرمافزار و دادههایش در قالبی قابل استفاده ارائه شود و مشتریان مجبور نباشند نگران جزئیات فنی این فرایند باشند.
دانشمند میتواند مستقیماً درخواست موردنیازش را مطرح کند و تخصص لازم از قبل در سامانه تعبیه شده است. این رویکرد به آزمایشگاهها انعطافپذیری و توانایی بیشتری میدهد تا شیوه کار خود را تغییر دهند و این تخصص را در گردشکارهای گستردهترشان به کار بگیرند. از آنجا که تمام این فرایند از طریق نرمافزار waters_connect اجرا میشود، کاربران همچنان فقط میتوانند اقداماتی را انجام دهند که مجوز آنها را دارند.
نیازهای مشتریان نیز یکسان نیست. بسیاری از مشتریان ما در حوزه تحقیق و توسعه با waters_connect کار خواهند کرد و AI Link برای آنها طراحی شده است. مشتریان حوزه تضمین کیفیت و کنترل کیفیت (QA/QC)، که نرمافزار Empower در بازار آن جایگاه پیشرویی دارد، الزامات نظارتی خاص خود را دارند. ما در حال توسعه راهکارهای هوش مصنوعی برای این گروه در نرمافزار Empower نیز هستیم.
ما از هیچکس نمیخواهیم آزمایشگاهش را از نو بسازد؛ هوش مصنوعی را به ابزارهایی میآوریم که از قبل به آنها اعتماد دارند و از آنها استفاده میکنند.
شرکای کلیدی واترز
آنتروپیک
مدیرعامل: داریو آمودی | دفتر مرکزی: سانفرانسیسکو، کالیفرنیا
آنتروپیک یک شرکت پژوهشی در حوزه هوش مصنوعی است که خانواده مدلهای هوش مصنوعی Claude را توسعه میدهد. همکاری این شرکت با واترز، پروتکل زمینه مدل (MCP) را به حوزه انفورماتیک آزمایشگاهی وارد میکند و واترز را در برنامه پژوهشی استاندارد سختافزار مدل آنتروپیک مشارکت میدهد. هدف این همکاری آن است که عاملهای هوش مصنوعی بتوانند مستقیماً با تجهیزات تحلیلی تعامل کنند و از این طریق، آزمایشهای خودکار و گردشکارهای پژوهشی یکپارچهتر را پشتیبانی کنند.
لبویر (LabWare)
مدیرعامل: ونس کرشنر | دفتر مرکزی: ویلمینگتون، دلاور
لبویر سامانههای مدیریت اطلاعات آزمایشگاهی (LIMS) و دفترچههای الکترونیکی آزمایشگاهی (ELN) توسعه میدهد. همکاری دیرینه این شرکت با واترز، ابزارهای انفورماتیک لبویر را با سامانه دادههای کروماتوگرافی Empower واترز یکپارچه میکند و به آزمایشگاهها امکان میدهد فهرستهای کاری نمونهها و نتایج تحلیلی را میان دو سامانه انتقال دهند. این یکپارچهسازی به کاهش ورود دستی دادهها، حفظ یکپارچگی اطلاعات و بهبود گردشکارها در پژوهشهای دارویی و آزمایشهای تحت نظارت مقررات کمک میکند.
