Aalto-yliopiston tutkijat ovat kehittäneet uuden, lian ja bakteerien havaitsemiseen tarkoitetun menetelmän, joka perustuu satoja värejä tallentavan hyperspektrikameran ja tekoälyn yhdistämiseen. AutoDet-menetelmää (automatic biological contamination detection) voidaan tulevaisuudessa käyttää myös virusten automaattiseen tunnistamiseen.
Järjestelmää voidaan käyttää terveydenhuollossa muun muassa pintojen puhtauden varmistamiseen norovirusepidemian tai flunssakauden aikana. Tutkijat testasivat laitetta äskettäin Porin Satasairaalan odotustiloissa. Pilottitutkimuksessa tehtiin yhteensä 200 mittausta esimerkiksi pöydiltä ja tuolien käsinojista. Tutkimuksessa keskityttiin tasaisiin pintoihin.
Tutkijat rajoittivat hyperspektrikuvantamisen näkyvän valon alueelle. Näin varmistettiin, ettei samoissa tiloissa työskenteleville ihmisille aiheutunut vaaraa lyhyen aallonpituuden ultraviolettivalosta.
- Pystyimme menetelmän avulla havaitsemaan esimerkiksi yskimisen jättämiä kasvualustoja eli biofilmejä, joita on vaikeaa havaita paljain silmin. Tutkimus osoitti, että laite myös hälyttää tahroista sitä mukaa, kun niitä ilmaantuu pinnoille, kertoo Aalto-yliopiston akatemiatutkija Juha Koivisto.
AutoDetin etu muihin menetelmiin, kuten perinteisiin pyyhkäisytesteihin, verrattuna on sen automaattisuus. Näin laitteen käyttökustannukset jäävät alhaisemmiksi. - Laite pystyy myös skannaamaan isoja alueita kerrallaan, valvomaan niitä ympäri vuorokauden ja hälyttämään likaa havaitessaan. Miinuspuolena on toki laitteen vielä korkea hinta, Juha Koivisto sanoo.
Laite havaitsee minkä tahansa pinnalle kuulumattoman lian. Tutkimuksessa se havaitsi muun muassa siniselle valolle herkkää biologista materiaalia, jota voidaan kutsua proteiinin optiseksi sormenjäljeksi. Sormenjälki paljastaa, että pinnalle on muodostunut tai muodostuu bakteerikasvustoa.
Muuttamalla sensoreita ja samalla mittaustekniikkaa niin, että laite tarkastelee isojen alueiden sijaan pienempiä pisteitä, sitä voitaisiin hyödyntää myös virusten havaitsemiseen. - Tekoäly ja laitteen valon aallonpituudet soveltuvat nykyisellään myös virusten havaitsemiseen. Virusten tapauksessa valonsäde ja kuvantaminen kohdistettaisiin muutaman mikrometrin kokoluokkaa olevalle alueelle, jolle on asetettu sylkinäyte. Menetelmä olisi huomattavasti nopeampi ja liikuteltavampi kuin nykyiset laboratoriota vaativat tunnistusmenetelmät. Mittausaika voisi olla jopa muutaman minuutin suuruusluokkaa, Koivisto sanoo.
AutoDetin käyttämiseen virusten tunnistamiseen tutkijatiimi vasta hakee rahoitusta ja yhteistyökumppaneita. Teknologian ympärille perustettiin CleanDet-yritys marraskuussa 2019.
ETNdigi 2/2024 -lehti käsittelee laajasti elektroniikka-alan innovaatioita, erityisesti sulautettuja järjestelmiä ja kehittyvää tekoälyä. Lehdessä esitellään esimerkiksi LUMI-supertietokoneen roolia tekoälymallien kehittämisessä Suomessa. Uutiskattauksen lisäksi mukana on useita syvemmälle eri tekniikoihin sukeltavia artikkeleita.
NordPass on julkaissut kuudetta kertaa vuotuisen 200 yleisintä salasanaa -tutkimuksensa, joka paljastaa kansainvälisesti suositut salasanat sekä 44 eri maan salasanat. Maailmalla yleisin salasana on nerokas ”123456” ja Suomen yleisimpänä jatkaa kestosuosikki ”qwerty123”.
Tulevaisuuden autot nojaavat yhä tiukemmin nopeaan datansiirtoon. Tämän dataväylän pitää perustua standardiin. Sellainen on PCIe-väylä, kertoo Microchip.