华师大施国跃、张闽等：模块化智能微针平台开启机器学习驱动的个性化健康监测新时代

Modularly-Assembled Smart Microneedle Platform for Machine Learning-Driven Personalized Health Monitoring

Hongyi Sun, Lechen Chen, Tao Wang*, Zhuoheng Li, Yi Shi, Wen Lv, Zhi Yang, Fuzhen Xuan, Min Zhang*, and Guoyue Shi*

Nano-Micro Letters (2026)18: 248

https://doi.org/10.1007/s40820-026-02095-x

本文亮点

1. 多指标同步，真正代谢画像：构建皮肤界面微针贴片，实现对ISF中六种关键代谢标志物——葡萄糖、尿酸、胆固醇、Na⁺、K⁺及pH的实时连续监测。突破传统单通道检测局限，直接描绘多维代谢状态。

2. 模块化设计，柔性可定制：提出模块化微针组装策略，各功能传感单元可自由组合。结合柔性SIS弹性基底，实现优异贴肤性、机械稳定性及长期信号可靠性。

3. 机器学习赋能，信号变决策：构建端到端数据解析框架，高维电化学信号经深度学习自动特征提取，实现健康状态分类与健康程度量化评估。分类准确率高达0.996，健康程度预测R²达0.977。

研究背景

随着人们对健康的关注度提升，能够实时了解身体状况的“可穿戴设备”成为了刚需。传统的血液检测虽然准确，但不仅具有侵入性，而且只能提供“快照”式的数据，无法反映连续的生理变化。目前的非侵入式传感器(如汗液、唾液传感器)虽然方便，但容易受到环境污染或采样不稳定的影响。相比之下，皮肤间质液(ISF)成为了一个极佳的检测目标，因为它富含与血液高度相关的生物标志物，且获取过程相对微创。然而，现有的微针(Microneedle, MN)传感器仍面临三大“拦路虎”：

1. 功能单一：大多只能测葡萄糖，难以全面评估代谢状况。

2. 佩戴不适：刚性微针难以与柔软的皮肤长期完美贴合，运动时容易脱落或信号失真。

3. 数据浪费：缺乏强大的数据分析算法，无法从复杂的生理信号中解读出深层的健康趋势。

为了解决这些问题，研究团队开发了一种eMPatch系统，将模块化微针与柔性电子、机器学习完美融合。

内容简介

针对现有可穿戴代谢监测技术中采样层级浅、指标维度低、数据解释弱的核心瓶颈，华东师范大学施国跃、张闽&华东理工王涛&上海交大联合团队提出一种模块化智能微针生物传感平台(eMPatch)。该平台通过微针阵列直接进入真皮层ISF，实现对代谢分子的原位检测。不同于传统集成化微针结构，本工作采用模块化装配理念：酶传感器与离子选择性传感器分别构建为独立功能单元，再统一集成于柔性弹性基底之上。该策略兼顾制造可控性与功能扩展性，为个性化需求提供灵活配置空间。在信号层面，研究进一步跳出“传感即终点”的传统框架，引入机器学习模型对高维生理数据进行系统解析。通过自动特征提取与多任务学习，实现从电化学信号到健康评估指标的智能映射。靠性、实用化与规模化部署提供理论支撑、技术路径参考与未来发展方向指引。

图文导读

I 微针多维感知：从分子到代谢网络

如图1所示，研究团队设计了一种基于聚苯乙烯(PS)的微针阵列，并通过精巧的表面修饰技术，使其成为能够同时检测6种关键代谢指标的可穿戴传感器：葡萄糖(Glucose)、尿酸(UA)、胆固醇(Cholesterol)、钠离子(Na⁺)、钾离子(K⁺)和pH。这六个指标相互关联，能够全面反映人体的代谢状态和电解质平衡。同时，为了解决刚性微针与柔软皮肤结合的问题，研究人员采用了一种SIS(聚苯乙烯-聚异戊二烯-聚苯乙烯)弹性体作为基底。微针传感器像模块化组装在柔性基底上，可以根据用户需求定制配置，并且这种结构让贴片能够像皮肤一样拉伸、弯曲，即使在剧烈运动下也能保持紧密贴合，确保信号稳定。

