热烈祝贺付东磊等作者的论文在Chemical Engineering Journal（IF=13.2，中科院工程学科一区TOP）发表

在“大健康”背景下，便携且高效的肾脏疾病筛查手段因其对早期诊断与公共卫生管理的重要性而备受关注。体液中肌酐水平的快速识别不仅要求操作简便、响应迅速，还对检测的可靠性与可推广性提出了更高要求。为应对现场化肾病筛查的迫切需求，武汉大学电子信息学院刘兴海团队构建并验证了一条从材料配方到可制造工艺再到智能读数的一体化技术路线。团队通过大量配方筛选与机理计算，最终确定以3,5-二硝基苯甲酸（35DNBA）为显色剂、海藻酸钠为流变/成膜调节剂的生物质墨水体系，并采用简便的刀涂/刮涂工艺在商用滤纸上制备比色层，兼顾了显色效果、安全性与产业化可行性。性能测试显示，该配方与肌酐反应后在约 512 nm 处产生稳定的紫红吸收峰，试纸条在宽广浓度范围内呈良好线性响应，工作区间覆盖正常人尿肌酐水平（约 2.5–17 mM），具备定量检测潜力。为提高现场读数的一致性与精度，研究在图像预处理（圆形 ROI 自动分割、亮度归一化与数据增强）的基础上比较了多种机器学习算法；经交叉验证，随机森林与梯度提升模型均取得 R² > 0.96 的优异拟合效果，能够稳定地在基于 Android 的手机 App 上完成肌酐浓度回归与分级判定。与此同时，团队对若干苯甲酸异构体与衍生物（如2,4-DNBA、Me-DNBA、Cl-DNBA）进行了系统对比，并通过DFT计算进一步对反应机理进行解释和修正。

图 1 候选比色指示剂结构、肌酐与 DNBA 的反应机理。

该团队指出，creatinine-1会在具有多个反应阶段的碱性水溶液中与35DNBA发生反应。首先，由于游离羟基的侵蚀，其亚甲基应该失去一个氢离子以产生碳阳离子。然后，这种负电中间体会以亲核试剂的形式攻击35DNBA第4位的碳，因为相邻位置的两个强电子拉基团（−NO2）吸收了大部分电子云。在获得最终反应产物之前，存在Π-Π堆叠和扭转键合两种瞬态态，如图1所示。最后，肌酐与35DNBA反应的产物在吉布斯自由能低至-9.9 eV的溶液中以两个带负电的有机离子的形式稳定。该团队通过DFT计算指出在整个亲核取代反应过程中，受到攻击的活性位点使得在正常条件下极难失去氢阴离子来生成水分子。相反，亲核试剂带来的负电荷更容易与硝基自发重排，形成更稳定的有机阴离子。同时，该团队还对产物进行了电子激发分析，以进一步模拟其紫外吸收波长。

图 2 墨水的流变特性及刮涂成型流程示意。

为便于在肾病临床推广中实现规模化生产，该团队优先采用丝网印刷与刮涂等工业化工艺。为此筛选了三种生物质增稠剂并最终决定在配方中加入1.5 wt.%从藻类提取的海藻酸钠，使混合液迅速增稠并呈现典型的假塑性（剪切稀释）流变行为（图3）：在低剪切速率下黏度高、抗沉降与储存稳定性良好；在加工时受剪切稀释且具有较高的屈服值，保证无飞溅，适用于刮涂或丝网印刷。

图 3 生物质比色试纸条结合手机成像与随机森林算法实现现场肌酐定量与显色检测

为克服肉眼判读的主观性，该团队提出了一套基于计算机视觉与机器学习的肌酐浓度检测流程（示意见图4a）。具体流程为：在标准照明条件下用智能手机采集比色条图像，随后对变色的圆形感应区进行精确分割并提取RGB特征。值得注意的是，当未加肌酐时，比色条呈现原始底色，这给感应区分割带来较大挑战。为此，该团队首先自动识别图像中的圆形感应区并经HCT算法处理，从而有效抑制背景噪声与反射等干扰，为增强模型的泛化能力，对原始图像进行了多种扩增与增强（如旋转、亮度调整、添加高斯噪声等），以模拟不同照明、拍摄角度与噪声条件下的变色表现。

图 4 机器学习回归模型在比色图像定量肌酐测定中的拟合性能比较（线性回归、SVM、随机森林与梯度提升）。

图 5 智能手机端尿液肌酐比色检测工作流与应用界面。

与以往依赖苦味酸等传统显色体系相比，武汉大学刘兴海团队构建的 35DNBA/海藻酸钠比色体系在安全性、可制造性与显色稳定性方面展现出显著优势。该团队利用密度泛函理论（DFT）重新阐明了 35DNBA 与肌酐的亲核取代反应路径并解析了其不稳定性的来源；同时引入机器学习对成像信号进行校正与回归拟合，进一步优化了检测的线性区间与长期稳定性，从而提升了该体系在现场化与规模化应用中的可行性与可靠性（图4，图5）。该成果以“Machine Learning-Assisted Biomass Colorimetric Dipsticks for Portable Clinical Nephropathy Diagnosis by Using Smart Mobile Terminal”为题发表在《Chemical Engineering Journal》期刊上，DOI：10.1016/j.cej.2025.168059 文章第一作者是博士生付东磊和硕士生丁林。

该工作是团队近期关于医工交叉方向相关研究的最新进展之一。