Light | 光声探物：智能回音壁模式光声传感技术

传感器是人类感知能力的延伸，帮助我们观察和理解周围的世界。从手机的指纹解锁与人脸识别，到空气质量监测，再到可穿戴设备对心率和血氧的实时追踪，所有这些功能的核心在于传感器对目标信号的高效捕捉与精准分析。

在疾病早筛、精准医疗和复杂生物体系研究中，人们迫切需要一种既灵敏又稳定、能够在真实复杂环境中直接工作的传感技术。光学传感器凭借高灵敏度、高时间分辨率和无标记检测能力，已成为先进检测技术的核心平台。传统光学传感虽已在灵敏度上不断逼近极限，但在探测范围、复杂背景适应性以及实时检测能力方面仍面临瓶颈。具体而言，当前技术的限制主要体现在三个方面：

1. 探测范围有限。 当前主流的光学传感技术多依赖表面等离激元（surface plasmon）或倏逝场（evanescent field）等近场机制，其作用距离通常限制在传感器表面几十至百纳米内。在实际检测中，目标分子需通过随机扩散运动“碰巧”进入该极短的感应范围，或通过与表面受体结合并吸附于传感器表面，才能被有效探测。在低浓度或结合率较低的条件下，检测效率很低。尤其是无标记检测中，难以检测到溶液中的微量分子。

2. 容易受背景干扰。 在未经处理的复杂样本中（如血液、环境水体），往往存在多种背景成分，如背景蛋白、盐离子、杂质颗粒等，这些因素极易干扰传感器的读出信号，降低检测的准确性与稳定性。同时，折射率变化、非特异吸附、环境温度波动、pH 值变化和机械扰动等外部因素也会引起系统性噪声或频率漂移，给定量分析带来挑战。通常需要在器件层面引入温度补偿、双通道参考结构，或通过信号处理算法进行基线校正与噪声抑制，实现对真实信号的提取与识别。

3. 依赖繁琐的样品预处理。为实现目标物的识别和灵敏度提升，现有光学传感通常依赖样本提纯、浓缩，荧光标记，纳米颗粒增强，PCR扩增等样本处理步骤。这不仅增加了检测复杂性与成本，也制约了其在现场实时检测以及去中心化检测中的应用潜力。

上述挑战不仅体现了传统光学传感机制的局限性，也凸显了跨学科协同创新的迫切需求，涉及光学、声学、数据科学、生物学等多个领域。为突破依赖表面近场的检测瓶颈，团队提出了一种全新的传感策略：将光声效应（photoacoustic effect）与高品质因子的回音壁模式微腔（whispering gallery mode, WGM）传感器相结合，赋予其更广阔的感知能力，实现主动、非近场式检测。该方法摆脱了目标分子“被动靠近”的限制，使传感器能够在更大空间范围内捕捉微弱信号，从而显著提升在复杂环境中的检测效率与可靠性。本研究基于这一思路，构建了具有远程声光感知能力的新型传感平台，旨在推动高性能传感器向更加实用、智能化的方向发展。

这种传感器的核心工作原理是基于光声效应：当脉冲激光照射到样品中的目标分子或颗粒时，这些微小物体会瞬间吸收光能，导致局部温度升高并发生热膨胀，进而产生超声波信号。由于不同粒子的尺寸、形状和光吸收特性各异，它们产生的声波带有独特的“声学指纹”。这些声波能够在介质中传播，而无需与传感器表面直接接触。微腔中的光学模式会对这些声波的微弱扰动做出响应，表现为谐振频率的细微变化。通过结合人工智能算法，传感器能够自动分析这些光声信号，识别不同粒子的特征模式，实现高效分类和精准识别。这不仅让传感器能从复杂数据中提取有价值信息，还能随着数据累积不断优化检测策略，提高判断的准确性和可靠性。这一机制显著扩展了光学传感器的作用范围。传统传感器受限于近场光学的感知范围，而光声信号可传播更远，使传感器能够主动捕捉远离表面的微弱信号。在利用声波信号扩展感知空间的同时，智能化分析进一步提升了检测可靠性，使传感器能够在复杂环境下实现对微粒或细胞的高灵敏、实时、精准检测与识别。

图1：基于光学回音壁模式微腔与光声效应的智能传感器。(a) 传统光学传感与本工作传感原理对比。(i) 传统倏逝场传感方法依赖待测物结合至传感器表面，难以有效探测流体中自由流动的颗粒。(ii) 本工作引入光声效应作为媒介。脉冲激光激发待测物后产生超声波，声波在流体中传播，可被光学模式捕获，从而实现远距离探测。(b) 基于光流体微腔的光声传感平台示意图。红色颗粒代表微流道内流动的待测物。绿色脉冲激光激发颗粒产生光声信号，信号被微腔回音壁模式光场捕获。颗粒距微腔越近，信号越强；无待测物时则无信号产生。(c) 利用红细胞内血红蛋白在532 nm处的特征光吸收，可选择性地激发红细胞产生光声信号，从复杂血液成分中实现红细胞的特异性检测

