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)，因為大多數現(xiàn)有的生物傳感技術依賴于先進的基礎設施和訓練有素的人員，這限制了它們在即時檢測（POCT）場景中的應用。理想情況下，POCT平臺應具有易于操作、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，卷積神經網絡（CNN）算法等深度學習算法已廣泛應用于移動醫(yī)療中的圖像處理。微流控技術和人工智能（AI）算法的結合激發(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、可移動設備和機器智能。首先，微流控芯片負責生物樣品的處理和檢測；接著，產生的信號由可移動設備進行傳感，并由安裝在智能手機上的App軟件進行預處理；最后，數據傳輸到云服務器后，由相應的機器智能進行存儲和進一步分析。

圖1 用于POCT場景的支持機器學習的移動醫(yī)療平臺架構

據麥姆斯咨詢報道，近期，來自華中科技大學和哈佛大學的研究人員于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圖像傳感器質量直接相關，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)高質量成像，并且生成的圖像可以通過卷積神經網絡等人工智能算法進行有效地分析。然而，當分辨率很高時，基于明場透鏡的成像視場會變小。因此，根據應用場景，在分辨率和視場之間進行權衡是必要的。

圖2 移動醫(yī)療平臺采用的主要成像方式

當移動醫(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構，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習算法。深度學習算法與智能手機系統(tǒng)的結合，為進一步拓展移動醫(yī)療平臺的應用領域開辟了新的途徑。然而，機器學習算法，尤其是深度學習算法，需要大量的數據進行模型訓練。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)療平臺的深度學習算法

近年來，可穿戴設備與移動醫(yī)療平臺的集成越來越受到研究人員的關注，通過可穿戴設備收集生物信息，然后將其傳輸給移動醫(yī)療平臺進行數據分析，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用潛力。

然而，當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（在網關、路由器或嵌入式設備上計算數據的方式）以更低的延遲和更高的數據安全性吸引了研究人員的注意，它們可以與云計算結合，并在移動醫(yī)療平臺上有很好的應用前景。此外，雖然很多現(xiàn)有的算法已經被應用到移動醫(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。大多數研究人員只在不同的應用中使用固定的算法對函數進行編程。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域。隨著物聯(lián)網技術的快速發(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。收集到的數據可傳輸到中央服務器進行分析，并可用于醫(yī)生對患者進行遠程診斷、學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用。

審核編輯：劉清