相关实验视频
Updated: Jan 10, 2026
07:22
Basophil Activation Test for Allergy Diagnosis
Published on: May 31, 2021
9.2K
无标签,机器学习辅助阻抗评估基细胞激活的基细胞激活
Sungu Kim1, Leon Hannes Kloker2, Wonjun Lee1
1Department of Mechanical Engineering, Stanford University, Stanford, CA 94305, USA.
Sensors and actuators. B, Chemical
|November 27, 2025
概括
无标签阻抗流细胞计 (IFC) 与机器学习相结合,准确地预测了用于食物过敏诊断的基基细胞激活. 这种创新方法为传统方法提供了更简单,更容易获得的替代方案,提高了诊断能力.
科学领域:
- 免疫学 免疫学 免疫学
- 生物技术是生物技术.
- 医学诊断 医学诊断 医学诊断
背景情况:
- 食物过敏症正在上升,但目前的诊断测试往往不准确或不安全.
- 基细胞激活试验 (BAT) 是有前途的,但由于后勤问题和依赖复杂的流动细胞计量分析 (FCA) 而面临临临床采用障碍.
研究的目的:
- 为了评估无标签阻抗流细胞计 (IFC) 与机器学习相结合,用于预测基基细胞激活状态.
- 为传统的BAT方法提供更简单,更容易获得的替代方案.
主要方法:
- 来自15位捐赠者的人类基细胞被用过敏原刺激.
- 在六个频率上使用IFC进行阻抗测量.
- IFC数据与FCA测量的激活标记相关联,并使用机器学习模型进行分析.
主要成果:
- 国际金融公司的指标显示,与FCA测量的激活水平有很强的相关性 (皮尔森相关系数高达0.89).
- 机器学习模型准确地分类了积极/消极的BAT结果,真正率为96%和真负率为88%.
结论:
- 无标签的IFC与机器学习相结合,是一种可行的,准确的方法来评估基细胞激活.
- 这项技术有可能简化和扩大用于食品过敏诊断的BAT的临床采用.
