综述：基于人工智能的生物传感技术用于抗菌素耐药性监测：将快速诊断方法应用于全球公共卫生监测

《Biomedical Microdevices》：AI-enhanced biosensing for antimicrobial resistance: translating rapid diagnostics to global surveillance

```

摘要

抗菌素耐药性（AMR）需要快速且可靠的诊断技术来支持及时的抗菌素选择和管理。尽管传统的基于培养的抗微生物敏感性测试（AST）在临床上仍然非常重要，但其较长的检测时间限制了及时干预的能力，而分子诊断虽然能够快速识别耐药性决定因素，但可能无法准确预测表型耐药性。本文批判性地研究了将人工智能（AI）与生物医学微设备和生物传感器相结合，以快速检测AMR的方法，包括微流控和芯片实验室平台、电化学和光学生物传感器以及基于CRISPR的技术。重点讨论了AI在信号处理、噪声降低、模式识别、多重检测以及复杂生物传感器输出的预测解释中的应用。同时，对关键转化挑战进行了评估，例如生物污染、基质干扰、样本制备的变异性、气泡形成、蒸发、信号漂移、无效测试率、设备重复性以及报告和验证的标准化不足等问题。此外，还考虑了便携式现场检测所需的人工智能的要求，包括存储器、计算资源、响应时间和能效。文章区分了分析验证、临床验证和操作验证，并强调了使用代表性样本和参考AST方法进行的前瞻性多中心评估。除了临床诊断之外，基于AI的微设备还有潜力在废水处理、农业、兽医和环境领域实现去中心化的AMR监测，这是“同一健康”框架的一部分。要将这些技术实际应用，需要标准化的数据集、可推广且可解释的人工智能、可扩展的制造工艺、监管监督、数据治理以及公平的部署。总体而言，集成AI的生物医学微设备代表了一种快速、去中心化且可操作的AMR诊断和监测方法，但这依赖于严格的实际验证。

图形摘要

``````