一个具有增强灵敏度和选择性的新型混合传感器阵列,用于检测多种呼吸道疾病的生物标志物
Jiangxue Hu1, Yan Hu2, Longchao Yao3
1State Key Laboratory of Clean Energy Utilization, State Environment Protection Engineering Center for Coal-Fired Air Pollution Control, Zhejiang University, Hangzhou, 310027, China.
Talanta
|December 7, 2025
概括
一种新的混合电子鼻子通过分析呼吸生物标志物,准确检测肺癌,喘和COVID-19等呼吸道疾病. 这种先进的传感器阵列为临床和家庭医疗保健应用提供了一个有希望的非侵入性诊断工具.
科学领域:
- 生物医学工程 生物医学工程
- 分析化学 分析化学
- 计算生物学 计算生物学
背景情况:
- 电子鼻子通过呼吸分析提供非侵入性疾病检测,但面临复杂生物标志物的敏感性和选择性限制.
- 精确识别呼吸中的挥发性有机化合物 (VOC) 对于诊断呼吸系统疾病至关重要.
研究的目的:
- 开发具有增强灵敏度和选择性的混合传感器阵列,用于识别多个呼吸道疾病生物标志物.
- 通过机器学习优化,提高电子鼻子对呼吸系统疾病的诊断准确度.
主要方法:
- 制造5个芯片上的微传感器与11个商业传感器集成,以创建混合阵列.
- 使用机器学习算法对传感器工作温度进行全球优化.
- 鉴定了与肺癌,喘和COVID-19相关的六种关键生物标志物 (异二烯,n-propanol,toluene,乙甲基,乙,氧化).
主要成果:
- 混合传感器阵列在不同度下实现了生物标志物的高分类准确性 (98.9%).
- 度预测 R平方值在已识别的生物标志物中超过97%.
- 对呼气样本的验证显示,模拟疾病诊断的平均分类准确率为92.1%.
结论:
- 开发的混合传感器阵列在气体歧视和特定疾病的模式识别方面表现出了卓越的能力.
- 这项技术在临床环境和家庭医疗保健中具有非侵入性呼吸测试的巨大潜力.
- 机器学习优化的混合传感器阵列代表了呼吸系统疾病的快速和方便的诊断方法.
