使用具有深度学习量化功能的纳米光子生物传感器超早期检测S100B生物标志物:基于EDAS患者的临床模型
Jiayu Liu1, Yuxin Wang2, Wenying Lv3
1Department of Neurosurgery, The First Medical Centre, Chinese PLA General Hospital, Beijing, 100853, China.
Biosensors & bioelectronics
|August 2, 2025
概括
这项研究引入了一种新的生物传感器-AI平台,用于快速,超敏感地检测S100B等脑损伤生物标志物,这对于轻度创伤性脑损伤 (mTBI) 管理至关重要.
科学领域:
- 生物医学工程 生物医学工程
- 纳米技术纳米技术
- 人工智能的人工智能
背景情况:
- 在受伤后的第一小时内,超早期发现脑损伤生物标志物对于轻度创伤性脑损伤 (mTBI) 管理至关重要.
- 传统的诊断平台 (如ELISA) 缺乏及时诊断mTBI所需的灵敏度,速度和动态范围.
研究的目的:
- 开发一个集成的纳米光子生物传感器和深度学习平台,用于超敏感的S100B量化.
- 克服传统测试在检测关键脑损伤生物标志物的局限性.
主要方法:
- 开发了一种纳米光子生物传感器,利用毛细管组装的异质链阵列进行光学放大.
- 使用ResNet-50设计了一个深度学习框架 (ProSpect),用于自动化对生物传感器数据的图像分析.
- 使用脑关节血管新生病 (EDAS) 患者的样本 (血清,尿液,唾液,脑液) 收集在精确的时间点进行验证.
主要成果:
- 达到生物传感器检测极限为1 pg/mL,具有广泛的动态范围 (1 pg/mL-100 ng/mL).
- 在量化和分类方面,ProSpect深度学习模型显示出高准确性 (98.08%).
- 在47.6%的样本中量化S100B无法通过ELISA检测,显示强烈的方法间相关性 (R2=0.9884).
结论:
- 集成的生物传感器-AI平台可实现快速 (<30分钟),矩阵灵活和超敏感的S100B检测.
- 在临床模型中得到验证,该平台显示了对医疗点mTBI查和神经创伤分类的重大潜力.
- 该技术促进了实时神经临界监测,改善了患者管理.
