中文

深度学习增强的双模式复用光学传感器用于心血管疾病的即时诊断

医学物理 2026-04-09 v1 机器学习 应用物理 生物物理

摘要

快速且可获取的心脏生物标志物检测对于心肌梗死(MI)和心力衰竭(HF)的及时诊断和风险评估至关重要,这两种相互关联的疾病常同时存在,并导致高死亡率的反复住院。然而,当前的实验室和即时检测系统受限于较长的周转时间、被测生物标志物的窄动态范围以及无法捕捉心血管疾病复杂性的单一分析物格式。在此,我们提出了一种深度学习增强的双模式复用垂直流检测(xVFA),配备便携式光学读取器和基于神经网络的定量分析流程。该光学传感器在单个纸基检测盒内集成了比色法和化学发光检测,以互补方式覆盖大动态范围(跨越约6个数量级),适用于低丰度和高丰度生物标志物,同时保持定量准确性。使用50微升血清,该光学传感器可在23分钟内同时定量心肌肌钙蛋白I(cTnI)、肌酸激酶-MB(CK-MB)和N末端前B型钠尿肽(NT-proBNP)。xVFA对cTnI实现了亚pg/mL的灵敏度,对CK-MB和NT-proBNP实现了亚ng/mL的灵敏度,覆盖了这些生物标志物的临床相关范围。在92份患者血清样本上训练和盲法测试的神经网络模型产生了稳健的定量性能(与参考检测相比,Pearson's r > 0.96)。通过将高灵敏度、多重检测和自动化结合在紧凑且经济高效的光学传感器格式中,双模式xVFA能够在护理点实现快速、定量的心血管诊断。

关键词

引用

@article{arxiv.2512.21389,
  title  = {Deep learning-enhanced dual-mode multiplexed optical sensor for point-of-care diagnostics of cardiovascular diseases},
  author = {Gyeo-Re Han and Merve Eryilmaz and Artem Goncharov and Yuzhu Li and Shun Ye and Aoi Tomoeda and Emily Ngo and Margherita Scussat and Xiao Wang and Zixiang Ji and Max Zhang and Jeffrey J. Hsu and Omai B. Garner and Dino Di Carlo and Aydogan Ozcan},
  journal= {arXiv preprint arXiv:2512.21389},
  year   = {2026}
}

备注

32 Pages, 6 Figures, 2 Tables