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萨缪尔利工程学院联合开发了一种新型诊断测试系统，该系统将强大而灵敏的晶体管与廉价的纸质诊断测试融合在一起。与机器学习相结合后，该系统将成为一种新型生物传感器，最终可能改变家庭测试和诊断。

将两种技术与机器学习相结合的诊断测试可能会带来家庭测试的新范式

该研究团队由芝加哥大学陈俊红教授和加州大学洛杉矶分校 Aydogan Ozcan 教授领导，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 COVID 测试中使用的技术相同)结合在一起。

这种组合将 FET 的高灵敏度与纸质墨盒的低成本相结合。与机器学习相结合后，该测试测量血清样本中胆固醇的准确率超过 97%，与芝加哥大学医学院由 KT Jerry Yeo 教授领导的 CLIA 认证临床化学实验室的结果相比，准确率更高。

这项研究发表在《ACS Nano》上，是与加州大学洛杉矶分校 Ozcan 团队合作进行的，该团队专门研究纸基传感系统和机器学习。该结果是一个概念验证，最终可用于创建廉价、高精度的家庭诊断测试，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，可以诊断疾病、检测生物标志物并监测家庭治疗，”博士后研究员、论文共同第一作者 Hyun-June Jang 与加州大学洛杉矶分校的 Hyou-Arm Joung 说道。

在家进行的诊断测试(例如妊娠测试或 COVID 测试)使用纸基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，但它们主要是定性的，告知用户生物标记物是否存在。

测试范围的另一端是场效应晶体管(FET)，它最初是为电子设备设计的。如今，它们也被用作高灵敏度的生物传感器，能够实时检测生物标志物。许多人认为场效应晶体管是生物传感的未来，但它们的商业化受到特定测试条件要求的阻碍。在血液等高度复杂的基质中，场效应晶体管很难检测到来自分析物的信号。

陈和奥兹坎的团队着手将这两种技术结合起来，以创建一种新型测试系统。纸质流体技术(具体来说，是其多孔传感膜)减少了对场效应晶体管通常所需的复杂、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确度。

“我们提高了准确度，并创造了一款总成本不到 50 美元的设备，”Jang 说道。“而且 FET 可以与一次性墨盒测试一起重复使用。”

为了测试该系统，该团队对设备进行了编程，使其能够从匿名的剩余人类血浆样本中测量胆固醇。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 CLIA 指南规定的 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：“这是一个经过改进的经典诊断系统，随着家庭检测和诊断在美国医疗保健系统中变得越来越流行，这一点将非常重要。”

接下来，该团队将开发免疫检测系统，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。“这项技术有可能从一滴血液中检测出多种生物标志物，”张说。