DOI: https://doi.org/10.1038/s41528-024-00321-3
تاريخ النشر: 2024-06-13
المؤلف: Zihu Wang وآخرون
الموضوع الرئيسي: مواد الاستشعار المتقدمة وجمع الطاقة
نظرة عامة
تقدم البحث نظام استشعار لوني ميكروفلويدي قابل للارتداء مدعوم بالذكاء الاصطناعي (AI-WMCS) مصمم للكشف السريع وغير الجراحي والمتزامن عن العلامات الحيوية الحرجة في دموع الإنسان، بما في ذلك فيتامين C، ودرجة الحموضة (H⁺)، وأيونات الكالسيوم (Ca²⁺)، والبروتينات. يدمج هذا النظام لاصقة ميكروفلويدية مرنة تجمع عينات الدموع وتساعد في التفاعلات اللونية، بالإضافة إلى نظام تحليل بيانات قائم على خادم سحابي مدعوم بشبكة عصبية عميقة (CSDAS) يقوم بمعالجة وتفسير بيانات اللون عبر تطبيق على الهاتف الذكي. يبرز الدراسة استخدام شبكة عصبية تلافيفية متعددة القنوات (CNN-GRU) لتصحيح الأخطاء في بيانات التركيز، محققة معاملات تحديد عالية (R²) تبلغ 0.998 لدرجة الحموضة و0.994 للعلامات الحيوية الأخرى، مما يعزز بشكل كبير دقة الكشف.
تؤكد النتائج على إمكانيات هذه التكنولوجيا في تحويل مراقبة الصحة من خلال تمكين الكشف عن العلامات الحيوية المرتبطة ارتباطًا وثيقًا بحالات الصحة العينية والجهازية. على سبيل المثال، قد تشير مستويات فيتامين C المرتفعة في الدموع إلى إصابة مبكرة في القرنية، بينما ترتبط مستويات Ca²⁺ المرتفعة غالبًا بمتلازمة جفاف العين. يمكن أن تسهل القدرة على مراقبة هذه العلامات الحيوية بشكل غير جراحي التشخيص المبكر لمجموعة متنوعة من الأمراض، بما في ذلك الوردية، وفقدان قزحية العين، وقرنية مخروطية. يتناول البحث قيود أجهزة استشعار الدموع الحالية، وخاصة تلك المعتمدة على الطرق الكهروكيميائية، ويضع أجهزة الاستشعار القابلة للارتداء كعناصر محورية في مستقبل الرعاية الصحية الشخصية والطب الدقيق.
الطرق
توضح قسم “الطرق” في ورقة البحث التصميم التجريبي والتقنيات التحليلية المستخدمة للتحقيق في سؤال البحث. استخدمت الدراسة نهجًا كميًا، مع دمج التحليلات الإحصائية لتقييم البيانات المجمعة من تجارب مختلفة. تضمنت المنهجيات المحددة تجارب محكومة، حيث تم التلاعب بالمتغيرات بشكل منهجي لملاحظة تأثيراتها على النتائج المعنية.
شمل جمع البيانات مصادر أولية وثانوية، مما يضمن مجموعة بيانات شاملة للتحليل. تضمنت الأدوات الإحصائية المستخدمة تحليل الانحدار واختبار الفرضيات، مما سهل تحديد العلاقات المهمة بين المتغيرات. كما يتناول القسم طرق أخذ العينات المستخدمة لضمان التمثيل ومعايير اختيار المشاركين، مما يعزز موثوقية النتائج. بشكل عام، تم تصميم الطرق المستخدمة بدقة لدعم صحة استنتاجات الدراسة.
