导读
为了满足心血管护理中对快速廉价凝血检测的迫切需求，本研究介绍了COVID-19 快速抗原检测 (RAT) 重新利用为纸基横向流动检测 (LFA)，并结合机器学习评估凝血状态。通过进一步开发移动应用程序平台，帮助临床医生利用疫情后资源实现抗凝剂剂量使用的快速准确调整。研究采用随机森林机器学习分类器来解释 RAT NC 膜上的图像特征变化，并将再钙化的柠檬酸全血中的红细胞 (RBC) 扩散距离与凝血粘度的变化相关联。通过对纸基微流体的共聚焦成像，解析凝血成分的机制，实现高精度分类、召回率和 F1分数。通过红细胞扩散距离与依诺肝素浓度之间反比关系的机器学习，可提供实时剂量处方调整的信息，并结合个体患者自身情况优化治疗结果。本研究展示了重新利用RATs进行凝血评估和管理的巨大潜力，提供了一种经济高效、快速和智能的检测方法，有望极大地增强后疫情时代的临床决策。
图文摘要
01. 基于钙依赖的再利用RAT NC膜的毛细扩散用于凝血性评估
图1. 使用柠檬酸盐抗凝全血进行再钙化会产生剂量依赖的毛细扩散距离响应。a 图像显示了用于实验的TESTSEALABS®快速测试盒，并示意了用不同浓度的CaCl2溶液（0 mM、50 mM和100 mM）处理的柠檬酸盐抗凝全血样本，滴在RATs盒上以测量扩散距离；b 图像和示意图显示了不同再钙化剂量处理后毛细扩散距离的变化，按凝血严重程度分为1（正常）到5（严重），经过10分钟扩散后分类；c 显示了用0 mM、25 mM、50 mM、75 mM和100 mM再钙化剂量（CaCl2）处理的柠檬酸盐抗凝全血在10分钟扩散后的毛细扩散距离裁剪图像（比例尺：1毫米），毛细扩散距离等于红细胞前进的距离；d 用不同Ca2+浓度处理的柠檬酸盐抗凝全血的毛细扩散距离用条形图量化，表示为均值±标准差（n=7；ns=无显著性；*p<0.05；**p<0.01；***p<0.001；****p<0.0001，通过单因素方差分析评估）；e 0 mM和f 100 mM CaCl2再钙化剂量在10分钟实验期间红细胞（圆形）和血浆（方形）前沿的毛细扩散距离随时间变化的线图表示为均值±标准差（n=3）。
02.在不同凝血条件下重新利用RAT纸质微流控的血液成分差异分离
图2. 毛细扩散距离取决于血小板-纤维蛋白相互作用的粘度。a 整个RAT测试条的最大投影共聚焦图像（比例尺= 2000 μm），包括空白（左上）、抗体特征化（ABC，右上）、0 mM（左下）和100 mM（右下）CaCl2再钙化全血样本。血小板（青色，第一行）、纤维蛋白（洋红色，第二行）和合并图像（最后一行）；b 表示在整个RAT测试条上随机采样的ROI区域中8位图像的血小板荧光强度均值的条形图；c 表示纤维蛋白荧光强度均值的条形图（n=4，ns=无显著性；*p<0.05；**p<0.01；***p<0.001；****p<0.0001，通过单因素方差分析评估）；d 空白测试条（左）和0 mM及100 mM再钙化血液测试条上红细胞区域的SEM图像（比例尺=20 μm）。白色箭头（纸纤维）、洋红色箭头（纤维蛋白）和青色箭头（血小板）。
03. 利用基于图像的机器学习进行精确的凝血状态分类
图3. 基于机器学习的凝血状态分类。a 示意图展示了将0 mM COVID-19测试条图像转换为灰度图像，再转换为二值掩膜，然后提取一阶统计和形状/区域特征以及GLCM特征的过程；b, c 分箱像素直方图，表示不同处理组0 mM和100 mM CaCl2图像的像素数量和像素强度；d 单一模型内的分类结果（左图）；e 不同测试规模的分类结果（中图）；f 不同测试规模（从0.2到0.5到0.7）的精确度-召回曲线。混淆矩阵展示了RF输出的真实与预测凝血带的对比；g 三维笛卡尔示意图，展示从不同凝血带中提取的一阶统计量、偏心率和熵特征的均值。
04. 将毛细扩散距离整合到抗凝剂剂量优化中以增强临床效果
图4. 临床相关性 – 抗血栓药物剂量。a 示意图显示了CaCl2和依诺肝素剂量依赖的毛细扩散距离响应的测试条件；b COVID-19测试条图像，比较在0 mM、25 mM、50 mM、75 mM和100 mM再钙化浓度的CaCl2条件下，处理和未处理20 U依诺肝素的样本毛细扩散距离；c COVID-19测试条图像，比较再钙化50 mM CaCl2的全血样本在0到100 U依诺肝素剂量（每25 U递增）处理下的毛细扩散距离；d 比较在20 U依诺肝素下增加CaCl2浓度的毛细扩散距离分析和e 逐步增加依诺肝素剂量的毛细扩散距离分析，以条形图表示，表示为均值±标准差（n=4，ns=无显著性；*p < 0.05；**p < 0.01；***p < 0.001；****p < 0.0001，通过单因素方差分析评估）。
05. 讨论
表1 凝血状态分类方案与再钙化剂量的相关性
