华科&哈佛Nature子刊综述：基于智能手机的移动医疗平台实现微流控即时检测

2023-04-23 13:35:44, 材料科学与工程

全球传染病的频繁爆发促使开发了快速有效的诊断工具，以便在即时检测方案中对潜在患者进行早期筛查。随着移动计算能力和微流控技术的进步，基于智能手机的移动健康平台引起了研究人员的极大关注，他们正在开发将微流控光学检测与人工智能分析集成在一起的即时检测设备。

在此，来自美国哈佛大学&华中科技大学的研究者，综述了移动健康平台的最新进展，包括微流控芯片、成像模式、支持组件和软件算法的开发。相关论文以题为“Smartphone-based platforms implementing microfluidic detection with image-based artificial intelligence”发表在Nature Communications上。

论文链接：

https://www.nature.com/articles/s41467-023-36017-x

在资源有限的环境中进行疾病诊断，仍然是一项重大挑战，因为大多数现有的生物传感技术，依赖于先进的基础设施和训练有素的人员，这限制了它们在即时检测(POCT)场景中的应用。理想情况下，POCT平台应具有易于操作、分析时间短、价格低、灵敏度高和特异性等特点，以满足POCT环境中健康监测的要求。

随着光学技术、材料和软件工程、电子微芯片技术等方面的进步，智能手机越来越小，功能越来越强，用户体验越来越好，为POCT的发展提供了一个有前途的平台。近年来，微流控配件已经出现，以探索智能手机POCT的潜力，特别是基于智能手机互补金属氧化物半导体(CMOS)摄像头的微流控检测模块，也被称为移动健康(mHealth)平台。世界卫生组织将移动卫生定义为由移动设备支持的医疗和公共卫生实践。移动设备包括智能手机和平板电脑，以及提供实时患者监测的设备和可穿戴设备。在本文中，研究者主要关注基于智能手机的移动健康平台的进展，这些平台实现了微流体检测和基于图像的分析。

移动健康平台利用了自动化、集成、小型化和多功能等微流控技术，是POCT环境下健康监测的理想选择。随着计算机和智能手机等数字设备的计算能力显著提高，需要强大计算能力和大量数据的人工智能算法的发展变得更加容易。近年来，卷积神经网络(CNN)算法等深度学习算法已广泛应用于移动医疗中的图像处理。微流体附件和人工智能算法的结合激发了世界各地的研究人员提出新的POCT工具。一方面，mHealth利用微流控方法更准确地测量传统的生物标志物，这些标志物由智能手机CMOS摄像头检测到，并通过机器学习算法进行分析。另一方面，机器学习算法从数据中提取的独特模式和特征可以反映传统方法难以获得的生物医学信息。

目前，一个理想的移动健康平台包括三部分(图1)，即微流控芯片、移动机器和机器智能。微流控芯片负责生物样品的处理和测试。产生的信号由移动机器感知，并由安装在智能手机上的软件进行预处理。数据传输到云服务器后，可以由相应的机器智能进行存储和进一步分析。

图1 用于POCT的支持机器学习的移动医疗平台架构。

在这项工作中，研究者综述了近年来移动健康平台的研究进展，特别是用于测试的微流控芯片和用于传感数据的移动机器，包括成像模式和支持组件。此外，研究者进一步讨论用于分析移动医疗数据的机器智能，特别是快速发展的深度学习算法。目前移动健康的应用也将被记录，并将讨论未来的发展。

图2 影像形态

图3 移动健康平台的通用图像处理算法。

图4 移动医疗平台的深度学习算法。

图5 移动健康平台的分子诊断。

图6 移动健康平台上的寄生虫检测。

总之，毫无疑问，移动健康监测是一个非常有前途的领域。随着物联网技术的快速发展，基于智能手机的移动健康平台有着广泛的应用场景。可用于家庭护理和家庭成员的健康监测，可用于社区医疗站作为疾控前沿，可用于现场食品安全检测。收集到的数据可以传输到中央服务器进行分析，可用于医生对患者进行远程诊断，学者进行病理研究，疾控官员进行疫情控制，并加以改进。相信，不久的未来，移动健康平台将很快变得更加方便和可靠，并得到广泛的应用。（文：水生）

本文来自微信公众号“材料科学与工程”。欢迎转载请联系，未经许可谢绝转载至其他网站。

推荐阅读：

欢迎微信后台回复“应聘编辑”加入我们