An intelligent sensing platform integrating YOLOv8-Seg with paper- based microfluidic chips for multi-component sweat biomarker analysis
Diese Forschung präsentiert eine kostengünstige, tragbare und intelligente Sensorplattform, die papierbasierte mikrofluidische Chips mit einem YOLOv8-Seg Deep-Learning-Framework kombiniert, um eine hochpräzise, Echtzeit- und multikomponentenbasierte Analyse von Schweißbiomarkern (Chlorid, Glukose, pH-Wert und Laktat) für das Point-of-Care-Gesundheitsmonitoring zu erreichen.
Originalarbeit lizenziert unter CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung eines Preprints, das nicht peer-reviewed wurde. Dies ist kein medizinischer Rat. Treffen Sie keine Gesundheitsentscheidungen auf Grundlage dieses Inhalts. Vollständigen Haftungsausschluss lesen
Der menschliche Körper ist eine ständige Quelle von Informationen, die durch seine Poren in Form von Schweiß subtile chemische Hinweise abgibt. Seit Jahrzehnten wissen Wissenschaftler, dass diese Flüssigkeit mehr als nur Wasser und Salz ist; sie trägt eine reiche Mischung aus Elektrolyten und Metaboliten in sich, die den internen Zustand des Körpers widerspiegeln, von Hydrationsgraden bis hin zu metabolischem Stress. Während traditionelle Bluttests lange Zeit als Goldstandard für die Überprüfung dieser Marker galten, erfordern sie Nadeln, geschultes Fachpersonal und Laborausrüstung, was sie für eine kontinuierliche, alltägliche Überwachung unpraktisch macht. In den letzten Jahren hat sich der Fokus auf nicht-invasive Methoden verlagert, die die Gesundheit in Echtzeit verfolgen können und einen Einblick in die Chemie des Körpers ermöglichen, ohne die Haut zu verletzen. Die Herausforderung bestand jedoch darin, ein Gerät zu entwickeln, das billig genug für den Einweggebrauch, einfach genug für die Anwendung an jedem Ort und genau genug für das Vertrauen ist.
Ein Forschungsteam der Northwest A&F University hat diese Hürden überwunden, indem es eine neue Art von Gesundheitsmonitor entwickelt hat, der einen einfachen Papierchip mit fortschrittlicher künstlicher Intelligenz kombiniert. Ihre Arbeit konzentriert sich auf ein kleines, faltbares Gerät aus Filterpapier, das darauf ausgelegt ist, den Schweiß aufzufangen, sobald er aus der Haut austritt, und ihn zu spezifischen Teststellen zu leiten. Im Gegensatz zu früheren Versuchen, die auf teurer Elektronik oder komplexen Aufbauten basierten, nutzt dieses System die natürliche Fähigkeit von Papier, Flüssigkeit durch winzige Kanäle zu ziehen, ganz ähnlich wie ein Papiertuch, das eine verschüttete Flüssigkeit aufsaugt. Sobald der Schweiß die vorgesehenen Bereiche erreicht, löst er eine chemische Reaktion aus, die die Farbe verändert und so die unsichtbaren Daten des Körpers in ein sichtbares Signal verwandelt. Um sicherzustellen, dass diese Farbveränderungen korrekt gelesen werden, kombinierte das Team den Papierchip mit einer eigens entwickelten, tragbaren Kamera-Box, die die Beleuchtung und den Abstand steuert und somit das Rätselraten eliminiert, das oft bei Fotos mit verschiedenen Smartphones auftritt.
Die wahre Innovation liegt in der Art und Weise, wie das System die Bilder interpretiert. Die Forscher trainierten ein hochentwickeltes Computermodell, eine Art Deep-Learning-Software, um die exakte Position der farbverändernden Stellen auf dem Papier zu erkennen und deren Intensität mit äußerster Präzision zu messen. Dieser Ansatz löst ein großes Problem der tragbaren Testung: die Inkonsistenz des menschlichen Auges und der Kamerasensoren. Durch die Automatisierung des Leseprozesses kann das System vier verschiedene Gesundheitsmarker gleichzeitig erfassen: Chlorid-Ionen, Glukose, pH-Werte und Laktat. In ihren Tests erwies sich das Gerät als äußerst zuverlässig und war in der Lage, Chlorid-Ionen in Konzentrationen von nur 1,74 mM, Glukose bei 60,0 µM und Laktat bei 0,38 mM nachzuweisen. Es reagierte zudem deutlich auf pH-Wert-Änderungen im Bereich von 5,5 bis 7,5, was den typischen Säuregehalt des menschlichen Schweißes abdeckt.
Als das Team das Gerät an echten menschlichen Freiwilligen testete, waren die Ergebnisse konsistent mit den bekannten physiologischen Bereichen. Sechs gesunde Teilnehmer absolvierten körperliche Übungen, um Schwitzen zu induzieren, wobei die am Arm befestigten Papierchips die Flüssigkeit erfolgreich auffingen und analysierten. Das System maß Chloridgehalte zwischen 28,67 und 40,69 mM, Glukose zwischen 69,92 und 134,25 µM und Laktat zwischen 6,46 und 10,47 mM, was alles im Einklang mit dem steht, was in einem gesunden Körper zu erwarten ist. Entscheidend war, dass das Vorhandensein mehrerer Chemikalien im Schweiß das Gerät nicht verwirrte; jeder Marker wurde unabhängig voneinander ohne Interferenz durch die anderen nachgewiesen. Die Papierchips hielten zudem über einen längeren Zeitraum gut stand und behielten ihre Empfindlichkeit für mindestens zehn Tage bei, wenn sie kühl gelagert wurden, wobei die Messungen auch bei Wiederholung stabil blieben.
Diese Arbeit zeigt, dass hochpräzise Gesundheitsüberwachung nicht zwangsläufig komplexe Maschinen oder teure Materialien erfordert. Durch die Integration eines kostengünstigen, papierbasierten Sensors mit einem standardisierten Bildgebungsaufbau und intelligenter Software haben die Forscher eine Plattform geschaffen, die sowohl tragbar als auch genau ist. Das System schließt erfolgreich die Lücke zwischen laboranalytischer Qualität und Vor-Ort-Tests und bietet ein praktisches Werkzeug zur Echtzeitverfolgung von Gesundheitsmetriken wie Hydration und metabolischer Last. Während sich die aktuelle Studie auf gesunde Freiwillige konzentrierte, deutet die zugrunde liegende Technologie auf eine Zukunft hin, in der solche Geräte für breitere Anwendungen genutzt werden könnten – vom Management chronischer Erkrankungen bis hin zur Optimierung der sportlichen Leistungsfähigkeit – und das alles durch ein einfaches, Einweg-Papierstück.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.