新冠疫情嚴重危害國民健康和社會經濟發展，精準高效的檢測技術可為疾病防控提供重要依據。紙基微流控芯片（也稱紙上微型實驗室）采用纖維濾紙作為基體材料，通過構筑親/疏水通道并借助材料內部毛細作用引導流體輸運，實現微尺度下流體自驅動與自流控。紙基芯片具有環保、低成本、運輸和存儲方便等優點，已廣泛應用在臨床診斷、環境監測和食品安全等領域，伴隨人工智能發展，醫學信息學、智慧醫療取得了快速進步?；跀祿诰?，智能化疾病風險預測、藥物應用指導、治療效果評估和轉歸預后推斷等研究正日臻完善。結合紙基微流控芯片與深度學習，同步改進現有儀器技術的硬件載體和軟件架構，將有助于完善現有核酸檢測方法并緩解疫情常態化核酸檢測壓力。

據麥姆斯咨詢報道，基于此，福州大學孫浩、福建省立醫院黃毅和深圳技術大學賈原團隊在國家自然科學基金委員會主管、主辦的Fundamental Research期刊上發表論文。設計了7層結構的復合式紙基微流控芯片，采用激光加工和機械過塑等工藝批量制造原理樣機。紙基檢測單元具有二維簡平化特點，相對于傳統聚丙烯管反應體系，芯片結構抑制了光學系統中雜光干擾與信號衰減。同時，芯片上傳熱過程更加快速和均勻，提升了檢測效率。以商業化合成的SARS-CoV-2 ORF1ab基因片段為模板，完成實時熒光定量反轉錄聚合酶鏈式反應（RT-qPCR）。芯片上熒光信號由儀器光電實時系統采集，并傳輸給遞歸神經網絡（RNN）、長短期記憶神經網絡（LSTM）和門控循環單元（GRU）模型，實現核酸檢測時間序列數據的早期快速預測。

芯片與常規標準化儀器系統兼容，具有基礎研究實用性和工程可擴展性。單片成本約1.6元，布列多個檢測單元完成并行檢測，每個檢測單元試劑消耗為1.1微升（約為常規同比檢測的3%）。研究結果表明，紙基檢測單元采集信號具有更高信噪比；深度學習模型準確預測了擴增曲線趨勢，最早可在第13擴增周期時刻定性辨識被檢樣本屬性；可在20周期時刻精準預測終點（40周期）信號值，借助閾值判據和標準曲線，實現了被檢樣本定量分析。這種大比例縮減檢測時間和降低檢測成本的方法，不僅對于大規模篩查和常態化檢測具有重要價值，而且可遷移至更廣泛的診斷領域。

此外，該項研究是紙基微流控和人工智能在新冠病毒檢測時序數據分析的首次集成創新，已授權中、美、澳等國多項發明專利。研究有助于為醫學信息學和儀器科學等領域提供參考，共同為緩解我國當前疫情防控提供新技術和新途徑。在應對未來潛在大規模流行病、輔助提升疾病防控水平、完善貧困邊遠地區醫療保障等方面具有積極意義。

論文鏈接：

https://doi.org/10.1016/j.fmre.2021.12.005

審核編輯 ：李倩