基于智能手机的尿液促黄体生成素侧向层析定量检测系统HueFertility Ovulation的性能评价

《Biosensors》:HueFertility Ovulation: A Smartphone-Enabled Quantification System for Urinary Luteinizing Hormone in a Lateral Flow Assay

【字体: 大 中 小 】 时间:2026年10月21日 来源:Biosensors 5.6

编辑推荐:

  黄体生成素(LH)是一种用于预测排卵和生殖健康监测的关键生物标志物,然而大多数市售家用LH检测试纸依赖定性或半定量的视觉判读,限制了其临床实用性。本研究提出HueFertility Ovulation,一种基于智能手机的定量LH测量系统,该系统由侧向层析免疫分

  
黄体生成素(LH)是一种用于预测排卵和生殖健康监测的关键生物标志物,然而大多数市售家用LH检测试纸依赖定性或半定量的视觉判读,限制了其临床实用性。本研究提出HueFertility Ovulation,一种基于智能手机的定量LH测量系统,该系统由侧向层析免疫分析试纸条和一款移动应用程序组成,该应用集成了专有的颜色校正算法与深度学习回归模型,能够从在多种真实世界条件下拍摄的试纸条图像中提供客观的LH浓度估算值。使用HueCard参考系统进行颜色校正显著降低了图像间的色彩变异性,在不同光照环境下将平均ΔE00从11.19降至4.02。在一个单独获取的独立数据集中,以已知LH浓度为参照进行评估时,该回归模型的R2达到0.92,平均绝对百分比误差(MAPE)为17.4%。实验测得的空白限、检出限和定量限分别为0.64、3.18和10.00 mIU/mL。多地点精密度测试显示,三个独立地点的变异系数(%CV)均在25%以内。HueFertility的单次检测成本为0.60美元,且无需外部硬件,提供了一个低成本、可及的定量LH监测平台,在生育规划、激素健康追踪以及资源有限的环境中具有应用价值。最终,该研究凸显了将该技术推广至其他低成本侧向层析检测和临床化学应用的机会。

论文解读:基于智能手机的尿液促黄体生成素定量检测系统HueFertility Ovulation的性能评价

1. 研究背景与目的

促黄体生成素(Luteinizing Hormone, LH)是一种由垂体分泌的糖蛋白激素,在调控女性排卵、月经周期以及男性睾酮生成等生殖生理过程中发挥核心作用。因此,LH被广泛用作生育力监测的生物标志物,尤其是在备孕女性中,通过指导性交时机来提高妊娠率。然而,目前绝大多数市售的家用LH检测产品为定性或半定量性质,依赖用户对试纸条显色强度的主观视觉判断。这种判读方式极易受到个体差异、环境光线条件以及个人基线LH水平差异的影响,导致结果解读不准确,尤其对于患有多囊卵巢综合征(Polyendocrine Metabolic Ovarian Syndrome, PMOS)或处于围绝经期等非典型激素谱的人群更为明显。此外,LH分泌失调还与多种生殖及全身性疾病相关,如黄体期缺陷、男性不育和性腺功能减退症等,但这些疾病在常规消费级检测中往往被忽视。鉴于定量检测尿液中LH浓度已被证实能提高排卵预测的准确性,开发一种更客观、灵敏且低成本的居家检测方法具有重要的临床意义和应用价值。为此,研究人员开发了一套名为HueFertility的系统,旨在解决现有技术的局限性。

2. 主要技术与方法

为实现定量检测,研究人员采用了以下几项关键技术:
  • •
    侧向层析免疫分析试纸条开发:采用小鼠抗LH单克隆抗体配对作为捕获和检测抗体,并使用胶体金标记的检测抗体,制备了夹心法免疫层析试纸条。
  • •
    HueCard颜色校正参考系统:设计并制造了一种包含26种标准参考色的塑料卡片(HueCard),作为图像颜色标准化的基准。通过评估不同批次HueCard的生产一致性以及在不同光照条件下的成像表现,验证了该系统的稳健性。
  • •
    图像处理与深度学习回归模型:开发了一套图像处理流程,包括基于HueCard的图像配准和颜色归一化,以及自动提取包含测试线、控制线和背景的感兴趣区域(Region of Interest, ROI)。随后,采用基于MobileNetV3-Small的迁移学习架构构建了一个深度学习回归模型,用于直接从ROI图像映射到LH浓度值。模型训练使用了涵盖多个浓度水平、不同手机型号(iPhone 11, iPhone 16 Pro, iPhone 17)和采集地点的结构化图像数据集。
  • •
    性能评估方法:遵循临床实验室标准协会(Clinical and Laboratory Standards Institute, CLSI)指南(EP17-A2)的改良方案,系统地评估了系统的精密度、检出限、干扰、真实女性尿液样本验证以及与竞品的对比。

