近日，我院生化傳感與芯片團隊關于“機器學習協助的可視化尿路感染精準診斷”的最新研究成果發表在分析化學領域知名期刊ACS Sensors（IF=8.9）上，成果題目為“Machine learning-assistant colorimetric sensor arrays for intelligent and rapid diagnosis of urinary tract infection.”，我校為第一通訊單位，青年教師楊健宇博士為第一作者，胡芳馨副教授、楊鴻斌教授、郭春顯教授和劍橋大學Luigi G. Occhipinti教授為本文的通訊作者。

尿路感染是常見的傳染病，可導緻腎盂腎炎、尿毒症甚至死亡。尿路感染的傳統診斷策略如尿液培養和流式細胞儀，成本高且需要專業人員操作，阻礙了其居家應用。針對上述問題，本工作設計和構建一種新型單原子納米酶-比色陣列傳感器，借助機器學習算法實現了健康人群、細菌性尿路感染和真菌性尿路感染的分型診斷。通過分子修飾，可實現對尿路中目标微生物的精準分類。利用支持向量機、決策樹算法構建數學診斷模型，該策略對臨床樣本的診斷準确率可達到97%，在臨床診斷和居家診斷上具有應用潛力。該工作獲得了國家重點研發計劃課題（2021YFA0910403）、國家自然科學基金（22075195、21705115）等支持。