釜山大学研究团队开发出一种牙套型可穿戴传感器，能在佩戴口中的同时持续测量反映牙龈炎症加重程度的酶浓度。此前问世的牙周炎自测试剂盒是将漱口水滴在试纸上一次性在5分钟内读取数值的方式，而这款设备则是在佩戴牙套的状态下，唾液自动渗入并持续输出数值。研究团队完成了实验室验证和60名成人的唾液检测，还同步开发了用于解读信号的深度学习模型。
仿酶分子形状的人工空穴捕捉目标物
这款传感器测量的物质是aMMP-8（活性基质金属蛋白酶-8），是白细胞分解牙龈胶原蛋白时一同释放出的酶。研究团队没有使用抗体，而是在目标蛋白质aMMP-8存在的条件下，将邻苯二胺（o-PD）单体在电极表面聚合，再去除目标蛋白质，从而制成了与蛋白质形状完全吻合的凹穴。这种方式被称为分子印迹聚合物（MIP），比抗体更耐热、耐化学物质，且可以长期保存。研究团队通过分子动力学和量子化学模拟，预先计算出哪些氨基酸位点与o-PD结合最强，以此设计空穴的特异性；实际制成的电极即便与大小和电荷相近的其他炎症物质（TNF-α、MMP-1、MMP-9、IL-1β）混合，也只对aMMP-8表现出明显反应。
通过电阻变化幅度读取浓度
研究团队在电极表面薄薄涂覆了一层名为氧化石墨烯的碳材料，再在其上堆叠分子印迹聚合物层。氧化石墨烯的作用是充当中间层，提升阻抗测量的灵敏度。阻抗测量的是发生氧化还原反应的溶液在电极表面往返时电流受阻的程度。当aMMP-8进入空穴并嵌入其中时，电阻会增大，研究团队据此变化幅度计算浓度。检测限为82ng/mL，定量限为250ng/mL，对100个电极的重复测量显示重现率超过90%。在标准样品实验中，95%以上的测量值落在具有临床可信度的误差范围内；在健康人群、牙周炎患者和治疗后恢复人群三组唾液样本中，与现有标准检测（ELISA）相比，相关系数达到0.92，呈现高度相关。
在牙套内植入过滤膜和无线芯片
传感器电极被置入硅胶牙套内，并开辟了唾液通道，使其经过一层聚乙烯醇（PVA，一种亲水性聚合物）水凝胶膜。这层预处理膜能减少细胞碎屑等杂质，同时帮助aMMP-8向传感器扩散。蛋白质经过膜后的回收率约为80%。牙套内还配有无线芯片和电路，可将测量值直接传输到智能手机应用程序。与将样本滴在试纸上的自测试剂盒不同，这款设备无需另外采集样本或更换试纸，只要佩戴着就能持续积累数值。
深度学习将信号划分为等级
电极输出的阻抗值在人眼看来只是一张图表，但研究团队将其转换为128×128大小的图像，输入卷积神经网络（CNN）进行学习。仅依赖人工预先挑选的少数数值的传统机器学习方法，在浓度差异明显的区间（0对200ng/mL）中准确率为89.6%，而在差异较小的区间（100对200ng/mL）中则降至68.9%。相比之下，转换为图像后学习的深度学习模型在上述所有区间中的准确率均超过99.5%。研究团队采用迁移学习的方式，先用实验室标准样品预训练模型，再加入少量患者数据进行再训练。不过，这种方法并不能消除患者人数较少的局限。
这一结果是在釜山大学医院一处机构招募60名成人志愿者后确认的，因此深度学习模型的准确率也只是在这批数据内部划分浓度区间的表现，而非来自多家医院不同患者群体的验证。实际在多个诊室中能否重现相同的准确率，以及仍处于原型阶段的牙套长期佩戴时能否稳定输出数值，都有待今后进一步确认。这项研究把提示牙龈炎症的化学信号测量方式，从用试纸一次性检测推进到了佩戴状态下的持续测量，并构建了以分子印迹聚合物代替抗体捕捉目标物、再由深度学习解读信号的整体结构。