在实验中，团队首先验证了传感器对飞摩尔浓度金纳米颗粒的检测能力。不同形状和结构的金纳米颗粒（金纳米球、金纳米棒、金纳米立方体、金纳米壳）在光声响应上表现出显著差异，产生可区分的特征信号。接着，团队测试了来自不同物种（猪、绵羊、山羊、火鸡、美洲驼）的红细胞样本，并通过人工智能分析微小信号差异，“学习”出不同物种的信号特征。最后，在未经提纯处理的全血样本中进行分类测试时，AI模型仍能够准确识别不同样本的物种来源，验证了系统在复杂生物样品条件下的高实用性与稳定性。

实验结果不仅证明了这一新型传感方法的可行性，也揭示了它相较传统技术的多项关键优势。归纳来看，该技术具有以下三大亮点：

本系统创新性地引入光声机制，利用目标分子对脉冲激光的吸收行为，在不接触传感器表面的前提下通过光声效应产生超声信号，从而突破传统传感器近场探测的限制。光声信号能够在液体样品内部实现远距离传播，配合高Q值光学回音壁腔体对微弱扰动的高灵敏响应，使得系统具备深层区域的无接触探测能力，无需依赖表面吸附，为高通量的无标记探测奠定基础。

系统采用中空厚壁的泡泡型微腔设计，样品可以直接流经腔体内部，而光学模式则被限制在石英壁层内部，与流动样品保持物理隔离。这样一来，背景液体中的成分（如蛋白质、离子、杂质颗粒等）对光学模式的吸收、散射或非特异性扰动几乎不产生影响，从而保证了传感信号的高稳定性和高信噪比。在未经预处理的原始样品（例如全血样本）中，该系统仍能维持较高的信噪比和稳定的信号输出，且无需依赖复杂的样品处理、背景校正或基线补偿。这一特性显著简化了实验流程，尤其适用于全血、异质性细胞混合物、共培养体系等未经过纯化的复杂生物样品。此外，由于测量的是声学信号而非光学信号，该系统天然不受样品折射率等光学干扰影响，进一步增强了其实验稳定性和可靠性。

本研究将人工智能算法引入传感系统，针对复杂样本中的光声信号进行深度学习与特征分类。训练后的模型能够识别这些微弱但可重复测量的“声纹”特征，精准的区分不同类型的粒子或细胞。在未经纯化处理的全血样本中，系统依旧能够完成多物种红细胞及血液成分的识别，凸显了机器学习在高维复杂数据处理中的巨大潜力。AI的加持不仅提升了识别的准确性，也使得系统具备了面向多类别、复杂体系的扩展能力。

本研究创新性地将光声机制引入回音壁模式传感体系，突破了传统微腔对近场传感机制的依赖，首次实现了在复杂介质中对目标的高灵敏、远距离检测。通过腔体结构与系统参数的优化，显著提升了液体环境中的信噪比与抗干扰性能，使系统可稳定运行于血液等复杂生物样本中。结合AI算法对光声“声纹”的深度解析，进一步实现了对金纳米颗粒、多种红细胞类型乃至未经处理全血样本的高准确率分类与识别。

展望未来，该技术平台具有良好的通用性与扩展性，可广泛应用于疾病早筛、血液病理分析、药物筛选、生命过程监控等领域。进一步结合多模态传感、芯片集成与智能算法，将有望推动下一代无标记、无创、高通量的智能化生物传感系统发展，为精准医疗与基础科学研究提供坚实支撑。

本工作由美国圣路易斯华盛顿大学（Washington University in St. Louis）电子与系统工程系（Department of Electrical and Systems Engineering) Lan Yang教授课题组与Chenyang Lu教授课题组联合完成。Lan Yang教授长期从事高灵敏光学传感、微腔光子学与跨尺度传感技术的研究。Chenyang Lu是计算机科学与工程系 (Department of Computer Science & Engineering) Fullgraf讲席教授，同时兼任麻醉学、医学、神经外科和公共卫生教授，并担任人工智能健康研究院（AI for Health Institute）的创始院长，其研究方向聚焦于人工智能在医疗健康中的应用。博士后研究员Jie Liao与博士生Maxwell Adolphson为共同第一作者，Lan Yang教授为通讯作者，博士生Hangyue Li, Dipayon Kumar Sikder也参与了该工作。

Jie Liao, Maxwell Adolphson, Hangyue Li, Dipayon Kumar Sikder, Chenyang Lu, Lan Yang. Whispering-gallery-mode resonators for detection and classification of free-flowing nanoparticles and cells through photoacoustic signatures. Light Sci Appl 14, 397 (2025).

https://doi.org/10.1038/s41377-025-01978-9