Technologie d’identification des empreintes de sueur basée sur la dynamique ionique : étude d’un réseau de transistors électrochimiques organiques imprimables par jet d’encre

Contexte académique

La sueur, en tant que biomarqueur non invasif, contient des informations physiologiques riches qui peuvent refléter l’état de santé d’une personne, comme l’équilibre hydrique ou les marqueurs de maladies. Cependant, la composition de la sueur est complexe, contenant divers ions et molécules. Les dispositifs traditionnels de surveillance de la sueur reposent généralement sur des capteurs dotés d’éléments de reconnaissance biologique spécifiques (tels que des membranes sélectives aux ions et des enzymes), qui nécessitent des modifications chimiques complexes pour se lier sélectivement à des ions ou molécules spécifiques. Cependant, ces modifications chimiques complexes peuvent entraîner des dérives de signal et des interférences, limitant leur application à grande échelle. Pour résoudre ce problème, les chercheurs ont proposé une stratégie d’identification des empreintes de sueur basée sur la dynamique ionique, combinant un réseau de transistors électrochimiques organiques (Organic Electrochemical Transistor, OECT) imprimables par jet d’encre et des algorithmes d’intelligence artificielle (IA), permettant une détection et une analyse efficaces des composants de la sueur.

Source de l’article

Cette étude a été menée par des auteurs de Peking University, dont Yuanlong Shao, de Soochow University, Lizhen Huang, et de Fudan University, Ming Wang, entre autres. Elle a été publiée le 18 avril 2025 dans la revue Device, sous le titre An Inkjet-Printable Organic Electrochemical Transistor Array with Differentiated Ion Dynamics for Sweat Fingerprint Identification. La recherche a été soutenue par des fonds provenant de la Fondation nationale des sciences naturelles de Chine, entre autres projets.

Processus de recherche et résultats

1. Préparation des films poreux par impression à jet d’encre

L’étude a d’abord utilisé la technologie d’impression à jet d’encre pour fabriquer un réseau OECT avec des dynamiques ioniques différentes. Les chercheurs ont optimisé le processus d’impression en utilisant une encre composite comprenant du PEDOT:PSS, de l’éthylène glycol (Ethylene Glycol, EG) à haut point d’ébullition et le surfactant Triton X-100. Grâce à la fabrication additive sans contact, l’encre a été projetée sur un substrat pour former des films poreux. En contrôlant la température du substrat et l’espacement des gouttelettes, des motifs PEDOT:PSS de haute précision (<70 microns) ont été réalisés. Pour réguler la microstructure des films, les chercheurs ont également déclenché l’agrégation locale et la séparation de phase du PEDOT:PSS par des différences d’évaporation des solvants, formant des films 3D interconnectés poreux (3D-interconnected Porous, 3D-IP), et ont obtenu des films poreux tubulaires (Tubular Porous, TP) par traitement ultérieur au diméthylsulfoxyde (DMSO).

2. Construction du réseau OECT et caractérisation des performances électrochimiques

Basés sur les films 3D-IP et TP, les chercheurs ont construit un réseau OECT entièrement imprimé par jet d’encre. Les tests électrochimiques ont révélé que le 3D-IP-OECT présentait une cinétique d’insertion ionique plus rapide, tandis que le TP-OECT affichait un comportement d’insertion ionique plus lent. Ces différences de dynamique ionique entre les deux films ont été utilisées pour construire un réseau de détection différencié, permettant une réponse électrochimique dynamique différenciée aux composants de la sueur. De plus, en utilisant un modèle de réseau neuronal convolutif (Convolutional Neural Network, CNN), les chercheurs ont réussi à classer les empreintes de sueur, distinguant six échantillons de sueur artificielle et quatre échantillons de sueur réelle avec des précisions respectives de 95,0 % et 98,0 %.

3. Développement d’un système flexible de détection de la sueur

Les chercheurs ont ensuite développé un système flexible de détection de sueur sans fil à canaux multiples, comprenant un réseau OECT imprimé par jet d’encre, un module microfluidique, une carte de circuit adaptateur, une carte de test sans fil à canaux multiples et une application mobile. Ce système peut collecter en temps réel les données d’empreintes de sueur et transmettre les données sans fil à une application mobile pour affichage. Le système présente une excellente flexibilité, s’adaptant à la déformation de différentes parties du corps, et a montré une performance de détection stable après 600 mesures de sueur dans des conditions environnementales.

4. Identification des empreintes de sueur assistée par l’IA

Pour extraire des informations utiles des empreintes de sueur complexes, les chercheurs ont utilisé un algorithme d’IA pour l’analyse des données. À l’aide d’un modèle CNN, les chercheurs ont extrait dix points de données temporels discrets à partir des courbes courant-temps (I-t) de huit capteurs, formant un motif d’empreinte de sueur 8×10 pour entraîner le modèle d’IA. Après 300 itérations d’entraînement, le modèle a atteint une précision de 95,0 % pour les échantillons de sueur artificielle et de 98,0 % pour les échantillons de sueur réelle. De plus, en utilisant l’analyse Shapley Additive Explanation (SHAP), les chercheurs ont évalué la contribution de chaque capteur au modèle, constatant que chaque capteur contenait des informations non redondantes bénéfiques à la prédiction du modèle, renforçant ainsi sa capacité à résister aux interférences et sa robustesse.

Conclusion et signification

Cette étude propose une stratégie d’identification des empreintes de sueur basée sur la dynamique ionique, utilisant un réseau OECT imprimé par jet d’encre combiné à un algorithme d’IA pour permettre une détection et une analyse efficaces des composants de la sueur. Cette technologie offre une solution non invasive pour la surveillance de la santé, l’identification des maladies et potentiellement l’identification individuelle. La stabilité des OECT est due à leur conception intrinsèque basée sur la dynamique ionique, plutôt qu’à des modifications externes, réduisant ainsi efficacement les interférences de signal. L’étude démontre également la scalabilité et le potentiel à faible coût de la technologie d’impression à jet d’encre, ouvrant la voie au développement de dispositifs portables plus petits à l’avenir.

Points forts de la recherche

1. Stratégie innovante de dynamique ionique : En concevant des canaux OECT avec différentes microstructures, une réponse électrochimique dynamique différenciée aux composants de la sueur a été réalisée.
2. Technologie d’impression à jet d’encre : L’utilisation de l’impression à jet d’encre a permis de fabriquer un réseau OECT de haute précision, démontrant le potentiel de cette technologie dans les dispositifs portables.
3. Identification de la sueur assistée par l’IA : Le modèle CNN a réussi à distinguer plusieurs échantillons de sueur, montrant la valeur des algorithmes d’IA dans le découplage des signaux biologiques complexes.
4. Système flexible de détection sans fil : Un système flexible de détection de sueur à canaux multiples sans fil a été développé, permettant une surveillance et une analyse en temps réel des composants de la sueur.

Cette étude a non seulement fait progresser scientifiquement la technologie de détection de la sueur, mais a également fourni de nouveaux outils pour la surveillance de la santé non invasive, présentant un potentiel important pour les applications cliniques et commerciales.