メラニンナノ粒子とディープラーニングを用いたCA19-9のスマートフォン互換色素測定

科学分野:

• バイオマテリアル科学
• ナノテクノロジー
• 機械学習

背景:

• 紙ベースの色測定バイオセンサは低コストの診断を提供しますが,環境と解釈の課題に直面します.
• 従来の金属ナノマテリアルは生態学的懸念を提起し,視覚的な解釈は主観的かもしれません.

研究 の 目的:

• 環境的に持続可能で分析的に堅固な色素測定プラットフォームを開発する.
• 自然に由来するメラニンナノ粒子 (MNP) を機械学習でバイオマーカー検出に統合する.

主な方法:

• メラニンナノ粒子 (MNP) をCA19-9バイオマーカーを検出する紙ベースのバイオセンサに使用した.
• 自動化された画像分析のための機械学習,地域セグメンテーションのためのU-Net,回帰のためのXGBoost.
• 標的結合時にMNPによって誘発される濃度依存の黄色から茶色への変色.

主要な成果:

• U-Netモデルは,高いセグメンテーション精度 (IoU: 0.9025 ± 0.0392) を達成した.
• XGBoostの回帰モデルは,低濃度の分析物で強い予測精度 (MAPE: 17%) を示した.
• このプラットフォームは,正確な,再現可能な,そして客観的な色測定信号の定量化を提供した.

結論:

• このアプローチは医療現場での診断に 持続可能で拡張可能な代替手段を提供します
• メラニンナノ粒子は 機械学習と組み合わせて 伝統的なバイオセンサの限界を克服します
• 開発されたプラットフォームは,色素測定の客観性と信頼性を高めます.