病原细菌污染对全球健康和经济稳定的显著威胁。传统的细菌检测方法，如培养方法，聚合酶链反应（PCR）和酶联免疫分析（ELISAs），在准确识别细菌菌株方面被认为是可靠的。然而，局限性包括它们的复杂性、高成本和需要专业操作。面对海量样品，现场检测以及工作人员有限等实际问题，迫切需要开发符合WHO“ASSURED”标准的生物传感器，即具有价格合理、敏感、特异、用户友好、快速和稳健等特点，以满足多样化需求。

近期，中山大学附属第七人民医院的研究团队构建了一个基于一种人工智能（AI）辅助的智能手机比色生物传感器。该生物传感器主要由一个生物反应器（氯酚红-β-D-半乳糖苷负载的透明质酸水凝胶）和一个信号发生器（β-半乳糖苷酶负载的琼脂水凝胶）组成。当细菌样本与生物传感器接触，细菌分泌的透明质酸酶（HAase）会降解生物反应器中的透明质酸（HA）水凝胶；随着HA水凝胶的降解，酚红-β-D-半乳糖苷被释放，并与β-半乳糖苷酶反应，产生可检测的信号颜色。智能手机捕获这些颜色变化，YOLOv5算法分析这些颜色并提供有关细菌存在的定量报告。同时，该生物传感器还利用革兰氏阳性（G+）和革兰氏阴性（G-）细菌之间分泌透明质酸酶存在较大差距的特征（G+菌较G-菌产生更多的透明质酸），达到区分二者的效果。具体机理图如下所示

图片来源：Biosensors and Bioelectronics

在这项研究中，人工智能（AI）通过使用YOLOv5算法扮演了至关重要的角色，AI算法负责识别和分析智能手机拍摄的生物传感器上的颜色变化图像，将视觉信息转换为可量化的数值数据。在通过训练学习了大量图像数据后， 该算法能够以高准确率识别图像中的特定模式，大大缩短了检测时间，使得检测过程更加迅速。

综上所述， 该研究利用细菌的生化特征开发了一种基于比色法的生物传感器，AI在这项研究中不仅提高了细菌检测的速度和准确性，还增强了检测系统的智能化水平，减少了人为读取颜色变化时可能出现的误差。只需随身携带的手机轻松一拍，就可以短时间内获取样品报告，为未来在更广泛的应用场景中使用这种生物传感器提供了可能。

原文链接：https://doi.org/10.1016/j.bios.2024.116369