傷口愈合是一個具有多階段的動態過程，柔性電子產品的出現使得不同傳感器能夠集成到一個平臺上，同時提供與人體皮膚的構象接觸，為可穿戴生物傳感器鋪平了道路，這些傳感器可以檢測傷口環境的雙重甚至多重生物醫學參數。不過，想要實現炎癥和感染的快速分析及定量表征仍然具有一定挑戰性。

據麥姆斯咨詢報道，近日，新加坡國立大學、新加坡科技研究局材料研究與工程研究院（IMRE）等機構的研究人員聯合提出一種支持人工智能（AI）的紙基無電池原位多路復用（PETAL）傳感器貼片，能夠利用深度學習算法進行整體傷口評估。該傳感器貼片由一個蠟印紙面板和五個分別用于測量溫度、pH值、三甲胺（TMA）、尿酸（UA）和濕度的比色傳感器組成。通過基于神經網絡的機器學習算法分析手機捕獲的傳感器圖像，以確定傷口愈合狀態。該傳感器貼片可以對傷口惡化等不良事件提供早期預警，使醫護人員能夠及時進行臨床干預，以促進傷口護理。相關研究成果已發表于SCIENCE ADVANCES期刊。

用于傷口監測的紙基無電池多路復用傳感器貼片示意圖

在該傳感器貼片的設計制造過程中，研究人員利用不同的傳感原理和材料，將五個用于溫度、pH值、TMA、UA和濕度測量的比色傳感器集成到一個紙基傳感器貼片中。該傳感器貼片可以在幾分鐘內（每次測試）對每種生物標志物進行定量表征，可以檢測與傷口炎癥、感染和傷口環境狀況相關的生物標志物。使用基于深度學習的AI算法，該傳感器貼片只需要一部現代智能手機即可對傷口愈合狀態進行全面評估，從而對傷口類型/嚴重程度進行分類。

研究人員通過非原位（通過傷口滲出物）和原位（直接粘附傳感器貼片）分析，展示了該傳感器貼片對慢性傷口或燒傷創面的狀態評估。通過從大鼠擾動傷口和燒傷創面收集的滲出物進行非原位檢測，該傳感器貼片可以區分愈合和非愈合狀態，準確率高達97%。該傳感器貼片具有高度的生物相容性，可與傷口敷料集成進行原位分析，而無需移除傷口敷料。通過在大鼠燒傷創面模型上安裝傳感器貼片，可以原位監測傷口進展或嚴重程度。通過與人工智能分析相結合，該傳感器貼片可以對不良事件（如感染或長期炎癥）進行早期預警，從而觸發及時的臨床干預。

大鼠擾動傷口滲出物的非原位分析

大鼠燒傷創面滲出物的非原位分析

大鼠燒傷創面原位監測及傳感器貼片生物相容性研究

研究人員稱，目前該傳感器貼片還存在兩方面限制：（i）由于傳感器基于紙張，主要依靠被動毛細血管作用（無主動泵送）將傷口滲出物吸入其檢測區域，當滲出物產生率低或滲出物非常粘稠時，需要更長時間（長達數小時）才能在傳感器貼片上積累足夠的滲出物以產生顏色響應。如果需要更快地獲得響應，則需要優化模式設計，例如，減少通道長度。（ii）該傳感器中增加了一個血液過濾層，以防止紅細胞干擾比色讀數，可適用于漿液性或血清血性等大部分類型的傷口滲出物。然而，在傷口滲出物含血量過高時（即出血傷口），這種干擾可能仍然存在。這種情況中，則需要通過更厚的過濾層或更高的過濾容量層進行額外的血液過濾。同時，可以對算法進行額外的增強（例如色調/飽和度抖動），以確保傳感器精度。此外，使用更多的傷口模型數據進行訓練，可以進一步提高算法的性能，實現個體生物標志物的快速量化，對傷口內部狀態的定量評估具有重要價值。

值得一提的是，該研究提出的支持人工智能的多路復用傳感技術可以針對其他傷口類型進行適配和定制，例如，通過結合葡萄糖、乳酸或用于糖尿病潰瘍預測的白細胞介素-6等各種不同檢測功能的比色傳感器。此外，該傳感器貼片可以輕松針對不同數量的檢測區域進行重新配置，以同時檢測所需數量的生物標志物，從而擴大其在不同傷口類型中的應用。

審核編輯：劉清