编辑推荐：
为解决传统三分析物（温度、血清 Fe3?、X 射线剂量）检测技术复杂耗时等问题，研究人员开发基于聚 (N - 异丙基丙烯酰胺 - 共 - 乙烯基二茂铁)（PNIPAm-co-VFc）微凝胶组件的干涉仪，结合 KNN、DT、SVM、FANN 等 ML 算法，FANN 预测准确率达 95.24%-100%，为多传感应用提供新方案。
在生命科学与医学检测领域，精准监测多重环境因子与生物指标一直是研究难点。温度变化、血清中铁离子（Fe3?）浓度失衡及 X 射线辐射剂量不当，均与疾病诊断、治疗安全密切相关。传统检测手段如比色法、电离室测量等，存在操作繁琐、成本高、响应滞后或无法同时检测多指标等局限，亟需开发高效、智能的多模态传感技术。
为突破上述瓶颈，苏州大学等机构的研究人员开展了一项创新研究。团队受长角甲虫（Tmesisternus isabellae）通过外部刺激调节多层结构实现颜色可调的启发，设计出一种基于聚 (N - 异丙基丙烯酰胺 - 共 - 乙烯基二茂铁)（PNIPAm-co-VFc）微凝胶的光子干涉仪，并结合机器学习（ML）算法，构建了可同时响应温度、血清 Fe3?浓度和 X 射线剂量的多分析物传感系统。该研究成果发表在《Biosensors and Bioelectronics》，为复杂生物医学环境中的多参数监测提供了新思路。
研究中采用的关键技术包括：
- 微凝胶合成：通过一步沉淀聚合法制备约 500 nm 的 PNIPAm-co-VFc 微凝胶，引入甲基 -β- 环糊精（MβCD）增强疏水性乙烯基二茂铁（VFc）的溶解性。
- 干涉仪构建：将微凝胶组装成单层结构，夹在两层金（Au）膜之间形成 “金属 - 微凝胶 - 金属” 三明治结构，利用光干涉原理产生特征反射光谱。
- 机器学习算法：运用 k - 近邻（KNN）、决策树（DT）、支持向量机（SVM）和前馈人工神经网络（FANN）算法，对光学信号进行分析建模。
研究结果
干涉仪的多响应特性
PNIPAm-co-VFc 微凝胶干涉仪对温度、Fe3?和 X 射线均表现出灵敏的光谱和肉眼可见的颜色响应。温度升高时，PNIPAm 因体积相转变温度（VPTT，约 32℃）接近人体温，微凝胶脱水收缩，导致反射峰蓝移；Fe3?与二茂铁基团发生氧化还原反应，使微凝胶溶胀，反射峰红移；X 射线辐射则通过破坏微凝胶网络结构，引起反射光谱不可逆变化。
机器学习算法性能对比
通过对比四种 ML 算法，发现 FANN 模型性能最优：预测温度的准确率达 95.24%，Fe3?浓度和 X 射线剂量的预测准确率均为 100%。ML 算法有效处理了传感器信号中的噪声和非线性特征，显著提升了多参数检测的准确性。
实际应用验证
团队以水滴温度检测、血清 Fe3?浓度分析和临床放疗 X 射线剂量监测为实例，验证了干涉仪的实用性。检测结果与商用红外热像仪、临床铁嗪比色法和放疗治疗计划系统（TPS）高度一致，证明其在医疗场景中的可靠性。
研究结论与意义
该研究首次将微凝胶光子干涉仪与 ML 结合，实现了温度、Fe3?和 X 射线剂量的三重响应检测，突破了传统水凝胶光子材料多传感能力不足的局限。PNIPAm-co-VFc 微凝胶的可逆响应特性（温度 / Fe3?检测）与不可逆辐射响应（X 射线剂量记录），使其在实时生理监测、环境安全检测和放疗剂量验证中具有独特优势。ML 算法的引入则为复杂传感数据的智能解析提供了通用框架，推动了生物启发式传感器向集成化、智能化方向发展。未来，该技术有望进一步拓展至其他生物标志物检测，为精准医疗和公共卫生监测提供创新工具。
