Τα σύγχρονα εργαστήρια λαμβάνουν δείγματα ασθενών από πολλές διαφορετικές εγκαταστάσεις. Βασίζονται στην αυτοματοποίηση για να μετριάσουν τον αντίκτυπο αυτής της ποικιλότητας. Με εξειδίκευση στον τομέα της Μηχανικής Οπτικής, ο Benjamin Pollack και η ομάδα του στη Siemens Healthineers επικεντρώνονται στη βελτίωση της αυτοματοποίησης. Εφαρμόζουν την Τεχνητή Νοημοσύνη και τη Βαθιά Μάθηση προκειμένου να μειώσουν σημαντικά το ποσοστό αποτυχίας των αυτοματοποιημένων in vitro διαγνωστικών μεθόδων. Επιπλέον, ο έξυπνος αυτοματισμός τους είναι ικανός να μετακινήσει με ασφάλεια σωλήνες μέσω του συστήματος σε υψηλότερες ταχύτητες.
«Δεν έχουμε την πολυτέλεια να πατάμε refresh όταν αντιμετωπίζουμε κάποιο λάθος. Ένα σφάλμα εν δυνάμει σημαίνει επανάληψη ενός παιδιατρικού δείγματος αίματος ή καθυστέρηση μιας κρίσιμης ιατρικής απόφασης σε μια αίθουσα έκτακτης ανάγκης. Όλοι στον τομέα διαγνωστικών μεθόδων αντιλαμβάνονται ότι η βελτίωση της ταχύτητας και της αξιοπιστίας τους δεν συμβάλλει μόνο στη βελτίωση των κερδών των εργαστηρίων, αλλά βοηθά στη διάσωση ζωών».
Benjamin Pollack, ηγέτης Tεχνολογίας Mηχανικής Οπτικής για τη Siemens Healthineer