将两种技术与机器学习相结合的诊断测试可能会为家庭测试带来新的范式

芝加哥大学普利兹克分子工程学院（PME）和加州大学洛杉矶分校Samueli工程学院联合开发的一种新的诊断测试系统将一种强大、灵敏的晶体管与廉价的纸质诊断测试相结合。当与机器学习相结合时，该系统将成为一种新型的生物传感器，最终可以改变家庭测试和诊断

在芝加哥大学的陈俊宏教授和加州大学洛杉矶分校的Aydogan Ozcan教授的带领下，研究小组将场效应晶体管（FET）——一种可以检测生物分子浓度的设备——与纸质分析盒（与家庭妊娠和新冠肺炎检测中使用的技术类型相同）相结合。

这种组合将FET的高灵敏度与纸质盒的低成本结合在一起。当与机器学习相结合时，该测试以超过97%的准确率测量了血清样本中的胆固醇，与KT Jerry Yeo教授领导的芝加哥大学医学院CLIA认证的临床化学实验室的结果相比

这项研究发表在ACS Nano上，是与加州大学洛杉矶分校的Ozcan团队合作进行的，该团队专门从事基于纸张的传感系统和机器学习。结果是一个概念验证，最终可用于创建廉价、高度准确的家庭诊断测试，能够测量各种健康和疾病的生物标志物

“通过解决每个组件的局限性并添加机器学习，我们创建了一个新的测试平台，可以在家中诊断疾病、检测生物标志物和监测治疗，”博士后研究员、该论文的共同主要作者Hyun June Jang和加州大学洛杉矶分校的Hyou Arm Joung说

家庭诊断测试，如妊娠或新冠肺炎测试，使用基于纸张的检测技术来检测目标分子的存在。虽然这些测试简单且成本低廉，但它们在很大程度上是定性的，可以告知用户生物标志物是否存在

在测试光谱的另一端是FET，最初是为电子设备设计的。如今，它们也被用作能够实时检测生物标志物的高灵敏度生物传感器。许多人认为FET是生物传感的未来，但它们的商业化受到了特定测试条件要求的阻碍。在血液等高度复杂的基质中，FET可能很难检测到来自分析物的信号

陈和Ozcan的团队着手将这两种技术结合起来，创建一种新型的测试系统。纸流技术，特别是其多孔传感膜，减少了对FET通常所需的复杂、受控测试环境的需求。它还为该系统提供了低成本的基础，因为每个墨盒的成本约为15美分

当团队整合深度学习动力学分析时，它提高了FET内测试结果的准确性和精度

张说：“我们提高了精度，创造了一种总成本不到50美元的设备。”。“FET可以与一次性药筒测试重复使用。”

为了测试该系统，该团队对该设备进行了编程，以测量匿名的剩余人体血浆样本中的胆固醇。根据CLIA指南，在30次盲测中，该系统测量胆固醇的准确率超过97%，远远超过了10%的总允许误差

该团队还进行了一项概念验证实验，表明该设备可以结合免疫测定，免疫测定广泛用于激素、肿瘤标志物和心脏生物标志物的定量

张说：“这是一个做得更好的经典诊断系统，随着家庭检测和诊断在美国医疗保健系统中越来越受欢迎，这将非常重要。”

接下来，该团队将开发免疫测定测试系统，并最终希望展示该系统如何通过单个样本输入检测多种生物标志物。张说：“这项技术有可能从一滴血中检测出多种生物标志物。”

该论文的其他合著者包括Artem Goncharov、Anastasia Gant Kanegusuku、Clarence W.Chan、Kiang Teck Jerry Yeo和Wen Zhuang More information: Hyun-June Jang et al, Deep Learning-Based Kinetic Analysis in Paper-Based Analytical Cartridges Integrated with Field-Effect Transistors, ACS Nano (2024). DOI: 10.1021/acsnano.4c02897

Journal information: ACS Nano