图1. 微针的形貌、力学性能及生物兼容性表征。

II 多指标同步响应：电化学性能验证

图2系统展示了eMPatch在多通道检测模式下的电化学响应性能。酶传感通道(葡萄糖、尿酸、胆固醇)表现出阶梯式电流响应，并在生理浓度范围内呈现良好的线性关系；离子选择性通道(Na⁺、K⁺、pH)则展现出接近Nernst理论极限的稳定电位输出。在抗干扰与稳定性测试中，各传感通道对常见生理干扰物仅产生微弱信号漂移(< 6%)，并在连续运行120 min条件下保持高信号保留率(> 88%)。储存稳定性及批次重复性实验同样证明，该系统具备可靠的长期运行能力。此外，自研无线电子系统与传统电化学工作站结果高度一致，验证了平台的信号采集准确性与实际应用可行性。 

图2. 电化学表征。

III 刚柔并济的力学优势：柔性可穿戴与机械稳定性

如图3所示，研究团队通过刚性微针与柔性弹性基底的协同设计，实现了器件力学行为与传感稳定性的统一优化。在弯曲、拉伸及扭转条件下，电极电阻与电化学响应均保持高度稳定。有限元模拟进一步揭示，SIS基底可有效分散外界应力，PET支撑层则抑制局部应变集中，从而保障传感界面的完整性。与传统PI 基底贴片对比实验表明，SIS体系显著降低运动伪影(motion artifacts)，使器件在动态佩戴场景中仍能输出高保真信号。该结果证明，柔性力学稳定性是实现真实可穿戴监测的重要工程基础。

图3. eMpatch的力学稳定性表征。

IV 活体多参数动态监测：代谢信号的真实映射

如图4所示，研究人员在SD大鼠身上进行了实验。通过注射葡萄糖或药物诱导高尿酸血症，eMPatch成功捕捉到了间质液中生物标志物的动态变化。在动物模型中，通过代谢干预实验可清晰观察到不同传感通道的特异性动态响应：高糖刺激引发葡萄糖信号快速上升，高尿酸模型对应尿酸通道显著变化，而电解质与酸碱环境改变则同步体现在Na⁺、K⁺及pH信号中。更为关键的是，多种代谢指标呈现出协同演化特征，揭示了复杂代谢状态下生理参数之间的内在关联。这一结果标志着平台能力从单指标检测拓展至系统性代谢状态解析。

图4. eMPatch在活体中连续检测性能评估。

V 从电信号到健康评估：机器学习驱动解析框架

图5展示了 eMPatch 的智能核心——机器学习驱动的健康评估体系。研究团队构建多任务卷积神经网络(MTL-CNN)，对连续采集的高维电化学信号进行自动特征提取与联合建模，实现健康状态分类与健康程度量化评估。模型表现出极高预测能力：健康分类准确率达 0.996，健康程度评估R²达0.977。SHAP 可解释性分析进一步揭示，葡萄糖和胆固醇是AI判断健康状况时最重要的两个特征指标，这与医学常识高度吻合。同时，不同生物标志物对模型决策贡献具有明确生理相关性，增强了算法透明度与可信度。该策略实现了可穿戴传感系统从“检测信号”向“智能决策”的关键跃迁。

图5. 深度学习驱动的健康评估。

VI 总结

本研究构建了一种兼具模块化架构、多指标检测、柔性贴肤及机器学习解析能力的智能微针平台，实现了从分子感知到健康评估的完整技术闭环。

在化学层面，多代谢标志物同步监测为系统性健康评估提供了物质基础；在器件层面，模块化与柔性基底设计解决了微针可穿戴稳定性难题；在数据层面，机器学习赋予传感系统真正的“智能决策能力”。

该工作不仅推动微针可穿戴器件从“检测工具”向“健康管理平台”演进，也为未来个性化医疗、慢性病监测及数字健康系统提供了新的技术范式。

作者简介

关于我们

Nano-Micro Letters《纳微快报(英文)》是上海交通大学主办、在Springer Nature开放获取(open-access)出版的学术期刊，主要报道纳米/微米尺度相关的高水平文章(research article, review, communication, perspective, highlight, etc)，包括微纳米材料与结构的合成表征与性能及其在能源、催化、环境、传感、电磁波吸收与屏蔽、生物医学等领域的应用研究。已被SCI、EI、PubMed、SCOPUS等数据库收录，2024 JCR IF=36.3，学科排名Q1区前2%，中国科学院期刊分区1区TOP期刊。多次荣获“中国最具国际影响力学术期刊”、“中国高校杰出科技期刊”、“上海市精品科技期刊”等荣誉，2021年荣获“中国出版政府奖期刊奖提名奖”。欢迎关注和投稿。

Web: https://springer.com/40820

E-mail: editor@nmlett.org

Tel: 021-34207624

如果文章对您有帮助，可以与别人分享！：Nano-Micro Letters » 华师大施国跃、张闽等：模块化智能微针平台开启机器学习驱动的个性化健康监测新时代