在复杂的临床条件下，常规的即时检测技术（Point-of-care tests, POCTs）往往需要在结果准确性和检测速度之间进行妥协。基于单一信号的POCTs技术会受到非特异性吸附、人为操作、随机干扰和传感器等诸多因素的影响，产生偶然不准确性和错误响应信号。因此，开发一种快速精准的检测方法以减少偶然不准确性导致的误诊十分必要。

复旦大学魏大程课题组基于微流控技术和机器学习算法开发了光电联合多分类诊断平台。在501例临床样本检测中，该平台实现了~99%的准确率和分钟级响应。相关工作近日以“Electro-Optical Multiclassification Platform for Minimizing Occasional Inaccuracy in Point-of-Care Biomarker Detection”在线发表在Advanced Materials（先进材料）上。

图1.光电联合多分类诊断平台工作流程

该研究团队通过微流控技术将电化学发光传感单元和场效应晶体管传感单元整合在一起，采集分析物的光电响应信号，然后通过机器学习算法对采集信号进行处理得到三维决策面，最终针对结核分支杆菌、鼻病毒和B族链球菌等不同病原体临床样本实现~99%的诊断准确率（100%统计功效）。这项研究解决了复杂临床条件下POCTs面临的偶然不准确性问题，使其具备与实验室检测相当的诊断准确性，为个人健康监测提供了新选择。

图2.光电联合多分类诊断平台的性能比较

复旦大学高分子科学系聚合物分子工程国家重点实验室为论文第一单位；复旦大学高分子科学系2019级直博生戴长昊和复旦大学化学系2022级博士生熊桧文为共同第一作者；复旦大学高分子科学系魏大程研究员、复旦大学化学系孔继烈教授、复旦大学化学系方雪恩副研究员为共同通讯作者。复旦大学分子材料与器件实验室刘云圻院士、新加坡国立大学Andrew T. S. Wee院士、上海公共卫生临床中心郭明权博士和中国科学院近代物理研究所李强教授等对本研究提供了支持。该研究工作得到了国家重点研发计划、国家自然科学基金、上海市科委、重庆市科委和复旦大学的资助。

论文信息：

https://doi.org/10.1002/adma.202312540

Electro-Optical Multiclassification Platform for Minimizing Occasional Inaccuracy in Point-of-Care Biomarker Detection

Changhao Dai^†,Huiwen Xiong^†, Rui He, Chenxin Zhu, Pintao Li, Mingquan Guo, Jian Gou,Miaomiao Mei, Derong Kong, Qiang Li, Andrew Thye Shen Wee, Xueen Fang^*,Jilie Kong^*, Yunqi Liu, Dacheng Wei^*

Adv. Mater., 2024, DOI: 10.1002/adma.202312540