该表将数字标签与其对应的凝血状态描述标签进行关联，这些标签用于机器学习模型中。每个凝血状态的相关再钙化剂量也列出。标签范围从1（正常）到5（严重），对应于从0 mM（代表正常凝血状态）到100 mM（指示严重凝血状态）的CaCl2浓度。这一分类方案对于解读机器学习模型的输出以及促进LFA在抗凝剂剂量优化中的临床应用至关重要。
图5. 重新利用RAT进行凝血状态评估的移动应用原型。a 不同商业化的基于纸的LFAs示意图，包括用于流感（ImmunoCard STAT!®，Meridian Bioscience®）、HIV病毒（DETERMINE™HIV-1/2 AG/AB COMBO）检测、怀孕（Pregnosis®）和SARS-CoV-2诊断；b 手机摄像头图像数据收集和使用RF分类进行凝血状态诊断。c 交互分析TESTSEALABS®快速测试盒的凝血状态和推荐的抗血栓药物剂量。
图6. 纸基LFA平台：TESTSEALABS®快速测试盒和OnSite® COVID-19 Ag自测的SARS-CoV-2快速抗原测试，左侧为正面图，右侧为移除前盖后的图。箭头指示样本扩散的方向和测试用NC膜的长度。
图7. 随机森林（RF）机器学习分类逻辑，将凝血严重程度分为5个等级。接收者操作特征曲线（ROC）展示了不同类别的分类精度。
本文亮点
重新利用COVID-19快速抗原检测（RATs）为凝血评估提供了一个理想的观察平台。
随机森林图像分类算法可以实现纸基侧向流动分析（LFA）平台上快速评估凝血状态。
END
点击原文链接或二维码查看全文
https://link.springer.com/article/10.1007/s44258-024-00025-3
引用格式
Sun, A., Nasser, A., Chen, C. et al. Strategic reuse of rapid antigen tests for coagulation status assessment: an integrated machine learning approach. Med-X 2, 10 (2024). https://doi.org/10.1007/s44258-024-00025-3
作者简介
Allan Sun，悉尼大学生物医学工程学院的第一年博士研究生，导师是助理教授Lining（Arnold）Ju。他的研究探讨了生物力学因素对心血管疾病药物和医疗设备效果的影响，以及开发即时检测技术以应对相关病理问题。他还对将人工智能和机器学习融入医疗护理方面感兴趣。他拥有悉尼大学生物医学工程（荣誉一等）和医学科学（优异）学士学位。
居理宁，澳大利亚第一位工程背景的白雪学者（Snow Fellowship，对标HHMI Investigator Award）。居博士是该奖项有史以来第一位中国背景学者和悉尼大学第一位获奖者。同时他也是澳大利亚心脏基金会杰出青年基金（Heart Foundation Future Leader - Level 2）的获得者和澳大利亚科学院John Booker奖章获得者（每年仅一人），并近期荣获《麻省理工科技评论》2021年亚太地区“35岁以下科技创新35人”称号。他在2008年本科毕业于北京大学工学院力学系，后来在2013年在美国佐治亚理工学院(Georgia Tech)和埃默里大学(Emory University)获得联合生物医学工程博士学位。
在过去的五年中，他在悉尼的团队开发了多种生物力学纳米工具，包括血凝块芯片微流体装置（Nature Materials 2019）、单血小板生物膜力探针（Nature Communications 2018）和4-D血液动力学模型（Nature 2021）。
Med-X期刊二维码
Med-X期刊投稿要求
https://www.springer.com/journal/44258/submission-guidelines
Med-X期刊中文简介
Med-X 期刊是由上海交通大学创办，Springer Nature出版的国际开放获取期刊。期刊旨在办成生物医学工程(BME)领域综合性的国际一流期刊，报道突破性新发现和新技术，搭建高水平学术交流和传播平台。2022年，Med-X期刊成功入选中国科技期刊“卓越行动计划”高起点新刊。Med-X 期刊由上海交通大学副校长、讲席教授徐学敏及美国加州大学洛杉矶分校生物工程系主任、校长讲席教授李松共同担任主编。上海交通大学生物医学工程学院讲席教授郑诚功、长聘教授童善保、美国密歇根大学Brian Fowlkes教授担任执行主编。Med-X期刊组建了一个高水平国际化的编委团队，由120多名来自16个国家的世界顶尖科学家组成。
Med-X 期刊发文聚焦生物医学工程领域，包括但不限于以下10个前沿专题：分子与细胞工程，生物材料与组织工程，药物、基因和细胞输送系统，免疫工程，生物力学与机械生物学，生物热科学与工程，生物医学仪器与生物传感器，医学机器人、人工智能和远程医疗，生物医学影像学，生物信息学和计算生物学等。
