社区所有版块导航
Python
python开源   Django   Python   DjangoApp   pycharm  
DATA
docker   Elasticsearch  
aigc
aigc   chatgpt  
WEB开发
linux   MongoDB   Redis   DATABASE   NGINX   其他Web框架   web工具   zookeeper   tornado   NoSql   Bootstrap   js   peewee   Git   bottle   IE   MQ   Jquery  
机器学习
机器学习算法  
Python88.com
反馈   公告   社区推广  
产品
短视频  
印度
印度  
Py学习  »  机器学习算法

唐本忠院士团队最新Matter:机器学习辅助AIEgen进行人工智能化,可用于治疗监测真菌感染伤口

BioMed科技 • 1 年前 • 224 次点击  

更加棘手的真菌感染

耐药微生物感染已成为世界范围内的公共卫生问题。与革兰氏阴性菌和革兰氏阳性菌相比,真菌具有由糖蛋白和多糖聚合物组成的刚性细胞壁,这对药物渗透造成了强大的屏障。因此,真菌感染更难治愈,也容易产生耐药性。而早期检测和干预也就显得非常必要了。目前,体外临床诊断方法通常是采样和培养进行的,这既繁琐又耗时。尽管真菌感染的早期预警和诊断至关重要,只有有限数量的患者愿意进行临床试验。特别是,当传染病爆发导致医疗资源紧张时,医院的真菌感染检测似乎对患者不太友好,尤其是慢性感染患者和术后创伤治疗患者。

真菌性皮肤病(来源:网络)

真菌伤口监测

为了缓解医疗压力,科学家们开发了一系列基于电化学传感器的智能伤口监测设备,以帮助患者在家中监测伤口。然而,大多数报道的伤口敷料均是基于细菌感染反应,但迄今为止仍没有合适的伤口敷料用于真菌感染的监测和治疗。因此,开发用于真菌监测和治疗的智能伤口敷料具有重大的意义。

基于AIEgen的智能诊疗系统

近期,香港中文大学唐本忠教授赵征助理教授等人首次开发了一种基于AIEgen的智能伤口敷料系统,用于真菌感染的伤口监测和按需光动力治疗。智能系统包含掺有AIEgen的液体敷料和用于智能手机的图像识别系统。基于这一智能系统,研究展示了一种独特的基于AIEgen的智能薄膜传感器和高效的手机可控光动力疗法。这一发现为新一代家庭医疗设备、新型智能治疗模型和微生物感染疾病治疗奠定了基础。相关工作以“AIEgen-based smart system for fungal-infected wound monitoring and on-demand photodynamic therapy”为题发表在Matter

【文章要点】

传统的荧光分子通常是聚集诱导淬灭(ACQ)分子,其在膜态下难以发挥理想的效果。而聚集诱导发光分子(AIEgens)是一种具有强聚集发射、优异光稳定性的发光材料,同时其还具有聚集增强活性氧(ROS)产生的能力,可应用于荧光传感器、微生物检测、光热和光动力治疗。此外,科学家们开发了各种基于ROS产生的抗菌治疗纳米材料基伤口敷料。然而,它们虽然都表现出了很强的抗菌活性,但却不具备抗真菌活性。与细菌不同,真菌有坚硬的细胞壁,这会对药物渗透产生强大的屏障,并容易产生耐药性。因此,开发一种用于真菌感染监测和治疗的智能系统是一个巨大的挑战。为此,作者通过综合利用AIE材料的优点,与AI(人工智能)团队合作,解决了当前智能伤口敷料(真菌监测和治疗)开发的盲点,并共同开发了一个基于AIEgen的智能伤口敷料系统,用于真菌感染的伤口监测和按需光动力治疗(图1)。

图1 工作机制

该智能系统包含掺有AIEgens的伤口敷料,并在智能手机上配备了图像识别系统,同时避免了引入检测电极和电源系统,大大降低了智能敷料的成本。在该智能系统中,作者以工业液体敷料(LD)为基质,制备了吡啶取代的苯并噻二唑衍生物(TBSMPPy)LD。由此所制备的TBSMPPy LD具有良好的粘附性、柔韧性和成膜性能(图2)。

图2 TBSMPPy LD的性能

TBSMPPy LD作为荧光传感器和光敏剂,可检测白色念珠菌(通常感染皮肤和粘膜组织)的生长环境(pH约5.5)并进行光动力治疗。同时,作者在智能手机上配备了紫外线和白光光源,可作为激发源,实现对伤口敷料荧光变化的检测。手机拍下照片上传到云软件后,作者可将感染程度数字化,并进一步反馈给手机。患者可以根据分析结果和应用程序的建议评估伤口感染的程度,并切换白光进行光动力治疗(图3)。该智能系统还可以让医生监测患者的伤口,并根据软件分析结果给出治疗方案,显著提高医疗效率,为智能家庭医疗发展提供科学技术支持。

图3 通过智能手机进行活体真菌感染伤口监测

结论与展望

总之,该研究开发了一种新的基于AIEgen的智能系统,将基于AIEgn的荧光监测、光动力灭活和机器学习结合在一起,可用于真菌感染伤口监测和光动力治疗。得益于其独特的荧光特性、灵敏的pH响应和ROS产生能力,TBSMPPy可监测真菌感染并有效抑制真菌(抑制率超过96%)。作者还采用深度机器学习的方法,将AIEgen进行智能化,并构建了一个基于AIEgen的智能系统,可在几秒钟内实现真菌感染诊断,并可通过手机进行光动力治疗。这一概念验证发明已在小鼠模型中得到证实,体内研究在几秒钟内验证了敏感的真菌感染反应以及有效的治疗效果(5 mW cm−2白光,照射1分钟)。感染组织在1周内可得到恢复,优于市售抗真菌药物大氟康。此外,该智能系统可通过互联网增强患者和医生之间的沟通,以实现真实的临床医疗场景,显著提高医疗效率。毫无疑问,该发现将激励后续研究工作,为AIE材料在智能家庭医疗系统中的应用提供新的、令人兴奋的机会。

BioMed科技」关注生物医药×化学材料交叉前沿研究进展!交流、合作,请添加杨主编微信!

原文链接:

https://www.sciencedirect.com/science/article/pii/S2590238523003168

来源:BioMed科技
声明:仅代表作者个人观点,作者水平有限,如有不科学之处,请在下方留言指正!

Python社区是高质量的Python/Django开发社区
本文地址:http://www.python88.com/topic/158347
 
224 次点击