使用光子晶体光纤光学传感器并结合机器学习的疟疾检测

这对日常健康的重要性

疟疾每年仍导致数十万人死亡，尤其是在获取快速、可靠检测受限的热带地区。该论文描述了一种利用微小导光纤和智能计算算法在血液中发现疟疾的新方法。与依赖缓慢的显微镜检查不同，这种方法将被感染红细胞的微小变化转化为机器可读取的清晰光学信号，为快速、便携且高灵敏度的诊断开辟了道路。

通过血液变化观察疟疾

当疟疾寄生虫入侵机体时，它们寄居在红细胞内，并经历称为环状体、营养体和裂殖体的几个阶段。随着生长，它们从内部悄然改变细胞的形态，进而影响细胞与光的相互作用。健康红细胞以相对均匀的方式折射并减慢光，而被感染的细胞在光学上变得不均匀。作者将这些微小的光学变化作为指纹：通过测量光在血液中传播时的行为，可以判断细胞是健康还是处于某个特定感染阶段。

作为智能试管的微小光纤

这项工作的核心是一种特殊的光纤，称为光子晶体光纤。与用于互联网电缆的常见玻璃光纤不同，这种光纤具有一个空心芯，周围由五圈规则排列的微米级孔洞构成，材料为一种称为Topas的塑料。血液被引入空心芯，与处于太赫兹频段的一束光直接相互作用，太赫兹位于微波和红外之间的频谱。环绕芯部的精心排列的孔洞以极低的损耗束缚并引导光，使光束与血液产生强烈相互作用，即使细胞发生细微变化也能反映在透射信号中。

将光学位移转化为清晰的疾病信号

通过详细的计算机模拟，团队展示了他们的光纤设计如何将健康与感染血液的差异转化为透过光的颜色（波长）变化。在疟疾的关键阶段中，红细胞的折射率——即它们弯曲光的程度——仅发生微小变化，但光纤能将这些变化放大为光谱中共振峰的可检测偏移。该传感器在所有阶段的相对灵敏度均超过95%，在2.2万亿次每秒（2.2太赫兹）的频率下表现尤为出色。与此同时，光沿光纤的损耗保持极低，这意味着信号在有用距离内保持强劲，并可用标准光学仪器准确测量。

为现实世界使用而设计且具有鲁棒性

作者对光纤的几何参数进行了精细调节——例如气孔的尺寸和间距——以在高灵敏度、机械强度和制造便利性之间取得平衡。他们还测试了制造误差的微小变化对性能的影响，发现即使关键尺寸变化几个百分点，传感器仍保持稳定。该结构可使用现有技术制造，并可选择性注入血样，使其适合在复杂实验室之外部署。由于其工作不依赖化学标记或染料，该方法适合重复检测，并可适配用于检测其他会微妙改变血液光学特性的疾病。

加入机器学习以提高诊断准确性

除了物理传感器外，论文还概述了现代机器学习如何帮助解释光纤产生的丰富但复杂的光学数据。诸如元学习、卷积神经网络和递归网络等方法可以学习区分与不同感染阶段相关的模式，即便只有少量标注数据可用。敏感的光学硬件与自适应数据分析的结合为紧凑、便携的系统铺平了道路，使其能够在患者一侧提供快速、自动化的疟疾诊断。

这对患者可能意味着什么

通俗地说，这项研究表明经过精心设计的空心光纤可以像一根智能吸管：当血液流经其中心时，光的输出方式揭示了是否存在疟疾寄生虫以及感染进展到何种程度。由于信号强、设计鲁棒且分析可通过机器学习实现自动化，这一方法有望成为下一代检测的基础——比传统方法更快、更灵敏且更易获取。如果付诸实践，可能帮助医生更早、更可靠地检测疟疾，最终在最需要的地区挽救生命。

引用: Abdullah-Al-Shafi, M., Sen, S. & Mubassera, M. Machine learning assisted malaria detection using photonic crystal fibre optical sensors. Sci Rep 16, 8320 (2026). https://doi.org/10.1038/s41598-026-37709-2

关键词: 疟疾诊断, 光子晶体光纤, 太赫兹传感, 生物传感器, 机器学习