基于汗液皮质醇和多模态生理生物传感的集成机器学习辅助可穿戴平台,用于压力状态评估
《Biosensors and Bioelectronics》:Integrated machine-learning-assisted wearable platform for stress state assessment based on sweat cortisol and multimodal physiological biosensing
【字体:
大
中
小
】
时间:2026年08月29日
来源:Biosensors and Bioelectronics 11.8
编辑推荐:
摘要外部刺激可以引发与压力相关的生理状态,其特征是自主神经系统和心血管系统的快速波动以及内分泌相关生化反应的缓慢变化。为了解决这一挑战,我们开发了一种集成式的可穿戴生物传感器平台,并结合机器学习辅助解释技术,用于评估休息状态和压力状态,这些状态通过基线和任务阶段进行标记。在传感层
摘要
外部刺激可以引发与压力相关的生理状态,其特征是自主神经系统和心血管系统的快速波动以及内分泌相关生化反应的缓慢变化。为了解决这一挑战,我们开发了一种集成式的可穿戴生物传感器平台,并结合机器学习辅助解释技术,用于评估休息状态和压力状态,这些状态通过基线和任务阶段进行标记。在传感层面,一种逐步改进的电化学接口能够灵敏地检测皮质醇,从而提供低频的内分泌相关生化信息。同时,这种灵活的可穿戴电路能够连续监测心率、血容量脉动、皮肤电反应和皮肤温度,实现快速自主神经系统和周围血管动态的连续生理监测。为了整合这些异构信号,我们采用了Inception-MABFDNN模型,该模型通过特定于模式的注意力机制将窗口化的生理信号与低频周期性皮质醇测量数据融合在一起。这种一次性使用的免疫传感器表现出从1 pg/mL?1到1 μg/mL?1的对数线性校准范围,以及0.68 pg/mL?1的检测限。在一个包含10名参与者的独立测试队列中,机器学习模型的分类准确率达到94.75%。与人汗液进行的配对酶联免疫吸附测定(ELISA)测量结果与免疫传感器测得的皮质醇浓度高度一致。这些结果表明,下一代可穿戴生物传感系统具有通过多模态融合在时间尺度上桥接生物化学和生理信息的潜力,从而更可靠地评估实验诱导的压力相关状态。
引言
外部认知、环境和生理挑战可以使人从休息状态转变为与压力相关的生理状态(Chen等人,2020年)。尽管急性压力反应可能是适应性的,但持续的或反复的激活会增加代谢负担。这种持续的生理负担与不良的心理和身体健康结果相关,包括对心血管、免疫、内分泌和行为健康的负面影响(Cohen等人,2007年;Epel等人,2018年)。然而,基于问卷调查、实验室内分泌检测或单独生理指标的传统方法存在主体性、采样延迟或侵入性、时间连续性不足以及压力特异性有限等局限性(Ding等人,2024年)。
可穿戴传感提供了一种监测与压力相关变化的实际方法(Mahato等人,2024年)。生理信号如心率(HR)、血容量脉动(BVP)、皮肤电反应(GSR)和皮肤温度(ST)可以捕捉快速的自主神经系统和周围血管动态,但也受到运动、体力活动、昼夜变化和个体差异的影响(Nath和Thapliyal,2021年)。皮质醇提供了关于下丘脑-垂体-肾上腺轴活动的补充信息,其非侵入性监测已经通过光学、电化学和适配体基方法进行了探索(Vaccarino和Bremner,2024年;Santonocito等人,2024年;Parlak等人,2018年;Tu等人,2025年)。汗液检测还需要受控的微升级采样,而皮肤接口的微流控技术可以提供这一点。稳定的氧化还原介质和壳聚糖(CS)-金纳米颗粒(AuNPs)接口可以进一步支持电化学转导和抗体固定(Karyakin,2001年;Samadi Pakchin等人,2018年;Singh等人,2023年;Shen等人,2025年)。这些进展使得越来越集成化的可穿戴分子监测平台成为可能(Bariya等人,2018年;Mugo和Alberkant,2020年;Wang等人,2022年;Sempionatto等人,2022年;Min等人,2023年;Ding等人,2024年)。
