编辑推荐：
为解决传统溶血检测方法的局限，研究人员开发了 EIT 传感器，可实时监测溶血，助力输血安全。
溶血，即红细胞（RBCs）破裂导致游离血红蛋白（Hb）释放到血浆中，在血样采集、运输、处理、操作和储存过程中都可能发生。若未被检测出来，会给输血患者带来严重风险。因此，及时准确地检测溶血对输血安全至关重要。在临床实验室中，通常采用分光光度法，根据离心后血浆中游离 Hb 的吸光度来测量血样的溶血程度。也可以通过多种其他方法进行评估，包括对 RBCs 形态进行光学显微镜观察、对血浆游离 Hb 水平进行比色分析、对 RBCs 的抗原和膜完整性进行流式细胞术分析，以及使用能快速测量溶血和其他各种血液参数的自动血液分析仪（AHA）。这些方法虽已应用许久，但存在各种局限性，比如需要离心、依赖有毒化学物质、无法区分游离 Hb 和完整 RBCs 内的 Hb、灵敏度低、易受血浆中其他物质干扰等，并不适用于对储存血样和体外循环中的溶血进行直接实时监测。
最近，有研究报道了一种基于智能手机的平台，它无需分光光度法，通过捕捉无细胞血浆的颜色就能快速分析溶血水平。这种方法减少了检测时间和成本，但仍需要配备手电筒的高质量手机摄像头，还需等待 RBCs 自然沉降，并且溶血分析所采集图像的质量依赖于环境光照。微流控技术已被开发出来用于促进血浆分离，从而取代笨重的离心机。光流体方法目前也在用于检测 Hb 的研究中。例如，Cattini 等人设计了一种用于在血液透析过程中早期检测溶血的光学系统；Zhou 等人开发了一种在光波导上使用纳米过滤器的光流体传感器，无需额外样本制备就能实时检测血浆中的 Hb。然而，这些传感器价格昂贵，需要精密设备，并且对环境条件敏感。这限制了它们在实验室或临床环境之外的直接使用，尤其是它们对轻微溶血并不敏感。另一方面，近红外（NIR）和光声（PA）检测平台已被开发出来，能够检测低至 1.7% 的溶血情况。然而，大多数光学方法无法明确区分吸收的光信号是来自溶血释放的 Hb，还是血液本身就存在的。
除了光学性质改变，溶血还会导致血样的电学性质发生变化。Tran 等人使用电阻抗光谱法（EIS）测量溶血，发现细胞质电阻（Rc）与 Hb 呈线性相关。Van 等人使用高质量的电感 - 电容 - 电阻（LCR）测量仪测量因机械损伤导致溶血程度增加的猪血样本的阻抗。虽然 EIS 有对溶血进行定量分析的潜力，但它耗时较长，并且无法测量溶血的空间分布情况。相比之下，电阻抗断层成像（EIT）作为一种断层成像方式，可用于可视化传感区域内电导率的空间分布和变化。EIT 的原理是向选定电极施加电流，并在其他电极对测量相应的边界电压。然后通过求解逆问题，从完整的边界电压集获得电导率的分布或变化。因此，EIT 在保持高时间分辨率的同时，还具有较高的空间分辨率。它是一种非侵入性、无放射性的技术，能够对内部电阻变化进行精确的实时成像和定位。该方法已被用于监测肺呼吸、检测乳腺癌，以及对头部和细胞进行成像。
本研究旨在开发一种简单的 EIT 传感器，用于灵敏检测血样中的溶血情况。这种小型化传感器包含 16 个电极，用于实时监测体外溶血过程中血液电导率的变化。通过基于 EIT 传感器测量的电压时间序列值，创建溶血位置和扩散过程的二维图像，并建立电压总和（Us）与分光光度计测量的光密度（OD）值之间的关系，以此评估溶血程度。所开发的 EIT 传感器系统对溶血样本进行电阻抗分析，以估计血样中的游离 Hb 浓度，无需复杂、耗时的离心操作，有望实现对体外或体内空间分布的动态溶血进行准确、即时、实时和在线监测。
EIT 系统由三个主要部分组成：印刷电路板 EIT 电极阵列传感器（PCB-EIT electrode array sensor）、EIT 数据采集硬件单元和 EIT 图像重建软件（从左到右如图 1a 所示）。传感器配备 16 个小矩形铜电极，这些电极位于圆形印刷电路板边缘附近，以尽量减少接触阻抗噪声。该电路板由非导电的环氧玻璃纤维（FR-4）制成，尺寸为 40mm×40mm×1.6mm，重量为 0.03kg，其内径为 15mm，高 10mm。
图 1a 展示了前面所述的完整 EIT 系统。EIT 硬件电路的示意图见图 S1。图 1b 说明了 EIT 系统的相邻激励和测量模式，图 1c 展示了恒定阻抗评估板。阻抗评估板当前设计示意图、印刷电路板电路设计以及恒定阻抗评估板实际测试图像的更多详细信息见图 S2。图 1d 和 e 展示了……
在本研究中，开发并评估了一种带有数据采集硬件和图像重建软件的 EIT 传感器，用于在各种情况下实时监测动态溶血。通过彩色编码的二维电导率分布图可以证明，该传感器能够捕捉由物理力、化学试剂或材料引起的溶血动态过程（起始和扩散）。与传统的溶血检测方法（如生化方法）相比……
CRediT 作者贡献声明：
Piao Peng：撰写初稿、可视化、验证、调查、形式分析、数据管理。
Yue Fu：资源、调查。
Bo Che：调查、概念构思。
Xuan Li：调查。
Lei Liu：调查。
Jing Sun：调查。
Teng Luo：撰写初稿、可视化、验证、形式分析、数据管理、概念构思。
Linhong Deng：撰写初稿、可视化、监督、项目管理、资金获取、形式分析。
利益冲突声明：
作者声明，他们没有已知的可能影响本文所报道工作的竞争性财务利益或个人关系。
致谢：
本研究得到了中国国家自然科学基金（12272063）的资助。
