در این پلتفرم مدل‌سازی محاسباتی پیشرفته، تحلیل تجربی و الگوریتم‌های هوش مصنوعی برای تجزیه و تحلیل پدیده‌های پیچیده آکوستوفلویدیک ادغام شده است. محققان استفاده نوآورانه‌ای از میدان‌های آکوستیک با فشار دوگانه را پیش گرفتند و به‌طور استراتژیک آنها را در موقعیت‌های هندسی کانال بحرانی بر روی یک بستر لیتیوم نیوبات قرار دادند. با استفاده از فشار آکوستیک اعمال شده در میکروکانال، طراحی سیستم برای تولید مجموعه داده‌های قابل اعتماد ممکن شد.

به نقل از ساینس‌دیلی، بر اساس گزارش سازمان بهداشت جهانی، سرطان عامل نزدیک به ۱۰ میلیون مرگ در سال ۲۰۲۰ بوده است و تقریبا یک مورد از هر ۶ مرگ در جهان به دلیل ابتلا به این بیماری رخ داده است. از آنجایی که تشخیص رشد سلولی غیر طبیعی بیمار اغلب خیلی دیر اتفاق می‌افتد، تشخیص به موقع سرطان یکی از مبرم‌ترین و سخت‌ترین اهداف پزشکی بشریت است. تحقیقات اخیر بر روی تشخیص سلول‌های تومور نادر در گردش خون (CTCs) متمرکز شده‌اند که به عنوان نشانگرهای غیرتهاجمی عمل می‌کنند که می‌توانند به تشخیص این بیماری کمک کنند.

جداسازی سلول‌های قابل کنترل مورد نظر، برای بررسی ذاتا دشوار است. روش‌های سنتی معمولا به آماده‌سازی نمونه دقیق، تجهیزات قابل توجه و حجم نمونه زیاد نیاز دارند و حتی در این صورت، جداسازی مؤثر سلول‌های مورد نظر آسان نیست.

دو محقق دانشگاه صنعتی خواجه نصیرالدین طوسی در تهران، سیستم جدیدی را پیشنهاد کردند که از امواج صوتی سطح ایستاده برای جداسازی تومورها از گلبول‌های قرمز در گردش خون با دقت و کارایی بی سابقه‌ای استفاده می‌کند. در پلتفرمی که افشین کوهگرد و ناصر ناصری‌فر توسعه دادند، مدل‌سازی محاسباتی پیشرفته، تحلیل تجربی و الگوریتم‌های هوش مصنوعی برای تحلیل پدیده‌های پیچیده آکوستوفلویدیک ادغام شده است.

ناصری‌فر می‌گوید: ما الگوریتم‌های یادگیری ماشینی را با مدل‌سازی مبتنی بر داده و داده‌های محاسباتی ترکیب کردیم تا سیستمی را برای نرخ بازیابی بهینه و نرخ جداسازی سلول‌ها تنظیم کنیم. سیستم ما در شرایط بهینه، با کاهش قابل توجه مصرف انرژی از طریق کنترل دقیق فشارهای صوتی و نرخ جریان، به بازیابی ۱۰۰ درصدی دست می‌یابد.

از آنجایی که راه‌های مختلفی برای غنی‌سازی ذرات از طریق میکروسیال‌ها پدیدار شده‌اند، آنهایی که از آکوستوفلویدیک‌ها استفاده می‌کنند، بسیار امیدوارکننده هستند؛ زیرا زیست‌سازگار هستند و طول موج‌هایی در مقیاس سلولی تولید می‌کنند.

محققان با روش خاص خود، از میدان‌های صوتی با فشار دوگانه استفاده کردند که تاثیر را بر سلول‌های هدف دو برابر می‌کند و به‌طور استراتژیک آنها را در موقعیت‌های هندسی کانال بحرانی روی یک بستر لیتیوم نیوبات قرار می‌دهد. با استفاده از فشار آکوستیک اعمال شده در میکروکانال، طراحی سیستم، تولید مجموعه داده‌های قابل اعتمادی را ممکن می‌کند که زمان تعامل سلولی و الگوهای مسیر را نشان می‌دهد که به پیش‌بینی مهاجرت سلول‌های تومور کمک می‌کند.

کوهگرد می‌گوید: ما یک پلتفرم پیشرفته و آزمایشگاهی روی تراشه تولید کرده‌ایم که جداسازی سلولی را در لحظه، با مصرف کم و دقت زیاد ممکن می‌سازد. این فناوری نوید بهبود کارایی جداسازی تومور در گردش خون را می‌دهد و فرصت‌های جدیدی را برای تشخیص زودهنگام و مؤثر سرطان، فراهم می‌کند. همچنین راه را برای ایجاد هوش مصنوعی کاربردی در پزشکی شخصی و تشخیص سرطان هموار می‌کند.