Hei, jeg er Haakon og er i praksis hos Lifecare AS med Erle. Det er et selskap som primært fokuserer på utviklingen og kommersialiseringen av kontinuerlig glukosemonitor-teknologi. Glukosesensoren de lager er på størrelse med et riskorn og implanteres subkutant. Det har foreløpig en varighet på omtrent 6 måneder, 12 – 24 ganger lenger enn nådagens vanligste kontinuerlige glukosemålere. På grunn av størrelsen er den lett injiserbar med nål og er ikke synlig for andre, noe som kan hjelpe å minke stigma rundt diabetes.
Selve Sencellen, brikken som leser av mengden glukose i blodet, består av en keramikkbrikke med to vinduer. Det ene vinduet gir rom til et referansekammer og det andre gir rom til et målekammer. En semipermeabel membran strekkes over vinduene og et konkanavalin A-dekstran-kompleks settes inn i målekammeret. Glukose passerer gjennom membranen og tar over plassen til dekstran i komplekset ettersom konkanavalin A har en høyere affinitet for glukose. Hverken dekstran eller det nye konkanavalin A-glukose-komplekset er små nok til å gå gjennom membranen, så det oppstår en trykkgradient som forårsaker en utbuling av membranen. Strekket som påføres ledningene satt fast i membranen, som kommer av utbulingen dens, endrer motstanden. Når en strøm blir indusert i kretsen på Sencellen, oppdages denne resistansforskjellen, og oversettes til én bestemt glukoseverdi i blodet.
Vi har hatt mange forskjellige oppgaver til nå. Disse går for det meste ut på tre grener av arbeid gjort i en bedrift: QMS, kommunikasjon og forskning. Innen QMS har vi sett på operasjons- og kvalitetsstandarder slik som ISO 9001. Siden bedriften har internasjonale ledd, har vi også drevet noe med oversetting av QMS-dokumenter (med SOP-er, standard of procedure) og leiekontrakter.
Innen kommunikasjon har vi sett på LinkedIn-brukeren og analysert data. Vi har også begynt å skrive en wikipediaartikkel for selskapet med litt informasjon om produkt, historie, osv.
Innen forskning har vi fått satt i gang et datascienceprosjekt som går ut på å analysere LinkedIn-dataen for å se hvilke komponenter av et linkedininnlegg vil gi hvilken interaksjon. Det går for det meste ut på å laste ned dataen fra linkedin, lage en dataframe med dataen, lage kolonner for repost, bilde, video, artikkel, visninger, hvilke hashtagger som ble brukt, osv. Så kan en modell lages, og det kan sjekkes hvilke elementer som har størst effekt på seertall.
Det har vært veldig interessant å se hva slags produkter som har blitt utviklet og stadig forbedres innen diabetes-teknologi.
Bildene er av sencell og Lifecare-logoen.