居家检测为免疫疾病的早期筛查与长期监测提供了重要支持，显著提升了患者参与个性化健康管理的主动性。这一便捷的自检能力，主要得益于微流控技术的持续发展，尤其是微流控链式反应（Microfluidic Chain Reaction, MCR）在其中展现出的突出潜力。MCR 平台通过内置的自调节流控机制，将复杂的分析过程简化为直观的“一步激活”操作。然而，当前多数MCR平台在实现独立、精准且多重的流体控制方面仍面临挑战——往往难以在不依赖外部仪器或复杂预处理的条件下完成上述功能，这在一定程度上限制了其广泛应用。
近日，华中科技大学生命学院刘笔锋课题组联合深圳市亚辉龙生物科技股份有限公司ACS Nano期刊上在线发表研究文章。该研究工作报道了一种自驱动的重力多米诺微流控系统（Self-powered Gravity Domino Microfluidics，SGDM）用于居家免疫检测。该系统通过“单次翻转”操作简化了流体控制，实现了精准的液体操控。当前端腔室中的试剂完全释放后，与其连接的气路才会打开，从而允许后续试剂的释放，实现了试剂的有序、系统化、逐步递送。其自调节微流控通道支持可调节的流动阻力控制，可进行时空可编程的试剂分配，提高系统通用性。
图1. 即时居家免疫分析系统SGDM的概述
系统设计的核心灵感来源于多米诺骨牌的链式反应机制。研究团队通过图2的直观展示，阐释了SGDM系统的工作原理：左侧的多米诺骨牌示意图形象地说明了链式触发的基本原理，而右侧对应的微流控设计图则展示了如何将这一概念转化为实际的流体控制系统。该系统通过独特的负压调控结构，实现了试剂腔室之间的智能联动——当前一腔室液体在重力作用下完全排空后，精密设计的气路系统会自动开启，解除下一腔室的负压锁定状态，使试剂能够按预定顺序依次释放。整个过程中，仅依靠重力和大气压差就能完成复杂的逻辑控制，无需任何电子元件或机械驱动装置。
图2. 系统工作原理示意图
为了满足不同检测场景的需求，SGDM系统展现出卓越的可编程能力。如图3所示，通过改变微流道和气路的连接方式，该系统可以实现五种不同的流体控制模式，包括基础的顺序释放、瀑布级联释放、同步平行分配、多路径时序收敛以及虹吸延迟释放。这种多模态操作能力使得同一硬件平台能够灵活适应从简单到复杂的各种检测流程，极大地提升了系统的通用性和实用性。
图3. 基于SGDM的多模式流体控制
在具体应用验证方面，研究团队首先聚焦于自身免疫疾病的检测。图4详细展示了SGDM在抗核抗体检测中的完整流程与性能表现。芯片采用多层堆叠设计，包含液体储存腔、气路通道、反应腔等功能模块，用户仅需水平加载样品后翻转芯片即可启动检测流程。量化分析数据显示，抗体浓度与检测信号强度呈现良好的线性关系，系统检测灵敏度达到ng/mL级别，能够满足临床诊断的严格要求。
图4. 基于SGDM的抗体检测性能验证
进一步的临床验证结果在图5中得到充分体现。与传统实验室方法需要6小时以上相比，SGDM系统仅需45分钟即可完成8种抗核抗体的检测。通过对32个临床样本的测试，热图分析显示SGDM检测结果与金标准方法高度一致，总体准确率达到99.61%。ROC曲线分析表明系统具有优异的诊断性能，AUC值达到0.993，这些数据充分证明了该技术的临床可靠性。
图5. 抗核抗体临床验证
确保技术在实际家庭环境中的可用性是该研究的另一重点。图6展示的多用户操作验证实验邀请了6名无专业背景的志愿者，对5份不同样本进行重复检测。结果表明，所有操作者均能获得与标准方法完全一致的检测结果，系统展现出优秀的操作鲁棒性和用户友好性。这一验证为确保技术能够真正服务于广大非专业用户提供了有力支撑。
图6. 多用户操作验证结果
研究团队还将该技术拓展至过敏性疾病监测领域。通过对武汉儿童医院四年临床数据的深度分析，如图7所示，团队发现了过敏原阳性率与季节变化的密切关联，特别是尘螨过敏原D1和D2的阳性率与环境温度呈显著正相关。这一发现不仅揭示了环境因素对过敏性疾病的影响机制，也为家庭过敏监测的必要性提供了科学依据。
图7. 过敏原流行病学研究
基于这一认识，研究团队开发了支持12种过敏原检测的SGDM系统。图8展示的多中心临床验证涵盖了来自三个独立医疗中心的66份临床样本。检测结果热图显示SGDM系统与标准方法具有高度一致性，总体准确率达到98.99%。三个验证中心的ROC曲线分析均显示出优秀的诊断性能，AUC值均高于0.977，证明了该系统在不同地理和环境条件下的稳定可靠性。
图8. 过敏原多中心临床验证
为解决家庭检测中最具挑战性的结果判读问题，研究团队开发了基于深度学习的智能辅助系统。图9详细展示了该AI系统的完整架构：采用YOLOv10目标检测模型，结合专门的手机应用程序，用户仅需拍摄试纸条照片即可获得自动、客观的数字化结果。训练数据表明，该模型对ANA和过敏原试纸条的识别准确率分别达到0.992和0.990 mAP，在实际临床样本预测中也保持了超过98%的准确率，有效消除了人为判读的主观误差。
图9. 基于深度学习的手机端信号输出
本研究提出的SGDM系统，通过重力驱动与负压链式控制的巧妙结合，实现了复杂免疫分析的家庭化、自动化。其在自身抗体与过敏原检测中表现出的高精度、易用性和鲁棒性，以及AI辅助判读的解决方案，标志着面向主动健康的智能居家诊断技术迈出了关键一步。未来，期待将这一平台拓展至更广泛的疾病标志物检测，并与数字健康系统深度融合，为构建普惠、精准的个性化健康管理新模式提供核心技术支撑。
华中科技大学刘笔锋教授和陈鹏副教授为共同通讯作者。华中科技大学博士生袁慧娟、万超和武汉儿童医院刘翔为共同第一作者。本文得到国家自然科学基金和国家重点研发计划等基金的资助。
原文（扫描或长按二维码，识别后直达原文页面）：
Self-Powered Gravity Domino Microfluidics for Rapid At-Home Immunoassays with Artificial Intelligence
Huijuan Yuan, Chao Wan, Xiang Liu, Chenxi Dai, Liqiang Wu, Han Xie, Xin Wang, Zeyu Miao, Shunji Li, Zuyi Li, Wei Du, Xiaojun Feng, Yiwei Li, Chungen Qian, Bi-Feng Liu, Peng Chen
ACS Nano, 2025, DOI: 10.1021/acsnano.5c12741
导师介绍
刘笔锋
https://www.x-mol.com/groups/liu_bifeng
