Ученые создали новые медицинские сенсоры с помощью 3D-печати и машинного обучения

С помощью напечатанного на 3D-принтере прототипа детектора с сенсором, который можно модифицировать методами машинного обучения, ученые показали новый, более эффективный способ обнаружения таких элементов, как онкомаркеры, вирусы и протеины.

Плазмонные сенсоры давно используются в медицине – процесс заключается в освещении металлических наноструктур, что усиливает локальное электрическое поле. Ученые могут измерить взаимодействие поля и определенных молекул, что позволяет им получить важные сведения об анализируемых частицах. Тем не менее, использование плазмоники вне лабораторий остается ограниченным за счет высокой стоимости и громоздкости оборудования. Команда из Калифорнийского университета в Лос-Анджелесе сумела разработать прототип мобильного и недорого плазмонного сенсора, который оказался также значительно точнее традиционных моделей.

Машинное обучение применяется в новой разработке для определения типа источника света, который необходимо использовать – устройство самостоятельно «практикуется» в принятии решений, поскольку задавать громоздкий алгоритм было бы нецелесообразно. В сенсоре могут использоваться тысячи видов светодиодов – механизм сам определяет наиболее подходящие в зависимости от поставленной цели. Сенсор состоит из четырех светодиодов, камеры и напечатанного на 3D-принтере корпуса – внутрь него помещается картридж с образцом, который автоматически измеряется и анализируется. 3D-печать позволяет изготовить прототип с минимальными издержками, в то же время идеально приспособив его к инженерным требованиям.

Ученые надеются, что их работа позволит улучшить плазмонные сенсоры – они даже сообщили, что в будущем такое медицинское устройство может стать совместимым со смартфоном. Это позволит дополнительно снизить издержки производства, а также использовать вычислительные мощности современных телефонов. Новая разработка – еще один пример того, как 3D-печать позволяет находить более доступные и эффективные решения. Как 3D-печать, так и машинное обучение призваны быть максимально гибкими и адаптируемыми инструментами – их сочетание может стать стимулом для новых научных прорывов.