基于MXene-金纳米结构的太赫兹等离子体生物传感器结合机器学习用于结核病检测

研究人员针对结核病(TB)诊断中传统方法灵敏度低、耗时长的问题，开发了一种基于MXene-金纳米复合材料的太赫兹混合等离子体生物传感器。通过COMSOL Multiphysics仿真优化传感器参数，实现了1000 GHz/RIU的灵敏度和22.22 RIU-1的品质因数。开发的决策树回归机器学习框架对传感器行为的预测R2值达0.96。该技术为资源有限地区的快速、灵敏TB诊断提供了新方案。

　　

结核病(Tuberculosis, TB)仍然是全球重大公共卫生挑战，特别是在中低收入国家。尽管已有GeneXpert等分子诊断平台，但其高昂成本和基础设施要求限制了在资源有限地区的应用。传统的痰涂片显微镜检查灵敏度有限，而培养方法需要长时间孵育，延误治疗时机。这些诊断瓶颈促使科学家们不断探索新型检测技术。

在这项发表于《Sensing and Bio-Sensing Research》的研究中，来自国外研究机构的研究团队开发了一种创新的太赫兹混合等离子体生物传感器。该传感器采用MXene-金纳米复合材料，通过优化化学势、入射角和谐振器尺寸等参数，实现了优异的检测性能。

研究人员主要采用了三种关键技术方法：(1)使用COMSOL Multiphysics v6.2进行全波数值模拟；(2)设计由MXene涂层中心方形谐振器和四个金涂层圆形谐振器组成的混合结构；(3)开发基于决策树回归的机器学习框架预测传感器行为。

2.1 超表面分析与数学建模
研究建立了包含Maxwell方程、表面等离子体色散关系和张量有效介电常数等在内的完整理论模型。通过有限元分析，确定了传感器在0.9 THz处的最佳工作频率，电场强度可达10⁵ V/m。

2.2 参数优化
系统研究了化学势(0.1-0.9 eV)、入射角(0-80°)和谐振器尺寸等参数的影响。结果显示在化学势0.9 eV时吸收达到1.002，入射角80°时吸收增至1.692。

3.1 决策树回归模型
开发的机器学习模型对谐振器尺寸、折射率和入射角变化的预测R²值分别达到0.96、0.92和0.88，实现了传感器行为的高精度预测。

3.2 检测性能
传感器对TB生物标志物表现出优异的检测灵敏度(1000 GHz/RIU)和品质因数(22.22 RIU^-1)。共振频率与折射率呈强负线性关系(R²=0.981)。

这项研究的主要意义在于：(1)开发了首个结合MXene-金纳米结构和机器学习的太赫兹TB传感器；(2)实现了比现有技术更高的灵敏度和检测精度；(3)为资源有限地区提供了快速、经济的TB诊断方案。研究人员指出，下一步需要解决MXene涂层均匀性和环境稳定性等实际问题，以推动该技术的临床应用。这项工作为发展新一代传染病诊断平台提供了重要参考。