为了满足心血管护理中对快速廉价凝血检测的迫切需求，由悉尼大学 Lining Arnold Ju 领导的团队介绍了一种新的应用，即将 COVID-19 快速抗原检测 (RAT) 重新用于纸质横向流动检测 (LFA)，并结合机器学习来评估凝血状态。

该研究结果发表在《Med-X》杂志上。

通过进一步开发移动应用原型，他们提供了一个平台，使临床医生能够利用现有的疫情后资源立即准确地调整抗凝剂量。他们的概念验证采用随机森林机器学习分类器来解释 RAT NC 膜上的图像特征变化，将再钙化柠檬酸全血中的红细胞(RBC) 扩散距离与凝血粘度的变化关联起来，易于解释。

通过对纸微流体进行共聚焦成像研究，他们的方法为解剖凝血成分的机制提供了见解，实现了较高的分类精度、召回率和 F1 分数。红细胞扩散距离与依诺肝素浓度之间的反比关系为机器学习铺平了道路，以实时调整处方剂量，与个体患者情况保持一致，从而优化治疗效果。

这项研究不仅展示了利用剩余 RAT 进行凝血管理的潜力，还体现了一种经济高效、快速且智能的策略，可增强后疫情时代的临床决策能力。创新性地将广泛使用的 COVID-19 RAT 重新用于凝血性测试，是对后疫情时代丰富的资源和成熟的基础设施的战略性和智能化的适应。