具有病原体检测、驱避和抗菌特性的智能编织物

近几十年来，全球化对全球卫生系统提出了重大挑战，导致新疾病的出现、传统传染病的持续存在以及抗微生物药物耐药性病原体的惊人增长。世界卫生组织（WHO）多次强调这一问题的严重性，并预测到2050年，将有1000万人死于多重耐药病原体。因此，对细菌污染实施有效的感染预防和控制措施，来显著降低感染传播率，降低死亡率，降低医疗成本迫在眉睫。

为了应对感染的快速传播，配备“驱虫+杀灭”功能的面料，提供驱虫和抗菌功能，作为传统纺织品的有前途、持久的替代品，受到了广泛关注。这些双功能涂层结合了防污和杀灭接触功能，可以通过增加表面粗糙度和表观表面能来减少可用于病原体附着的接触面积，从而抵抗最初的细菌附着和随后的生物膜形成。据报道，通过结合使用抗菌剂（包括肽、季铵化合物和纳米颗粒，如银，铜或金，具有烷基硅烷等低表面能分子，氟烷基硅烷和全氟聚合物。与光活化涂层等依赖外部刺激的方法相比，温度响应涂层和电刺激材料，这些涂层既不需要活化，也不构成与杀菌剂相关的健康风险，同时减轻了抗菌素耐药性的增加。这些涂层缺乏即时反馈带来了一个重大挑战。这种反馈的缺失会在用户中培养一种虚假的安全感，他们可能不知道清洁或更换的必要性。因此，这种意识的缺乏可能会导致对环境的影响增加，因为材料被更频繁地丢弃，导致废物产生增加和潜在的环境问题。因此，开发先进的智能织物至关重要，这些织物不仅可以防止而且可以检测医院环境中的细菌污染。

评估复杂流体中的新型智能织物（SF）排斥、根除和传感

研究通过对比污染尿液与健康尿液在SF、BTB及未涂层表面的影响，发现SF显著减少细菌粘附，BTB则表现最高粘附力。尿液pH异质性影响颜色变化，但SF保持蓝色。模拟低浓度大肠杆菌污染尿液，SF在5天内持续有效减少细菌粘附。进一步模拟粪便传播，发现SF对SPF小鼠粪便中的细菌粘附也有显著抑制，表面颜色变化小，而BTB和GF粪便处理表面颜色变化大，表明SF在防止细菌污染方面具有优越性能。

机器学习与SF Surfaces的集成

采用ResNet50对纺织品图像进行“安全”与“污染”分类，SF和BTB处理算法验证后平均准确度高。盲测显示算法分类成功，灵敏度100%，特异性95%，假阳性率较低（图1）。该系统通过机器学习改善用户体验，防止混淆，展示了在进度传感技术中的应用潜力。

SF涂层以其抗菌、色变检测功能，对公共卫生尤其是疫情和医院感染防控有深远影响。其复杂设计包括PDMS微粒、AgNPs和BTB pH传感器，协同作用有效驱杀病原体、减少生物膜形成，并实时检测微生物污染。实验证明，SF涂层显著减少尿液和粪便中病原体粘附，颜色变化直观显示污染。其易制造性和多功能性预示广泛应用前景，为材料科学和感染控制策略带来创新突破，助力公众健康保护。

图1. 机器学习与SF Surfaces的集成

结论

该织物对气溶胶及飞沫传播病原体展现显著抵抗力，抑菌率达99.90%以上。在体液污染测试中，SF对尿液和粪便样本的病原体减少分别达99.88%和99.79%。结合比色检测与机器学习，SF能以96.67%的准确率识别病原体，精准区分污染样本。此创新有望重塑医疗机构的感染防控，通过早期检测筑起安全防线。

参考文献：

Abu Jarad N, Prasad A, Rahmani S, et al. Smart Fabrics with Integrated Pathogen Detection, Repellency, and Antimicrobial Properties for Healthcare Applications[J]. Advanced Functional Materials, 2024, 34(41): 2403157.