支持人工智能的无电池多路复用传感器贴片可用于伤口监测

伤口愈合是一个具有多阶段的动态过程，柔性电子产品的出现使得不同传感器能够集成到一个平台上，同时提供与人体皮肤的构象接触，为可穿戴生物传感器铺平了道路，这些传感器可以检测伤口环境的双重甚至多重生物医学参数。不过，想要实现炎症和感染的快速分析及定量表征仍然具有一定挑战性。

据麦姆斯咨询报道，近日，新加坡国立大学、新加坡科技研究局材料研究与工程研究院（IMRE）等机构的研究人员联合提出一种支持人工智能（AI）的纸基无电池原位多路复用（PETAL）传感器贴片，能够利用深度学习算法进行整体伤口评估。该传感器贴片由一个蜡印纸面板和五个分别用于测量温度、pH值、三甲胺（TMA）、尿酸（UA）和湿度的比色传感器组成。通过基于神经网络的机器学习算法分析手机捕获的传感器图像，以确定伤口愈合状态。该传感器贴片可以对伤口恶化等不良事件提供早期预警，使医护人员能够及时进行临床干预，以促进伤口护理。相关研究成果已发表于SCIENCE ADVANCES期刊。

用于伤口监测的纸基无电池多路复用传感器贴片示意图

在该传感器贴片的设计制造过程中，研究人员利用不同的传感原理和材料，将五个用于温度、pH值、TMA、UA和湿度测量的比色传感器集成到一个纸基传感器贴片中。该传感器贴片可以在几分钟内（每次测试）对每种生物标志物进行定量表征，可以检测与伤口炎症、感染和伤口环境状况相关的生物标志物。使用基于深度学习的AI算法，该传感器贴片只需要一部现代智能手机即可对伤口愈合状态进行全面评估，从而对伤口类型/严重程度进行分类。

研究人员通过非原位（通过伤口渗出物）和原位（直接粘附传感器贴片）分析，展示了该传感器贴片对慢性伤口或烧伤创面的状态评估。通过从大鼠扰动伤口和烧伤创面收集的渗出物进行非原位检测，该传感器贴片可以区分愈合和非愈合状态，准确率高达97%。该传感器贴片具有高度的生物相容性，可与伤口敷料集成进行原位分析，而无需移除伤口敷料。通过在大鼠烧伤创面模型上安装传感器贴片，可以原位监测伤口进展或严重程度。通过与人工智能分析相结合，该传感器贴片可以对不良事件（如感染或长期炎症）进行早期预警，从而触发及时的临床干预。

大鼠扰动伤口渗出物的非原位分析

大鼠烧伤创面渗出物的非原位分析

大鼠烧伤创面原位监测及传感器贴片生物相容性研究

研究人员称，目前该传感器贴片还存在两方面限制：（i）由于传感器基于纸张，主要依靠被动毛细血管作用（无主动泵送）将伤口渗出物吸入其检测区域，当渗出物产生率低或渗出物非常粘稠时，需要更长时间（长达数小时）才能在传感器贴片上积累足够的渗出物以产生颜色响应。如果需要更快地获得响应，则需要优化模式设计，例如，减少通道长度。（ii）该传感器中增加了一个血液过滤层，以防止红细胞干扰比色读数，可适用于浆液性或血清血性等大部分类型的伤口渗出物。然而，在伤口渗出物含血量过高时（即出血伤口），这种干扰可能仍然存在。这种情况中，则需要通过更厚的过滤层或更高的过滤容量层进行额外的血液过滤。同时，可以对算法进行额外的增强（例如色调/饱和度抖动），以确保传感器精度。此外，使用更多的伤口模型数据进行训练，可以进一步提高算法的性能，实现个体生物标志物的快速量化，对伤口内部状态的定量评估具有重要价值。

值得一提的是，该研究提出的支持人工智能的多路复用传感技术可以针对其他伤口类型进行适配和定制，例如，通过结合葡萄糖、乳酸或用于糖尿病溃疡预测的白细胞介素-6等各种不同检测功能的比色传感器。此外，该传感器贴片可以轻松针对不同数量的检测区域进行重新配置，以同时检测所需数量的生物标志物，从而扩大其在不同伤口类型中的应用。

审核编辑：刘清