基于血液的生物标志物是诊断学的核心，然而现有方法依赖侵入性采样及集中化实验室基础设施。与此同时，女性生殖健康仍严重缺乏监测：大多数具临床意义的生物标志物极少在生育诊所外被检测，导致数百万女性无法获得对其生殖寿命的便捷、连续性评估。抗 Müllerian 激素(AMH, Anti-Müllerian Hormone)是卵巢储备及整体生殖功能的关键指标，目前仍需静脉采血与专门分析，构成早期筛查、常规监测和人群水平普查的重大障碍。本研究报道一种侧向层析免疫测定(LFA, Lateral Flow Assay)，可在未处理的月经血中直接检测AMH。该试纸采用共价偶联的150 nm金纳米壳(gold nanoshells)作为标记物，在临床相关的0–10 ng/mL范围内实现灵敏比色检测。结果可通过肉眼判读，或经由基于智能手机的机器学习(machine-learning)算法进行半定量分析。LFA性能与临床化学实验室分析法高度相关，并可无缝整合入即时检测(POCT, Point-of-Care Testing)形式，包括可穿戴卫生巾及简易浸入式试纸(dipstick)。该技术证明了一种无创、经济的可去中心化卵巢健康评估方案的可行性。
论文解读：《At Home Detection of Ovarian Health Biomarker in Menstruation Blood》发表于《Advanced Materials Technologies》
一、研究背景与意义
卵巢健康是女性生殖健康及全身健康的重要基石，卵巢功能异常（如多囊卵巢综合征PCOS、早发性卵巢功能不全POI、卵巢肿瘤等）常因缺乏早期便捷监测手段而在出现明显症状或不孕后才被确诊，造成沉重身心与社会经济负担。抗 Müllerian 激素(AMH, Anti-Müllerian Hormone)由卵巢颗粒细胞分泌，是评估卵巢储备(ovarian reserve)的经典血清学标志物，其浓度在月经周期中相对稳定（不受促卵泡激素FSH波动影响），可用于辅助生殖预后评估、PCOS辅助诊断及绝经预测。目前临床AMH检测依赖静脉采血及中心实验室酶联免疫吸附测定(ELISA, Enzyme-Linked Immunosorbent Assay)或化学发光免疫分析(CLIA, Chemiluminescent Immunoassay)，存在侵入性、耗时、费用较高且难以居家自测等局限，阻碍了其作为日常健康监测工具的应用。已有研究表明月经血(menstruation blood)蛋白谱与静脉血高度相关，且其中可检出与循环水平一致的AMH，加之月经血凝血活性较低、血红蛋白含量较少，使其成为潜在的非侵入性检测基质。然而直接在未处理月经全血中进行高灵敏度AMH免疫检测仍具挑战，此前侧流免疫层析(LFA, Lateral Flow Assay)多需样本预处理或对全血兼容性差。因此，研究人员开发了基于金纳米壳标记、兼容未处理月经血的AMH-LFA平台，并结合智能手机人工智能(AI, Artificial Intelligence)图像分析以实现居家半定量检测。
二、主要关键技术方法
研究人员以二氧化硅核–金壳结构的150 nm金纳米壳(gold nanoshells, AuNS)为标记探针，通过EDC/NHS介导的共价偶联(covalent conjugation)将抗AMH检测抗体固定于其表面；制备经典夹心式(sandwich-type)侧向层析试纸，硝酸纤维素(NC, Nitrocellulose)膜上包被捕获抗AMH抗体（检测线T线）及羊抗小鼠IgG（质控线C线），并在样品垫后串联Fusion 5全血分离膜以截留红细胞并释放血浆。为量化结果，研究人员采集智能手机拍摄的试纸条图像，训练YOLOv8卷积神经网络(CNN, Convolutional Neural Network)自动定位读值区，并采用一维U-Net编码器–解码器(encoder–decoder)模型对像素强度曲线进行峰分割(peak segmentation)提取T线信号强度，代入预先建立的四参数logistic(4-PL)或线性校准曲线得到AMH浓度。临床相关性验证中，研究人员招募健康志愿者经伦理批准采集月经血（月经杯收集，经期第1–2天），同日分别用本LFA（未预处理）及临床实验室Beckman Coulter UniCel DxL 800系统行CLIA检测作对照，部分志愿者试戴嵌入LFA的改良卫生巾或采用经血杯取样浸蘸式试纸，结果经手动ImageJ分析与AI算法分别比对。