النتائج
يصف قسم النتائج تطوير وأداء لاصقة استشعار لوني ميكروفلويدية مرنة مصممة لجمع سوائل الدموع بشكل غير جراحي وتحليل العلامات الحيوية. تم بناء اللاصقة من بوليديميثيلسيلوكسان (PDMS)، وتتميز بتصميم متعدد الطبقات يتضمن شريحة ورقية حساسة للون ونظام قنوات ميكروفلويدية. تلتصق اللاصقة بفعالية بالجلد تحت العين، مما يسمح للجاذبية بتسهيل تدفق سائل الدموع إلى القنوات الميكروفلويدية، التي تنقل السائل إلى خزانات ميكروية دائرية تحتوي على مواد كيميائية ملونة للكشف عن العلامات الحيوية الرئيسية مثل فيتامين C، ودرجة الحموضة، وأيونات الكالسيوم، والبروتينات. تتوافق الاستجابة اللونية للمواد الكيميائية مع تركيز العلامات الحيوية المعنية، مما يمكّن من التحليل الكمي.
أظهرت الاختبارات الميكانيكية أن لاصقة الاستشعار تتمتع بمرونة جيدة، مع إجهاد شد أقصى يبلغ حوالي 20.5% وسعة تحميل قصوى تبلغ حوالي 232.7 كيلو باسكال. تم تصميم اللاصقة للاستخدام لمرة واحدة لمنع التلوث، وتشير المحاكاة العددية إلى أن المستشعر يمكن أن يحقق وقت تحديث يبلغ حوالي 60 ثانية لتركيزات فيتامين C، مما يشير إلى إمكانيته في المراقبة المستمرة للعلامات الحيوية في الدموع. بشكل عام، تظهر لاصقة الاستشعار الميكروفلويدية قدرات واعدة للكشف السريع والفعال عن العلامات الحيوية في سائل الدموع.
المناقشة
تناقش البحث تطوير نظام استشعار لوني لمراقبة العلامات الحيوية الرئيسية في دموع الإنسان، وخاصة فيتامين C، ودرجة الحموضة، وأيونات الكالسيوم (Ca²⁺)، والبروتينات. باستخدام تفاعل الأكسدة والاختزال لـ 2،6-ثنائي كلورو إندوفينول للكشف عن فيتامين C، يقوم النظام بالتقاط قيم RGB من خلال كاميرا الهاتف الذكي، مما يتيح إنشاء منحنيات معايرة لتركيزات مختلفة. تستخدم حساسية درجة الحموضة مزيجًا من مؤشرات الحمض والقاعدة، بينما يعتمد الكشف عن Ca²⁺ على تفاعل ملون مع مركب أوكريسولفثالين. يستخدم مستشعر البروتين TBPB، حيث تكون قيم RGB الحمراء الأكثر حساسية عبر جميع المواد التحليلية. تظهر المستشعرات استقرارًا سريعًا للون في غضون دقيقة واحدة، مما يضمن دقة الكشف، وتظهر انتقائية جيدة لمستهدفاتها.
لمعالجة التحديات في الحصول على بيانات اللون وتفسيرها بسبب اختلافات درجة الحموضة وظروف الإضاءة، تم تقديم نظام تحليل بيانات خادم سحابي (CSDAS) مدعوم بالتعلم العميق. يستخدم هذا النظام نموذج CNN-GRU متعدد القنوات لتصحيح الأخطاء في توقعات التركيز، مما يعزز الدقة بشكل كبير. يدمج نظام الاستشعار اللوني الميكروفلويدي القابل للارتداء المدعوم بالذكاء الاصطناعي (AI-WMCS) هذه التطورات، مما يسمح بالمراقبة غير الجراحية والمتزامنة للعديد من العلامات الحيوية. تؤكد الاختبارات باستخدام عينات دموع صناعية وحقيقية فعالية النظام، محققة ارتباطًا عاليًا مع الطرق القياسية وتظهر إمكانيته للتطبيقات العملية في الرعاية الصحية عن بُعد والطب الشخصي.
DOI: https://doi.org/10.1038/s41528-024-00321-3
Publication Date: 2024-06-13
Author(s): Zihu Wang et al.
Primary Topic: Advanced Sensor and Energy Harvesting Materials
Overview
The research presents an innovative artificial intelligence-assisted wearable microfluidic colorimetric sensor system (AI-WMCS) designed for the rapid, non-invasive, and simultaneous detection of critical biomarkers in human tears, including vitamin C, pH (H⁺), calcium ions (Ca²⁺), and proteins. This system integrates a flexible microfluidic epidermal patch that collects tear samples and facilitates colorimetric reactions, coupled with a deep-learning neural network-based cloud server data analysis system (CSDAS) that processes and interprets color data via a smartphone application. The study highlights the use of a multichannel convolutional recurrent neural network (CNN-GRU) to correct errors in concentration data, achieving high determination coefficients (R²) of 0.998 for pH and 0.994 for other biomarkers, thereby significantly enhancing detection accuracy.
