在資源有限的環(huán)境中進行疾病診斷仍然是一項重大挑戰(zhàn)，因為大多數(shù)現(xiàn)有的生物傳感技術(shù)依賴于先進的基礎(chǔ)設(shè)施和訓(xùn)練有素的人員，這限制了它們在即時檢測（POCT）場景中的應(yīng)用。理想情況下，POCT平臺應(yīng)具有易于操作、分析時間短、價格低、高靈敏度和高特異性等特點，以滿足POCT場景中健康監(jiān)測的要求。

移動醫(yī)療（mHealth）平臺利用微流控技術(shù)的自動化、集成化、小型化和多功能化等優(yōu)勢，是POCT場景下進行健康監(jiān)測的理想選擇。近年來，卷積神經(jīng)網(wǎng)絡(luò)（CNN）算法等深度學(xué)習(xí)算法已廣泛應(yīng)用于移動醫(yī)療中的圖像處理。微流控技術(shù)和人工智能（AI）算法的結(jié)合激發(fā)了全球各地的研究人員提出新的POCT工具。

目前，一個理想的移動醫(yī)療平臺包括三部分（圖1），即微流控芯片、可移動設(shè)備和機器智能。首先，微流控芯片負責(zé)生物樣品的處理和檢測；接著，產(chǎn)生的信號由可移動設(shè)備進行傳感，并由安裝在智能手機上的App軟件進行預(yù)處理；最后，數(shù)據(jù)傳輸?shù)皆品?wù)器后，由相應(yīng)的機器智能進行存儲和進一步分析。

圖1 用于POCT場景的支持機器學(xué)習(xí)的移動醫(yī)療平臺架構(gòu)

據(jù)麥姆斯咨詢報道，近期，來自華中科技大學(xué)和哈佛大學(xué)的研究人員于Nature Communications期刊共同發(fā)表了題為“Smartphone-based platforms implementing microfluidic detection with image-based artificial intelligence”的綜述性文章，總結(jié)了移動醫(yī)療平臺在微流控芯片、成像模式、支持性組件和軟件算法開發(fā)等方面的最新研究進展，并從分子、病毒、細胞、寄生蟲等檢測對象的角度闡述了移動醫(yī)療平臺的應(yīng)用。最后，對移動醫(yī)療平臺的未來發(fā)展進行了展望。

在發(fā)展的早期（2014年以前），移動醫(yī)療平臺的研究主要集中在成像部件和成像方式（可分為三種類型，即無透鏡成像、基于明場透鏡的成像和熒光成像）的支持性組件上。其中，無透鏡成像通常有一個緊湊的支持性組件，并需要圖像重建以用于后續(xù)分析。此外，無透鏡成像的分辨率和視場（FOV）與智能手機的CMOS圖像傳感器質(zhì)量直接相關(guān)，并且需要移除智能手機鏡頭，可能會損害智能手機的完整性。因此，目前越來越少的移動醫(yī)療平臺使用無透鏡成像。熒光成像具有特異性高、視場大、視野廣等優(yōu)點。

然而，檢測樣品通常需要在成像前進行熒光染色預(yù)處理，因此直接使用熒光成像對非專業(yè)用戶不友好。此外，為了降低成本，移動醫(yī)療平臺主要選擇低成本的濾光片和發(fā)光二極管（LED）用于熒光成像，因此產(chǎn)生的圖像通常具有低信噪比（SNR）。相比之下，基于明場透鏡的成像被廣泛應(yīng)用，因為其微型模塊可以很容易地適配到手機攝像頭上以實現(xiàn)高質(zhì)量成像，并且生成的圖像可以通過卷積神經(jīng)網(wǎng)絡(luò)等人工智能算法進行有效地分析。然而，當(dāng)分辨率很高時，基于明場透鏡的成像視場會變小。因此，根據(jù)應(yīng)用場景，在分辨率和視場之間進行權(quán)衡是必要的。

