人工智能辅助纸基微流控芯片实现核酸检测与智能诊断

新冠疫情严重危害国民健康和社会经济发展，精准高效的检测技术可为疾病防控提供重要依据。纸基微流控芯片（也称纸上微型实验室）采用纤维滤纸作为基体材料，通过构筑亲/疏水通道并借助材料内部毛细作用引导流体输运，实现微尺度下流体自驱动与自流控。纸基芯片具有环保、低成本、运输和存储方便等优点，已广泛应用在临床诊断、环境监测和食品安全等领域，伴随人工智能发展，医学信息学、智慧医疗取得了快速进步。基于数据挖掘，智能化疾病风险预测、药物应用指导、治疗效果评估和转归预后推断等研究正日臻完善。结合纸基微流控芯片与深度学习，同步改进现有仪器技术的硬件载体和软件架构，将有助于完善现有核酸检测方法并缓解疫情常态化核酸检测压力。

基于此，福州大学孙浩、福建省立医院黄毅和深圳技术大学贾原团队在国家自然科学基金委员会主管、主办的Fundamental Research期刊上发表论文。设计了7层结构的复合式纸基微流控芯片，采用激光加工和机械过塑等工艺批量制造原理样机。纸基检测单元具有二维简平化特点，相对于传统聚丙烯管反应体系，芯片结构抑制了光学系统中杂光干扰与信号衰减。同时，芯片上传热过程更加快速和均匀，提升了检测效率。以商业化合成的SARS-CoV-2 ORF1ab基因片段为模板，完成实时荧光定量反转录聚合酶链式反应（RT-qPCR）。芯片上荧光信号由仪器光电实时系统采集，并传输给递归神经网络（RNN）、长短期记忆神经网络（LSTM）和门控循环单元（GRU）模型，实现核酸检测时间序列数据的早期快速预测。

芯片与常规标准化仪器系统兼容，具有基础研究实用性和工程可扩展性。单片成本约1.6元，布列多个检测单元完成并行检测，每个检测单元试剂消耗为1.1微升（约为常规同比检测的3%）。研究结果表明，纸基检测单元采集信号具有更高信噪比；深度学习模型准确预测了扩增曲线趋势，最早可在第13扩增周期时刻定性辨识被检样本属性；可在20周期时刻精准预测终点（40周期）信号值，借助阈值判据和标准曲线，实现了被检样本定量分析。这种大比例缩减检测时间和降低检测成本的方法，不仅对于大规模筛查和常态化检测具有重要价值，而且可迁移至更广泛的诊断领域。

此外，该项研究是纸基微流控和人工智能在新冠病毒检测时序数据分析的首次集成创新，已授权中、美、澳等国多项发明专利。研究有助于为医学信息学和仪器科学等领域提供参考，共同为缓解我国当前疫情防控提供新技术和新途径。在应对未来潜在大规模流行病、辅助提升疾病防控水平、完善贫困边远地区医疗保障等方面具有积极意义。

论文链接：

https://doi.org/10.1016/j.fmre.2021.12.005