The findings underscore the potential of this technology to transform health monitoring by enabling the detection of biomarkers that are closely linked to ocular and systemic health conditions. For instance, elevated vitamin C levels in tears may indicate early corneal injury, while increased Ca²⁺ levels are often associated with dry eye syndrome. The ability to monitor these biomarkers non-invasively could facilitate early diagnosis of various diseases, including rosacea, aniridia, and keratoconus. The research addresses the limitations of existing tear sensors, primarily those based on electrochemical methods, and positions wearable biosensors as pivotal components in the future of personalized healthcare and precision medicine.
Methods
The “Methods” section of the research paper outlines the experimental design and analytical techniques employed to investigate the research question. The study utilized a quantitative approach, incorporating statistical analyses to evaluate the data collected from various experiments. Specific methodologies included controlled experiments, where variables were systematically manipulated to observe their effects on the outcomes of interest.
Data collection involved both primary and secondary sources, ensuring a comprehensive dataset for analysis. The statistical tools applied included regression analysis and hypothesis testing, which facilitated the identification of significant relationships among variables. The section also details the sampling methods used to ensure representativeness and the criteria for participant selection, enhancing the reliability of the findings. Overall, the methods employed were rigorously designed to support the validity of the study’s conclusions.
Results
The results section describes the development and performance of a flexible microfluidic colorimetric sensor patch designed for non-invasive tear fluid collection and biomarker analysis. The patch, constructed from polydimethylsiloxane (PDMS), features a multilayered design that includes a colorimetric sensing paper chip and a microfluidic channel system. The patch effectively adheres to the skin beneath the eye, allowing gravity to facilitate the flow of tear fluid into the microfluidic channels, which transport the fluid to circular micro-reservoirs containing chromogenic reagents for detecting key biomarkers such as vitamin C, pH, calcium ions, and proteins. The colorimetric response of the reagents correlates with the concentration of the respective biomarkers, enabling quantitative analysis.
Mechanical testing revealed that the sensor patch exhibits good flexibility, with a maximum tensile strain of approximately 20.5% and a maximum load capacity of around 232.7 kPa. The patch is designed for single-use to prevent contamination, and numerical simulations indicate that the sensor can achieve a refresh time of about 60 seconds for vitamin C concentrations, suggesting its potential for continuous monitoring of tear biomarkers. Overall, the microfluidic sensor patch demonstrates promising capabilities for rapid and effective biomarker detection in tear fluid.
Discussion
The research discusses the development of a colorimetric sensor system for monitoring key biomarkers in human tears, specifically vitamin C, pH, calcium ions (Ca²⁺), and proteins. Utilizing the redox reaction of 2,6-dichloroindophenol for vitamin C detection, the system captures RGB values through a smartphone camera, establishing calibration curves for various concentrations. The pH sensing employs a mixture of acid-base indicators, while Ca²⁺ detection relies on a chromogenic reaction with o-cresolphthalein complexone. The protein sensor utilizes TBPB, with the red RGB values being most sensitive across all analytes. The sensors demonstrate rapid stabilization of color within one minute, ensuring accurate detection, and exhibit good selectivity for their target analytes.
To address challenges in color data acquisition and interpretation due to varying pH and lighting conditions, a cloud server data analysis system (CSDAS) powered by deep learning is introduced. This system employs a multichannel CNN-GRU model to correct errors in concentration predictions, significantly enhancing accuracy. The AI-assisted wearable microfluidic colorimetric sensing system (AI-WMCS) integrates these advancements, allowing for non-invasive, simultaneous monitoring of multiple biomarkers. Testing with artificial and real tear samples confirms the system’s efficacy, achieving high correlation with standard methods and demonstrating its potential for practical applications in telehealth and personalized medicine.