圖2 移動醫(yī)療平臺采用的主要成像方式

當(dāng)移動醫(yī)療平臺的成像方式漸趨成熟后，研究人員開始探索不同POCT應(yīng)用場景的移動醫(yī)療平臺，如血細胞和寄生蟲檢測，以及核酸和蛋白質(zhì)的比色和熒光檢測。同時，開發(fā)了更多的過程控制組件等硬件結(jié)構(gòu)，以及比色法、動態(tài)視頻檢測算法等軟件算法。隨著智能手機性能和檢測策略的快速進步，移動醫(yī)療平臺變得更簡單、更方便，適用于檢測范圍廣泛的生物樣本，并且靈敏度和準(zhǔn)確性都有所提高。

圖3 利用移動醫(yī)療平臺進行寄生蟲檢測



圖4 利用移動醫(yī)療平臺進行分子診斷

自2018年以來，移動醫(yī)療平臺的研究進一步轉(zhuǎn)移到軟件算法的開發(fā)上，例如用于圖像增強和分類的深度學(xué)習(xí)算法。深度學(xué)習(xí)算法與智能手機系統(tǒng)的結(jié)合，為進一步拓展移動醫(yī)療平臺的應(yīng)用領(lǐng)域開辟了新的途徑。然而，機器學(xué)習(xí)算法，尤其是深度學(xué)習(xí)算法，需要大量的數(shù)據(jù)進行模型訓(xùn)練。因此，在選擇移動醫(yī)療平臺的軟件算法時，不僅要考慮算法的優(yōu)勢，還要考慮生成訓(xùn)練集所需的時間和資源。

圖5 用于移動醫(yī)療平臺的深度學(xué)習(xí)算法

近年來，可穿戴設(shè)備與移動醫(yī)療平臺的集成越來越受到研究人員的關(guān)注，通過可穿戴設(shè)備收集生物信息，然后將其傳輸給移動醫(yī)療平臺進行數(shù)據(jù)分析，從而實現(xiàn)實時健康監(jiān)測。越來越多的近場通信（NFC）、閃光燈等智能手機硬件資源被應(yīng)用到移動醫(yī)療平臺上，以提高移動醫(yī)療平臺的便攜易用性。此外，許多嵌入智能手機的傳感器，例如MEMS陀螺儀和加速度計，以及紅外和溫度傳感器，在移動醫(yī)療平臺上也有很大的應(yīng)用潛力。

然而，當(dāng)高性能模型相對較大時，通常需要較高的計算能力，因此難以直接集成到智能手機上，從而成為移動醫(yī)療平臺開發(fā)的主要障礙。雖然集成在云服務(wù)器上的算法可以分析從智能手機上傳的圖像（這也被稱為云計算），但其通常存在較高的延遲和較差的隱私性。最近，霧計算和邊緣計算（在網(wǎng)關(guān)、路由器或嵌入式設(shè)備上計算數(shù)據(jù)的方式）以更低的延遲和更高的數(shù)據(jù)安全性吸引了研究人員的注意，它們可以與云計算結(jié)合，并在移動醫(yī)療平臺上有很好的應(yīng)用前景。此外，雖然很多現(xiàn)有的算法已經(jīng)被應(yīng)用到移動醫(yī)療平臺上，但是很少有研究人員專門為移動醫(yī)療平臺開發(fā)新的輕量級模型。大多數(shù)研究人員只在不同的應(yīng)用中使用固定的算法對函數(shù)進行編程。針對移動醫(yī)療平臺的新型輕量級模型可能是現(xiàn)有挑戰(zhàn)的突破口。

總之，移動健康監(jiān)測毫無疑問是一個非常有前途的領(lǐng)域。隨著物聯(lián)網(wǎng)技術(shù)的快速發(fā)展，基于智能手機的移動醫(yī)療平臺具有廣泛的POCT應(yīng)用場景。除了用于家庭護理和家庭成員的健康監(jiān)測以外，移動醫(yī)療平臺還可用于作為疾病預(yù)防控制中心（CDC）前線的社區(qū)醫(yī)療站，以及現(xiàn)場食品安全檢測。收集到的數(shù)據(jù)可傳輸?shù)街醒敕?wù)器進行分析，并可用于醫(yī)生對患者進行遠程診斷、學(xué)者進行病理研究以及疾控官員進行疫情管控，并最終提高治療疾病的水平。我們相信，移動醫(yī)療平臺很快將變得更加方便和可靠，并得到更加廣泛的應(yīng)用。

審核編輯：劉清