Djupinlärningsförstärkt tvåläges multiplexad optisk sensor för punktvårdsdiagnostik av hjärt-kärlsjukdomar

Varför snabb hjärtundersökning är avgörande

När någon kommer in med bröstsmärta eller andningssvårigheter har läkare bara ett kort fönster för att avgöra om hjärtat är i kris. Idag är viktiga blodprov för hjärtinfarkt och hjärtsvikt ofta långsamma, kräver stora maskiner och mäter vanligtvis bara en signal åt gången. Denna artikel beskriver en liten, kostnadseffektiv enhet som kan placeras nära patienten, läsa flera hjärtrelaterade blodmarkörer från ett enda litet prov och använda artificiell intelligens för att förvandla svaga optiska signaler till tydliga siffror som läkare kan använda.

Två vanliga hjärtproblem, en sammanflätad bild

Hjärtinfarkt och hjärtsvikt är bland de ledande dödsorsakerna globalt och är nära sammankopplade. En hjärtinfarkt skär plötsligt av blodflödet till en del av hjärtmuskeln, medan hjärtsvikt utvecklas när hjärtat inte längre kan pumpa effektivt. Många patienter drabbas av båda, vilket kraftigt ökar risken för död och återkommande sjukhusbesök. Läkare förlitar sig på tre huvudsakliga blodmarkörer för att förstå vad som händer: kardiellt troponin I, som signalerar skada på hjärtmuskelceller; kreatinkinas-MB, som hjälper till att upptäcka en färsk eller upprepad skada; och NT-proBNP, som stiger när hjärtat är utspänt och har svårt att pumpa. Att mäta dessa tre tillsammans ger en mycket mer komplett bild av patientens tillstånd än något enskilt test.

Begränsningar hos dagens laboratorie- och sängkantstester

Dagens system för att mäta dessa markörer är uppdelade mellan stora centrallaboratorier och mindre punktvårdsenheter. Stora analysatorer i sjukhuslaboratorier är känsliga och tillförlitliga, men de kräver skicklig personal, separata patroner och reagenser för varje markör samt relativt stora blodvolymer. Resultat kan ta timmar, vilket strider mot det snäva behandlingsfönstret vid hjärtinfarkt och gör frekventa uppföljningstester besvärliga, särskilt för personer som bor långt från större centra. Befintliga sängkantenheter är snabbare men testar vanligtvis bara en markör per patron, saknar ofta den extrema känslighet som nu rekommenderas för troponin och har svårt att täcka de mycket olika koncentrationsintervallen för de tre markörerna utan störning eller förlorad noggrannhet.

En pappersbaserad patron som ser på två sätt

Forskarna byggde en handflatsstor optisk sensorplattform kring en pappersbaserad "vertikal flödes"-patron. En droppe serum blandad med särskilda nanopartikelmärkta antikroppar sugs rakt ner genom ett litet membran prytt med små reaktionspunkter: några fångar troponin, några fångar NT-proBNP, några fångar CK-MB och andra fungerar som inbyggda kontroller. Samma patron avläses sedan i två optiska lägen. I kolorimetriskt läge gör guldfärgade nanopartiklar vissa punkter mörkare under grönt ljus. I kemiluminiscent läge får ett tillsatt kemiskt ämne enzymmärkta komplex att glöda i mörkret. Genom att tilldela lågkoncentrerat troponin till glödläget och de högre förekommande markörerna främst till färgläget täcker enheten rent koncentrationer från mindre än en biljondel gram per milliliter till tiotals miljarddelar, allt i ett test som tar cirka 23 minuter och använder endast 50 mikroliter serum.

Att lära en liten dator att läsa komplexa mönster

Eftersom pappersflöde, provsammansättning och andra faktorer subtilt kan förändra råsignalerna, vände teamet sig till kompakta neurala nätverk—programvarumodeller inspirerade av hjärnans kretsar—för att tolka bilderna. En läsare baserad på Raspberry Pi fångar både färg- och glödbilder och extraherar ljusstyrkan för varje punkt och kontroll. För varje markör placerar ett första nätverk snabbt resultatet i ett brett intervall (till exempel under eller över en tröskel för hjärtsvikt), och ett andra nätverk uppskattar sedan den exakta koncentrationen inom det intervallet. Systemet korskontrollerar dessa steg; om intervallet och värdet motsäger varandra flaggas resultatet som odeterminerat istället för att tyst rapportera ett osäkert tal. Tränade och sedan testade på 92 verkliga patientserumprover matchade modellernas utdata mycket nära standardanalyser från sjukhus, med korrelationsvärden över 0,96 för alla tre markörer.

Vad detta kan betyda för vardaglig vård

I praktiska termer visar detta arbete att en lågkostnads, handhållen läsare och engångs papperspatron kan leverera laboratoriekvalitet vid multipel markörtestning vid sängkanten eller i små kliniker. De dubbla optiska lägena möjliggör mätning av extremt låga troponinnivåer och mycket höga värden inom ett enda kör, medan de neurala nätverken hjälper till att korrigera för brus och variation som annars skulle försvaga ett enkelt en-signal-per-markör-anslag. Även om ytterligare, större kliniska studier och tester med helblod fortfarande behövs, pekar denna plattform mot en framtid där personer i riskzonen för hjärtinfarkt eller hjärtsvikt kan bedömas, övervakas och triageras snabbt och prisvärt i betydligt fler miljöer än i dag.

Citering: Han, GR., Eryilmaz, M., Goncharov, A. et al. Deep learning-enhanced dual-mode multiplexed optical sensor for point-of-care diagnostics of cardiovascular diseases. Light Sci Appl 15, 190 (2026). https://doi.org/10.1038/s41377-026-02275-9

Nyckelord: hjärtmarkörer, punktvårdsdiagnostik, kemiluminiscen sensorer, djupinlärning, hjärtinfarkt och hjärtsvikt