作者及出版信息
本文是一篇综述文章,题为“Wearable flexible microfluidic sensing technologies”(可穿戴柔性微流控传感技术),发表于 Nature Reviews Bioengineering 期刊,2023年12月,第1卷。文章的主要作者包括 Shuwen Chen、Zheng Qiao、Yan Niu、Joo Chuan Yeo 等,通讯作者为 Chwee Teck Lim,其所属机构为新加坡国立大学(National University of Singapore)健康创新与技术研究所等多个研究单位。这篇综述系统性地探讨了柔性微流控技术与可穿戴生物传感器集成的最新进展、工程考量、应用及未来挑战。
文章主旨与核心观点
这篇综述文章旨在全面介绍可穿戴柔性微流控传感器在健康监测和疾病诊断领域的应用。文章的核心论点是,通过将柔性微流控平台与生物传感器集成,能够实现对汗液、泪液、唾液、组织间液(interstitial fluid, ISF)和伤口渗出液(wound exudate)等生物流体进行无创、连续、实时的采样与分析,从而推动个性化医疗和床旁检测(point-of-care)的发展。文章围绕材料与工程策略、生物流体传感应用以及未来挑战与展望三个主要部分展开论述。
一、 材料与工程策略:构建可穿戴微流控系统的基石
文章首先深入阐述了构建可穿戴柔性微流控传感系统的关键材料与核心工程设计。一个典型的系统由三层构成:柔性微流控平台、传感器和微电子元件。
器件结构与材料选择:作者详细比较了聚合物基和纤维基两类传感器平台。
流体采样与校准的关键策略:为了确保检测的准确性,文章强调了应对多种干扰因素的工程策略。
应对可穿戴传感的独特挑战:可穿戴设备在实际应用中面临着身体运动、生理环境变化和生物污染等严峻挑战,文章对此提出了相应的工程解决方案。
微流控功能化与流体驱动控制:
二、 生物流体传感应用:从汗液到伤口渗出液的多场景监测
文章的第二部分系统地介绍了针对不同生物流体的可穿戴传感器设计、目标分析物及其临床应用价值。
汗液传感(Sweat Sensors):汗液是最易获取的生物流体之一,富含离子、代谢物、营养素乃至痕量的激素和蛋白质,可用于评估电解质平衡、代谢状态和精神压力。例如,可监测囊性纤维化相关的氯化物水平、糖尿病的葡萄糖水平以及应激状态的皮质醇水平。针对静息状态下出汗率低的问题,文章介绍了一种在入口处填充亲水性水凝胶的方法以促进汗液快速富集。对于皮质醇等飞摩尔级超低浓度生物标志物的检测,则依赖于场效应晶体管(FET)等高灵敏度换能器。
组织间液传感(ISF Sensors):ISF的成分与血液高度相关,是连续血糖监测等应用的理想选择。文章指出,通过反向离子电渗(reverse iontophoresis)或微针(microneedles)技术可以无创或微创地提取ISF并进行原位分析。微针平台集成了空心、多孔或水凝胶针体,既能抽取ISF,又可将传感器整合其中。虽然离子、葡萄糖等小分子( kDa)在ISF和血液中浓度几乎一致,但胰岛素、细胞因子等大分子的相关性仍需验证,不过其在ISF中的检测仍对局部感染和炎症状态的诊断有意义。
伤口渗出液传感(Wound Exudate Sensors):伤口渗出液含有电解质、代谢物、蛋白质(如基质金属蛋白酶MMPs)及微生物,其成分随伤口愈合阶段动态变化。例如,急性愈合伤口pH值呈酸性(4-6),而慢性伤口则呈碱性(7-9)。文章讨论了如何通过监测pH、尿酸水平、MMPs酶活性以及金黄色葡萄球菌等特定病原菌,来综合评估伤口感染、炎症状态和愈合趋势。
唾液和泪液传感(Saliva & Tear Sensors):唾液和泪液提供了口腔和眼部健康的直接信息。文章介绍了集成于奶嘴(pacifier)、牙套(mouthguard)以及隐形眼镜上的微流控传感器,可用于新生儿重症监护中的电解质监测、糖尿病患者的葡萄糖监测以及干眼症相关炎症因子的检测。唾液分析面临的挑战在于其复杂的基质和食物残渣干扰,而泪液分析则需解决样本量小和眼球敏感的问题。
三、 总结与展望:技术价值与未来方向
本文的总结部分高度肯定了可穿戴柔性微流控传感器在实现去中心化、个性化医疗方面的巨大潜力。通过将生化传感与物理传感(如温度、应变)融合于同一平台,并结合近场通信(NFC)或蓝牙低功耗(BLE)无线传输技术,这些设备能够将健康数据实时传送至智能手机,为医疗决策提供支持。
作者特别强调了该领域的核心价值与发展方向: * 技术整合的价值:微流控技术与柔性电子的结合,使得对微量、非侵入性生物流体进行复杂的多步骤、多靶标分析成为可能,为从运动监测到慢性病管理提供了全面的解决方案。 * 智能化未来:人工智能(AI)和机器学习(machine learning)的集成将是未来的重要发展方向。通过算法解析传感器读取数据,不仅能自动识别图像、校准干扰,还能预测全身生理状态(如通过局部出汗率预测全身脱水风险),实现基于物联网的智慧医疗(Internet-of-Things in medicine),为精准治疗提供数据驱动依据。 * 现存的挑战:文章最后指出,尽管成果显著,但该领域的临床转化仍面临挑战,主要包括:开发更稳定的防污涂层以实现长期连续监测;建立生物亲和型传感器的原位再生方法以降低使用成本;以及解决手臂肌肉运动等物理干扰与目标分析物变化解耦的难题。这些挑战的克服将是该技术从实验室走向大规模商业化应用的关键。