近年来，随着生物技术、材料科学、计算机科学等技术的发展，对生化传感的研究更加活跃，互联网+、人工智能、大数据等概念的出现，引领了生化传感朝着快速、实时、精准、低成本、微型化和智能化方向突破的新浪潮，可以从传感器设计、数据分析等多方面为克服生化传感面临的挑战提供新的策略。 近日，太原理工大学李晓春教授团队（团队信息介绍主页：http://tylgswyxgc.tyut.edu.cn/szdw/tdjs/swyxjzjcyyqtd.htm）以人工智能在生化传感方面的应用为主题，应邀在分析化学领域顶级学术期刊《TRAC-Trends in Analytical Chemistry》上发表了题为“Application of artificial intelligence (AI)-enhanced biochemical sensing in molecular diagnosis and imaging analysis: Advancing and challenges”（DOI: https://doi.org/10.1016/j.trac.2024.117700）的综述文章。该论文的通讯作者为太原理工大学李晓春教授，第一作者为李海琴博士，第二、第三作者分别为博士研究生徐洪、硕士研究生李焱磊。
图1. 文章信息截图。 图片来源：TRAC-Trends in Anal. Chem. 生化传感与人工智能有机结合带来的突破主要凸显在以下几点： 第一，着重解决传感数据质量问题，包括数据降噪处理、检测准确性、可靠性和可重复性的提升。 第二，机器学习采取的是大量数据的并行分析策略，从而可以实现高效率、超低功耗的智能化传感。 第三，机器学习在生化传感的高特异性识别、分类和检测中起到重要作用。人工智能参与生化传感中数据收集、数据处理（包括对信息格式的转换、数据模型建立、数据分类和分析以及检测结果决策）及应用的全过程。其中，提高分析的效率、提高分析的准确率、提高检测的特异性、提高分析的可靠性是人工智能在生化传感中应用的关键。
图2. 人工智能增强生化传感器的过程。 图片来源：TRAC-Trends in Anal. Chem. 该综述重点阐述了AI算法如何在提高准确性、灵敏度、特异性及效率等方面赋能生化传感。然而，应用场景的差异对算法提出了不同的要求，本文以比色荧光分析、光谱分析、显微细胞成像分析等代表性传感应用为例详细阐述了常用AI算法的特点及其性能评价方式。最后，提出了AI生化传感在推向商业化应用面临的挑战，包括数据库构建、算法合理选取、自适应学习能力及数据可靠性验证，以明确现有工作中需要改进的地方，旨在促进未来人工智能技术解决越来越多传感领域中的难题。
图3. 生化传感与人工智能结合的发展历史。 图片来源：TRAC-Trends in Anal. Chem. 论文信息： https://authors.elsevier.com/a/1ivANblXc-bqT Application of artificial intelligence (AI)-enhanced biochemical sensing in molecular diagnosis and imaging analysis: Advancing and challenges Haiqin Li, Hong Xu, Yanlei Li, Xiaochun Li TRAC-Trends in Anal. Chem., 2024, 174, 117700, DOI: 10.1016/j.trac.2024.117700. “非独家授权，不要申明原创”。 |
/3 
浙公网安备33010802005999号 
