تست‌های لترال فلو (LFA) به‌دلیل سادگی، سرعت پاسخ، قابلیت حمل و هزینه‌ی پایین، پرکاربردترین ابزار تشخیص نقطه‌مراقبت (Point-of-Care) هستند؛ اما همچنان با محدودیت‌هایی مانند حساسیت ناکافی، دشواری در تعیین کمّی نتایج و محدودیت در تشخیص هم‌زمان چند آنالیت مواجه‌اند. این مقاله به بررسی راهکارهای نوین برای غلبه بر این محدودیت‌ها می‌پردازد، از جمله روش‌های تغلیظ نمونه، تقویت سیگنال و معماری‌های چندگانه (Multiplex). نکته‌ی برجسته‌ی این پژوهش، بررسی ادغام هوش مصنوعی (AI) و سیستم‌های خوانش گوشی هوشمند با LFA است که تفسیر نتایج را عینی‌تر، دقیق‌تر و قابل انتقال بی‌سیم کرده و درعین‌حال سادگی و هزینه‌ی پایین تولید این تست‌ها را حفظ می‌کند.

منبع: مجله‌ی Talanta، ژوئن ۲۰۲۶
لینک: https://pubmed.ncbi.nlm.nih.gov/41637804/