模块化荧光显微成像系统在伤口愈合生物标志物动态监测中的创新应用

研究人员开发了一种手持式模块化荧光显微成像系统，通过实时监测伤口pH值和一氧化氮(NO)浓度梯度，结合机器学习分析揭示了生物标志物的时空分布规律。该系统具有亚毫米级分辨率，可预测再上皮化(% re-epi.)进程，为闭环生物电子伤口治疗系统奠定技术基础。

　　

慢性伤口治疗一直是临床面临的重大挑战，传统监测方法难以实时捕捉伤口微环境的动态变化。伤口愈合涉及复杂的生物学过程，包括止血、炎症、增殖和成熟四个重叠阶段，其中pH值和一氧化氮(NO)作为关键生物标志物，其浓度变化直接影响愈合进程。然而，现有荧光显微镜体积庞大、价格昂贵，无法满足床边监测需求。针对这一技术瓶颈，由加州大学戴维斯分校等机构组成的研究团队在《Communications Biology》发表了一项突破性研究。

研究团队创新性地采用商用现成组件，包括树莓派(Raspberry Pi)微控制器、21MP Arducam相机和3D打印外壳，构建了重量仅3.8cm²的手持式成像系统。关键技术包括：1）基于PDMS（聚二甲基硅氧烷）的仿生伤口代理模型校准；2）使用羧基SNARF-1（Snarf）和DAF-FM荧光染料分别标记pH和NO；3）k-means聚类算法分析生物标志物空间分布；4）HealNet机器学习模型预测伤口阶段；5）多变量线性回归建立NO浓度与再上皮化的定量关系。动物实验采用C57BL/6J小鼠建立6mm直径的切除性伤口模型。

pH动态分析显示，伤口中心区域（Cluster 4）呈现显著碱性（pH 7.44±0.21），且变化幅度较边缘区域高46%。通过k-means聚类建立的五环模型揭示：pH梯度呈同心圆分布，中心区域变异系数达0.37，验证了计算模型中关于伤口尺寸影响pH动力学的理论预测。这种空间异质性可能解释为何传统单点pH检测难以准确评估伤口状态。

NO成像发现毛细血管样线性结构，其荧光强度与愈合天数呈正相关（R²=0.957）。值得注意的是，高NO表达区域面积随愈合进程减小53%，但局部浓度增加1.08倍。通过Ridge回归建立的预测模型显示，NO空间分布特征比整体浓度更能准确预测再上皮化程度（MSE=1.14%），这为理解NO在伤口修复中的时空特异性作用提供了新视角。

该研究实现了三大突破：首先，将传统台式荧光显微镜功能集成至便携设备，分辨率达24.8μm；其次，首次在体捕获了pH和NO的时空动态图谱；最后，通过机器学习建立了生物标志物与愈合进程的定量关系。这些发现不仅为理解伤口愈合机制提供了新工具，更重要的是为开发智能敷料和闭环生物电子治疗系统奠定了技术基础。未来通过整合多波段滤波系统和药物递送模块，该系统有望实现"监测-分析-治疗"的全程自动化管理，推动精准医疗在慢性伤口领域的发展。