通过与机器学习集成的自动供电可穿戴生物传感平台向前列腺癌早期预警

科学领域:

• 生物医学工程 生物医学工程
• 分析化学 分析化学
• 可穿戴技术可穿戴技术

背景情况:

• 目前的前列腺癌检测方法缺乏非侵入性和特异性.
• 像萨科辛这样的尿路生物标志物对早期检测有很大的兴趣.
• 需要去中心化和非侵入性诊断工具.

研究的目的:

• 开发一个以尿为动力的可穿戴平台,用于非侵入性检测萨科辛.
• 为传感器操作建立混合生物电化学能源范式.
• 展示一个概念验证,用于分散的前列腺癌早期预警.

主要方法:

• 一种混合生物电化学能源系统,利用尿作为样品和能源.
• 萨科辛作为酶燃料电池的生物燃料,与内生Zn2+离子相结合,用于水性电池.
• 双重电化学和色度测量读数与混合分类回归模型进行分析.
• 集成到智能尿布格式中,提供无线连接,用于基于智能手机的分析.

主要成果:

• 达到了sarcosine的0.85 pM的低检测极限.
• 证明了协同信号放大和稳定的传感器运行.
• 在人类尿样的初步验证显示了令人满意的分析性能 (83.68%125.88%的尖峰和恢复).

结论:

• 开发的平台提供了一种自动供电,非侵入性的萨尔科辛传感策略.
• 这项技术代表着向前列腺癌分散早期检测迈出的有希望的一步.
• 混合动力能源系统提高了传感器性能和可靠性.