Industry Information

即時生物檢測啟動自動化醫療新未來

上網時間 : 2006年09月15日

美國普渡大學(Purdue University)的工程師、微生物學家與生醫科學家正共同就一種能在產品出貨前，即時辨識污染食物之微生物與病原體的識別中繼系統進行合作。科學家們相信，基於雷射的光學圖案辨識技術也適用於傳染病的鑑定、在醫院內確認抗藥菌株、同時能評估新藥品的毒性，或在戰場上發出生化武器警告。

“今天，微生物通常在培養皿中進行人工培植，有時僅需數小時，但卻需要數天時間用生化染色或DNA分析等方法辨識菌株，”普渡大學食品科學系的食物微生物學教授Arun Bhunia說。

“我們的儀器──散射量度器(scatterometer)能即時辨識出存在於目錄中的任何微生物，通常可減少一個工作天，”普渡大學機械學築與電子工程學系共同約聘的教授E. Daniel Hirleman說。

除了加速食物病原體的辨識外，散射量度器還能避免當污染發生時的大規模產品回收情況，另外，這種儀器也能在其他領域為科學家提供協助。Bhunia與Hirleman共同提出了一個想法，即該儀器也能協助搜尋新藥物並用於辨識幹細胞。同時還能讓用於國家安全的感測器成本減少10倍。

已申請幾項專利的普渡大學，正針對一種低於1,000美元之生物感測系統的設計及開發尋求電子業的合作夥伴，這種系統甚至能由未經過訓練的人員實地操作。

散射圖案(Scatter pattern)

該儀器是以普渡大學的科學家們最近在生醫光學期刊上發表的‘利用光散射技術快速檢測細菌技術’為基礎。其工作原理是透過發射來自635nm波長、1mW雷射二極體的光波束到內含未辨識之病原體的培養皿；並使用數位相機擷取影像，而後再以客製化軟體分析光學散射圖案。

“我最初建構散射度量器是用來在晶圓上分析奈米級污染物，但這種技術在辨識微米級微生物上看來運作得更好，”普渡大學的Hirleman解釋道。

僅透過視覺檢查環形的散射圖案，Hirleman與Bhunia就能看到獨特的圖案；甚至相同細菌的不同菌株也能呈現出各自不同的圖樣。為了自動辨識細菌菌株，普渡大學的微生物學家Bartek Rajwa，以及Weldon School of Biomedical Engineering的教授J. Paul Robinson也加入了研究行列。

由於傳統的圖案辨識系統是以嘗試匹配不同細菌的外形、色彩與尺寸為主，而由一個樣本中取得的這種散射圖案則是透過軟體分析，該軟體可針對整個菌叢模式中的一部份區別出其細部特色。這套分析與識別軟體是由Rajwa與Robinson設計。他們先採用一個包括了120種名詞的Zernike多詞學來為這些特微加以分類。(這個名詞是荷蘭物理學家Fritz Zernike首先提出，他在1934發明了多項式，用以分析波長在經過具有複合像差的媒介後，光波模式將如何被曲折。)

其次，主要的成份分析則針對各種不變的特色，形成了一種分級式的群集。然後，分類運算法再結合線性鑑識分析、部份最小平方和神經網路學習。

目前這套軟體分析系統已發展到第二代，據Rajwa與Robinson表示，該系統能確實辨識不同的菌株，準確度超過95%。

“剛開始時，我們的準確度僅有80%~90%，但隨著演算法的精進，我們也提高了準確度，”Rajwa說。“今天，我們針對一些類型的細菌已達到96%的準確度，預計未來還能進一步提升。”

今天，分析與分類軟體已經能良好運作，它們僅透過各個培養的樣本，就能學習如何區別各種不同種類的細菌菌株。研究人員相信，未來他們將能訓練神經網路執行‘病理性細菌’的即時辨識，無論是那些種類，而且也無論神經網路是否已就特定類型的細菌在之前就已做過訓練。

最終，研究人員們希望能發展出一套可透過其特徵來辨識細菌的演算法，而不管是哪一菌株。例如對於抗生素的抗藥性這種特微。研究人員相信，這種方法也許能在進行人體或動物測試之前，就對新藥物的毒性進行分類。

“我們非常希望這種軟體能學習如何自動地在菌叢的散射圖案基礎上對細菌病原體進行分類，”Robinson說。舉例來說，如果我們能訓練該軟體識別抗藥菌株，則對醫院來說非常有用。我們同時認為，我們能訓練該軟體識別新藥物的毒性。

相較於傳統以生化染色的菌株培植方法，普渡大學提供的方法還有另一項優勢，即該方法的程序並不會損害細菌的培值。完整保留樣品及活體意味著後續的試驗仍能夠在完全相同的培植下來進行。

否則，若病原體已找到，在測試開始前將需要在許多培養皿中進行培養，以確定某些樣本被保留下來。

輔助幹細胞研究？

“今天，細菌辨識方法通常會毀壞樣品，但我們的方法是100%非侵略性的，”Robinson說。“對某些應用來說這非常重要，如幹細胞辨識，你會希望保持幹細胞的活性，從而在分類後還能使用它們。”

該小組正就已知的細菌類型編寫目錄，以便能快速辨識所有常見的病原體。他們希望最終能建構一種銷售價格少於1,000美元的中繼系統，該系統不僅能辨識細菌菌株，而且能在不需訓練醫療人員的情況下自動地辨識其他的生物污染或具有希望的新療法。目前該小組正在設計一種圖形化用戶介面，以便能讓所有人都能利用電腦，而為細菌、藥物、生化武器或偏方等任何對人類有益或有害的產品進行分類。

Robinson的工作夥伴博士後研究員Bulent Bayraktar，以及普渡大學食品科學系的Padmapriya Banada也加入了此項研究。

(R. Colin Johnson)

posted by C.H. Chen @ 12:13 AM