Tidlig og automatisk avdekking av sykdom hos fisk vant gull
Et studentlag fra Universitetet i Oslo har utviklet et system som skal gjenkjenne sykdom i fisk før sykdommen sprer seg og skaper ytterligere skade i fisken.
De har deltatt i en internasjonal bioteknologikonkurranse, International Genetically Engineered Machine (iGEM). Studentlaget vant gull i konkurransen. Laget ble også nominert til pris for beste programvare i konkurransen. Dette er første gang for et lag fra Norge.
De har utviklet et automatisk system som skal registrere sykdom i fiskepopulasjoner under intensiv oppdrett tidlig i sykdomsforløpet, ofte mellom 100.000–200.000 Atlantisk laks med tillatt MTB (maks tillatt biomasse) tetthetsgrense med 25kg/m3 tilsvarer 5 laksefisk på 5 kg per individ for hver kubikkmeter i vannmassene.
Stor interesse for oppdrettsnæringen
Systemet observerer og signaliserer endringer i fiskens oppførsel med utgangspunkt hentet fra et felles bevegelsesmønster hos frisk fisk slik at hvis 1 eller 2 blant 100.000 fisk vil signaliseres til dette deteksjonssystemet. Denne formen for profylakse som betyr å forebygge sykdom hjelper oppdrettere å utføre tiltak tidligere enn ved standardisert prosedyre som er første ledd mistanke sykdom før andre ledd som er påvist sykdom.
Ved tidligere behandling vil også fisken være bedre rustet i badebehandlinger enn hvis sykdommen er spredd til hele populasjonen og hvor immunsystemet er mer belastet i populasjonen. Et slikt system er av stor interesse for oppdrettsnæringen hvor årlig økonomisk tap er stor på grunn av ulike sykdommer.
Prosjektet har spesielt sett på AGD, amøbisk gjellesykdom hos laks. Studentlaget vant gullmedalje i iGEM-konkurransen. På grunn av COVID-19 foregikk premieutdelingen digitalt, den skulle originalt blitt holdt i Boston, USA.
Nytt verktøy for fiskeoppdrett
Fiskeoppdrett er en viktig industri i Norge og verden over. Dessverre dør mange av fiskene på grunn av sykdom, ofte ved for sein oppdagelse og behandling. IGEM teamet fra UiO har jobbet med noen nye konsepter for å redusere antall fisk som dør. De har sett på hvordan man kan bruke målinger på felles oppførsel, som fiskestimer, for å kunne si om fiskene er syke eller friske og normaliserte.
For å utforske denne ideen har de brukt data simulering av fisk og maskinlæring for å se om fiskene er syke. Ved å lage videosnutter av simuleringene, har de sett at et automatisk system basert på maskinlæring var mye flinkere til å gjenkjenne på atferden om fiskene er syke enn ved normal svømmeatferd. De har også laget planer for hvordan man kan bruke genmodifisering for å få en bakterie til å produsere deler av en medisin som kan behandle gjellesykdom, som er forårsaket av amøber som angriper det respiratoriske organene (gjellene) hos atlantisk laks.
