体外诊断（IVD）是指对体液或实体组织中提取的生物样本进行医学测试，以检测病原体的存在，识别医疗疾病，并监测一个人的健康状况或对治疗的反应。IVD在患者护理和公共卫生方面发挥着重要作用。目前为了遏制新冠肺炎大流行，全球范围内已进行了数十亿次分子IVD检测（PCR检测）和免疫诊断IVD检测（抗体检测）。其中，样本处理是IVD操作过程中最危险的流程之一，因为这可能导致操作人员意外接触传染性病原体。自动化的IVD则可以通过尽量减少处理危险生物样本所需的人工干预来降低这类风险。
数字微流控是一种在疏水基底上操作微小尺度液滴的处理平台，为IVD自动化提供了一种有效的途径。数字微流控平台使用液滴作为IVD的反应室，并通过驱动这些包含生物样品和分析试剂的液滴来完成测试。液滴的驱动机制包括磁力、电润湿和表面声波等等。
近年来，基于磁力进行液滴驱动的磁性数字微流控（MDM）技术受到了广泛的关注，因为它相对经济，易于实现。由于磁颗粒的生物亲和性，使其非常适合进行生物分析。然而，目前的MDM平台缺乏有效的反馈控制系统来确保成功执行IVD所需的各种液滴操作，因而创建一个基于MDM技术的全自动IVD平台仍然具有挑战性。在MDM平台上，通过添加的磁粒子进行液滴运输、合并等，从而实现不同的实验操作。这些液滴操作同时受到液滴体积、粒子数量、磁场强度、移动速度，衬底和液体的表面张力的影响，因而对自动化过程有很高的要求。目前，MDM平台上的自动液滴操作主要依赖于开环控制算法——在预先确定的参数条件下，可以成功地完成所需的液滴操作。然而，由于缺少自主纠正的机制，这些液滴操作有时会由于衬底表面缺陷或控制设备的性能不一致而失败。
因此，要创建一个基于MDM的全自动IVD平台，必须建立一个闭环反馈系统来实时监控液滴的操作，并指导控制系统在进入下一步之前发现并纠正问题。到目前为止，只有有限的工作证明了在基于电润湿的数字微流体平台上可通过感知液滴移动到电极上时的电容或电阻电信号的变化来进行反馈控制。然而，这些传感机制需要额外的电路，这额外增加了电润湿平台中本已复杂的控制系统的复杂性和成本。此外，由于MDM的基底并不含电极，所以这些传感方法并不适用于MDM。另一方面，基于图像的闭环反馈提供了一种非接触式的信号采集方式，因而不需要修改现有的MDM平台。想要在MDM中实现基于图像的反馈，其关键挑战是如何快速识别液滴和磁粒子，并基于这些信息确定当前操作的状态和结果。传统的目标检测器通常依赖于霍夫变换和边缘检测算法，然而，因为透明的水滴与背景没有显示出强烈的对比，且液滴或磁粒子在运动过程中也不总是以规则的形状出现，这些算法在识别MDM平台上的液滴时费时、低效，甚至无效。相比之下，经过有针对性训练所产生出的人工神经网络（ANN）在识别透明液滴方面表现出了良好的性能。几种基于封闭通道的微流控平台使用图像反馈来控制液滴的产生和分类，并通过基于ANN的目标检测器来识别液滴。事实上，MDM的神经网络模型需要执行更复杂的任务，而不仅仅是识别液滴。
据麦姆斯咨询报道，针对上述瓶颈问题，电子科技大学电子科学与工程学院智能集成微系统实验室于近日在国际重要学术期刊Bioengineering & Translational Medicine上发表题为“Image-based real-time feedback control of magnetic digital microfluidics by artificial intelligence-empowered rapid object detector for automated in vitro diagnostics”的论文。该工作提出了一种基于图像的人工智能磁性数字微流控（MDM）平台，为体外诊断医学智能传感检测的实现提供了一种新思路。
在该项研究中，研究人员通过一种基于NanoDet的人工神经网络目标探测器，训练了一个超快和轻量级的目标检测模型，以实现液滴和磁粒子识别、大小测量、位置和关系的确定。这个自动化的MDM平台显示了基于反馈信息纠正失败的液滴操作的能力，确保了整个IVD过程不会因液滴操作失败而中断。此外，该项研究通过该平台演示了两种IVD检测——蛋白质定量检测和抗生素耐药性检测，这两种检测都是完全自动化并且具备自动纠错机制的。据悉，这是第一个具有人工智能实时反馈的智能MDM平台，且该技术也可以很容易地被其他类型的数字微流控平台所采用，从而大大拓宽数字微流控平台在IVD应用中的适用性。