3. 研究结果

3.1. HueCard颜色校正改善ΔE00评分以实现侧向层析分析的可靠定量
通过计算感知颜色差异指标ΔE00来量化颜色校正效果。结果显示,在跨光照条件评估中,颜色校正前平均ΔE00为11.19,校正后降至4.02,最大误差也从17.05降至7.29,表明颜色校正显著提高了不同光照环境下颜色测量的准确性和一致性。同时,HueCard的制造重复性良好,校正后卡间平均ΔE00仅为0.68。
3.2. 促黄体生成素试纸条的校准
在包含99张图像的独立评估集上,深度学习回归模型的预测结果与已知LH浓度高度相关,R2达到0.92,平均绝对误差(MAE)为6.39 mIU/mL,均方根误差(RMSE)为9.37 mIU/mL。在非零浓度水平上,平均百分比变异系数(%CV)为18.4%,平均总误差百分比(%TE)为21.7%,平均绝对百分比误差(MAPE)为17.4%。模型推导出的空白限(Limit of Blank, LoB)、检出限(Limit of Detection, LoD)和定量限(Limit of Quantitation, LoQ)分别为1.1、2.3和5.0 mIU/mL。
3.3. HueFertility工作流程
该应用程序符合HIPAA标准,确保用户数据隐私。用户通过扫描二维码绑定HueCard,应用会引导用户完成试纸条浸入、计时和图像捕捉的全过程。图像在相机取景框与HueCard完美对齐时自动拍摄,随后数据被安全传输至云端进行处理和分析,并在应用中返回定量结果和历史趋势图表。
3.4. 性能特征
  • •
    精密度:在三地使用不同iPhone进行的多站点精密度测试中,所有浓度水平的%CV均低于25%,表明系统在不同环境和设备下具有良好的鲁棒性。
  • •
    检出限:实验测得的空白限(LoB)为0.64 mIU/mL,检出限(LoD)为3.18 mIU/mL,定量限(LoQ)为10.00 mIU/mL。该LoQ低于正常的LH激增阈值,足以满足基线监测和峰值检测的需求。
  • •
    干扰:干扰物测试显示,卵泡刺激素(Follicle-Stimulating Hormone, FSH)和甲状腺刺激素(Thyroid-Stimulating Hormone, TSH)在测试浓度下未引起临床意义上的显著干扰。人绒毛膜促性腺激素(beta-human Chorionic Gonadotropin, β-hCG)在低LH浓度时表现出一定交叉反应,但在接近临床决策点的高LH浓度下影响不大。
  • •
    女性尿液样本验证:使用10份天然女性尿液样本及其加标样本进行验证,以ELISA为参比方法,Deming回归分析显示斜率为1.36,截距为0.45,表明两者呈良好的线性关系。
  • •
    竞品对比:与三种市售定量LH检测产品的对比研究表明,所有设备均与ELISA呈线性关系。HueFertility显示出正比例偏差(斜率1.49),而竞品3则表现出显著的负比例偏差(斜率0.55)。

4. 讨论与结论

讨论部分指出,HueFertility系统通过结合专有的颜色校正算法和深度学习模型,成功地将智能手机转化为一个可靠的定量LH检测平台,有效解决了传统视觉判读的主观性和环境依赖性。其核心优势在于:无需昂贵的外部硬件附件,单次检测成本仅为0.60美元,远低于多数竞品,这极大地提升了其在资源有限环境和价格敏感人群中的可及性。系统的精密度、检出限和抗干扰能力均在可接受范围内,能够覆盖从基线到排卵峰值的整个临床相关浓度范围。
研究结论总结如下:本研究报道了HueFertility这一基于智能手机的消费者级侧向层析读数器的分析特性,用于定量测量尿液中的促黄体生成素。数据表明,HueFertility能够在临床相关的浓度范围内提供LH定量,具有可接受的精密度、明确的检测限,并且在临床相关的激增阈值下对激素干扰物的敏感性极低,同时其使用成本远低于竞争对手的设备。尽管本研究存在样本量较小等局限性,但初步数据表明,HueFertility作为一种可行的定量LH监测工具,适用于现有高精度设备尚无法普及的人群和资源受限的环境。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    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