尽管有这些进展,单一的生化或生理测量仍然只能提供部分信息,不足以进行全面的压力状态评估。这一限制源于与压力相关反应的异质性和跨时间尺度的特性。连续的生理信号提供高频动态特征,而汗液中的皮质醇变化则较为缓慢,通常以较低的时间分辨率进行采样。因此,可穿戴的压力状态评估需要同步获取生理和生化信号。它还需要可追踪的数据组织和能够将低频生化信息与高频生理动态整合的多模态学习策略。然而,单独的生化或生理测量仅能捕捉到跨时间尺度的部分与压力相关的反应。生理信号反映了快速的自主神经波动,而汗液中的皮质醇作为一种缓慢的内分泌标志物,其采样频率要低得多。因此,它们的协调解释需要跨时间尺度的同步获取和多模态融合(Zhang等人,2024年)。
在这项研究中,我们开发了一个集成的可穿戴平台,该平台结合了微流控汗液收集、一次性使用的电化学皮质醇免疫传感、连续的心率(HR)监测、血容量脉动(BVP)监测、皮肤电反应(GSR)监测以及无线数据管理。免疫传感器使用了CuWO4@MoS2底层、共电沉积的普鲁士蓝(PB)-镍六氰铁酸盐(NiHCF)氧化还原界面和CS-AuNPs抗体固定界面。除了并行多模态采集外,该平台还通过Inception多模态注意力基础融合深度神经网络(Inception-MABFDNN)将周期性皮质醇测量与高频生理特征融合,生成与实验任务阶段相对应的休息/压力输出。
章节片段
材料与方法
关于试剂、材料合成、传感器制造、微流控芯片制备、人类受试者协议、酶联免疫吸附测定(ELISA)分析和模型实现的详细信息,请参见补充部分1.1-1.8和补充说明S1-S7。
多模态可穿戴生物电子平台的整体设计
该可穿戴平台集成了微流控汗液收集、基于SPCE的皮质醇免疫传感、连续的心率(HR)监测、血容量脉动(BVP)监测、皮肤电反应(GSR)监测、皮肤温度(ST)监测以及无线数据管理和机器学习辅助的休息/压力评估(图1A)。微流控芯片将汗液引导至工作电极区域进行DPV测量,而移动和基于网络的接口支持实时可视化、存储和数据导出。
免疫传感器包含CuWO4@MoS2促进电子转移的界面
结论
总之,我们开发了一种集成的多模态可穿戴生物电子平台,用于非侵入性地评估实验诱导的急性压力相关生理状态。该平台结合了微流控辅助的周期性汗液皮质醇免疫传感、连续的心率(HR)、血容量脉动(BVP)监测、皮肤电反应(GSR)和皮肤温度(ST)监测、无线数据传输以及机器学习辅助的多模态解释。通过将低频皮质醇信息与高频生理信息融合
CRediT作者贡献声明
Songsong Huang:撰写——原始草案,方法学设计。Yanli Lu:正式分析。Liyang Duan:研究。Yu Liu:数据管理。Xuexing Zhao:软件开发,研究。Zhi Yu:可视化,验证。Wei Han:资源获取,验证。Abdul Qayoom:研究。Bin Fan:项目管理,资源协调。Shike Hou:资源管理,项目协调。Haojun Fan:项目管理,数据管理。Zetao Chen:撰写——审稿与编辑,资金筹集,概念化。
资助
本项目得到了中国浙江省自然科学基金(LMS25H180006)、中国国家重点研发计划(2023YFC3011802)、中国国家自然科学基金(82472102,T2541072)、天津市教育委员会科研计划(2023YXZX12)以及深圳市医学重大项目(SZSM202411032)的支持。
利益冲突声明
作者声明他们没有已知的财务利益或个人关系可能影响本文报道的工作。
Songsong Huang|Yanli Lu|Liyang Duan|Yu Liu|Xuexing Zhao|Zhi Yu|Wei Han|Abdul Qayoom|Bin Fan|Shike Hou|Haojun Fan|Zetao Chen
天津大学灾难与急诊医学学院,天津,300072,中国
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号