三、研究结果
2.1 Establishment of LFA for AMH Detection in Human Serum（人血清中AMH检测LFA的建立）
研究人员首先在加标人血清中建立LFA检测体系。抗AMH抗体功能化的150 nm金纳米壳与样本中AMH形成抗原–抗体–纳米壳复合物，被NC膜T线捕获产生比色信号。对人血清中0–1000 ng/mL范围拟合得四参数logistic曲线，在临床关注窗口0–10 ng/mL内呈线性响应（R²=0.98），检出限(LOD, Limit of Detection)为0.54 ng/mL，证实该LFA在血清基质中对AMH具备线性定量能力与足够分析灵敏度。
2.2 Optimization of Nanoparticle Conjugates for Enhanced Signal Output（纳米颗粒偶联物的优化以增强信号输出）
为适配复杂月经血基质，研究人员对比三种标记物：20 nm金纳米颗粒(AuNP)被动吸附抗体、150 nm AuNS被动吸附抗体、150 nm AuNS共价偶联抗体。结果显示150 nm AuNS比20 nm AuNP信号更强，共价偶联较被动吸附进一步提升T线信号强度并降低空白本底，信噪比(SNR, Signal-to-Noise Ratio)最优且LOD从3.22 ng/mL降至0.54 ng/mL。进一步筛选发现每mL AuNS加30 µg抗AMH抗体、室温孵育1 h为最佳偶联条件，兼顾高信号与低非特异性结合，为月经血复杂背景下可靠半定量奠定基础。
2.3 Smartphone-Assisted Semi-Quantitative Analysis of Anti-Müllerian Hormone（智能手机辅助AMH半定量分析）
针对肉眼判读主观性及月经血背景干扰，研究人员开发双模型机器学习流程：YOLOv8检测试纸读值区（精度97.7%，召回率97.9%，mAP50=0.989），1D U-Net模型对强度剖面做峰分割以提取C/T线峰值（精度93.7%，召回率94.9%，Dice系数=0.94）。软件将T线强度代入校准曲线自动输出AMH浓度，实现无人工干预的客观半定量读取，可克服轻微溶血或背景着色造成的判读困难。
2.4 Detection and Semi-Quantification of Anti-Müllerian Hormone in Menstruation Blood（月经血中AMH的检测与半定量分析）
研究人员将优化LFA直接用于志愿者未处理月经血，并与临床CLIA比对（N=4有效样本，1例因溶血剔除）。试纸可分别以嵌入卫生巾或可拆取dipstick形式工作。手动图像分析与AI分析所得AMH浓度均与CLIA参考值高度吻合，变异系数(CV, Coefficient of Variation)手动法6.03%–11.70%、AI法0.63%–11.95%；AI在某些样本中精度等于或优于人工分析（如一标本CLIA为3.38 ng/mL，AI测得3.38 ng/mL，CV 0.63%）。结果表明该LFA可从真实条件下收集的未处理月经血中提供与中心实验室一致的半定量AMH结果。
四、结论与讨论（翻译并归纳研究结论部分）
研究人员提出一种能在未处理月经血中直接检测AMH的侧向层析免疫测定(LFA)，结合共价偶联150 nm金纳米壳、优化层析化学及智能手机端机器学习图像分析，可在临床相关浓度范围内对人（月经）血中AMH进行准确、可重现的半定量检测。该平台与标准CLIA结果高度一致，变异系数支持其诊断潜力；AI判读可降低操作者间差异，从手机照片给出可靠结果。LFA设计灵活，可整合为可穿戴（卫生巾）或非穿戴（dipstick）形式。除月经血外，该平台亦可适配指尖血，拓展至男性Sertoli细胞功能及相关性腺疾病评估。此工作证明了基于（月经）血的AMH分析作为一种可扩展、用户友好工具在赋能女性监测和管理自身生殖健康方面的转化潜力，未来需在更大人群中开展临床验证及纵向监测研究。
