用人工智能实现无创“细胞内记录”，长期监测心脏电活动

细胞水平电生理信息记录对心脏和神经研究的基础科学及临床转化至关重要。传统细胞外记录（如微电极阵列，MEA）虽能长期高通量监测，但信号幅度和信噪比低，难以反映细胞内动作电位特征；膜片钳等细胞内记录方法虽信噪比高、信息丰富，但操作复杂、通量低，且因 invas性导致记录时间短（仅几小时），无法长期监测。MEA结合电穿孔等穿孔技术可实现高通量细胞内记录，但穿孔后细胞膜会自我修复，记录时间短暂（通常<5分钟），反复穿孔还会累积细胞损伤，长期连续记录仍是难题。

本研究提出“继承式无创细胞内记录”方法，核心是AI-MEA-EP系统：基于MEA-EP系统短暂（约1分钟）微创采集细胞内信号，同时长期无创记录细胞外信号，构建细胞外-细胞内信号对数据集，训练CNN-LSTM AI模型学习两者关系。测试时，将无创记录的细胞外信号输入模型，即可转换为“伪细胞内动作电位”。为减少MEA或细胞差异影响，通过单次MEA-EP获取物理细胞内信号进行模型自校准。

实验验证显示，AI-MEA-EP转换的细胞内动作电位与MEA-EP物理记录高度一致，波形偏差<0.3%，动作电位时程10-90（APD10-90）误差<0.3 ms。该方法可连续5天以上监测心肌细胞内动作电位，在药物处理（如异丙肾上腺素、胺碘酮）和葡萄糖刺激下，能准确捕捉细胞内动作电位的变化，包括去极化/复极化时间、APD等关键参数的改变。

该方法突破了传统技术的局限，实现了无细胞毒性、长期、单细胞分辨率、多通道并行的细胞内记录，为药物筛选、疾病建模和细胞电生理研究提供了有力工具，对推动细胞水平心脏疾病研究具有重要意义。