常見的呼氣檢測在臨床上已有廣泛的應用，根據(jù)弗若斯特沙利文（Frost ＆ Sullivan）咨詢公司的數(shù)據(jù)，2018年我國的呼氣檢測市場規(guī)模約為19億人民幣，2020年預計增長到30億元。整個呼氣檢測市場90％都是由檢測幽門螺旋桿菌的尿素呼氣檢測構成。除了幽門螺旋桿菌檢測外，臨床中已有的呼氣檢測項目還包括醉酒檢測、CO檢測新生兒黃疸、NO檢測哮喘等多種呼氣檢測。這些呼氣檢測對于大眾來說并不陌生，技術也較成熟。

呼氣VOC檢測和這些已有的呼氣檢測的根本區(qū)別在于前者檢測的是有機物而非無機物分子。

呼氣檢測的生物標志物可以分為兩類：一類是呼氣中的無機物分子，比如NH3、H2S，還有NO、CO、H2／CH4。無機物分子主要來自菌類，例如13C和14C主要用于檢測幽門螺旋桿菌，H2／CH4 用于檢測腸道菌群紊亂。

而VOC檢測則專注于有機物分子。呼氣中的VOC含量稀少，是全身各個器官組織新陳代謝產物的重要組成部分，包括碳氫化合物（芳香族和脂肪族）、含氧有機物（醛、醇、酚、羧酸、醚和呋喃）等。

解碼呼氣VOC精準診斷疾病和健康

呼氣VOC能夠診斷哪些疾�。课⒘康腣OC分子如何與特定的疾病實現(xiàn)關聯(lián)？

在確認呼氣VOC與特定疾病的關系上，需要大量嚴謹?shù)呐R床試驗，通過VOC分析儀器采集病人與健康人的呼氣圖譜進行對比，找到重復且有差異的VOC分子組合作為疾病生物標志物進行疾病判斷。

在這一方法基礎之上，形成了呼氣代謝組學（breath metabolomics）的概念。通過對由上百種呼氣VOC分子組成的圖譜進行信號模式識別，可同時診斷十幾種甚至更多種疾��；通過醫(yī)療大數(shù)據(jù)和深度學習技術，可以進一步提高診斷的精準性并擴大適應癥。

呼氣VOC疾病關聯(lián)圖譜

在疾病研究中，對于某些疾病與呼氣VOC信號分子的關聯(lián)已經有了大量明確且清晰的證據(jù)。目前，呼氣VOC可以用于診斷的疾病包括：癌癥，例如肺癌、結直腸癌、胃癌等，感染性疾病，慢性疾病，例如阿茲海默癥、糖尿病等。

呼氣代謝組學經過近50年的積累，除了越來越多的科研跟進，近年來世界頂尖的專業(yè)醫(yī)療機構，如美國的Mayo Clinic、克利夫蘭醫(yī)院以及頭部的儀器公司，包括Thermo Fisher、Markes International，還有多家新興的科技公司都在快速跟進呼氣檢測的臨床應用推廣。呼氣代謝組學的產業(yè)化產品將在不遠的將來進入市場。

高分辨率的小型化技術或可是破局之關鍵

呼氣VOC能被發(fā)現(xiàn)診斷疾病，離不開高精密度的色譜和質譜分析技術。這些技術對儀器本身以及數(shù)據(jù)分析都有著極高的要求，技術的突破是產業(yè)化和市場化的關鍵點。

大型氣相色譜質譜聯(lián)用儀器與質譜設備

呼氣中VOC的含量通常非常稀少，低至百萬分之一（ppm～10－6）甚至十億分之一（ppb～10－9）的水平，需要應用特殊的樣本前處理技術及靈敏度極高的儀器對其進行檢測。

目前，已有VOC檢測設備主要包括氣相色譜儀 （gas chromatography， GC）、氣相色譜質譜聯(lián)用儀（gas chromatography／mass spectrometry，GC－MS）、質子轉移反應質譜儀（proton transfer reaction mass－mass spectrometry，PTR－MS）及電子鼻傳感器等。

在這幾種檢測儀器中，科研最常用的是高靈敏氣相色譜質譜聯(lián)用分析系統(tǒng)（GC–MS）。GC–MS分析系統(tǒng)，可以有效地離線收集、分離和鑒定人呼氣中大多數(shù)VOC，如脂族化合物、醇、醛、酮、胺及鹵代化合物，也足夠靈敏地去量化ppb水平的VOC。但GC－MS耗時、昂貴、操作困難等是廣泛臨床應用的巨大阻力。

現(xiàn)有的大型分析設備無法實現(xiàn)呼氣檢測的大規(guī)模臨床應用。

以氣相色譜和質譜技術為例，現(xiàn)有的大型氣相色譜儀器并不是針對臨床呼氣分析設計的，所以，中央實驗室的氣相色譜儀器在呼氣收集和進樣系統(tǒng)上存在不足。另外，目前呼氣VOC檢測的質譜技術對于分析條件的要求十分苛刻：質譜分析都需要在超真空的環(huán)境中實現(xiàn)分子的離子化，而性能優(yōu)的真空泵體積龐大，限制了質譜儀器的小型化；而有的質譜儀器小型化后，真空度達不到要求，很多離子和其他氣體分子碰撞后會湮滅，造成信息丟失，因此分辨率、靈敏度達不到呼氣分析的要求。

全球領先的呼氣VOC檢測研發(fā)團隊幾乎都在嘗試將呼氣檢測分析設備實現(xiàn)小型化。只有實現(xiàn)設備的小型化，才能實現(xiàn)呼氣檢測應用場景的擴大。

麻省理工學院的生物醫(yī)學工程教授Sangeeta Bhatia在Nature Nanotechnology雜志中提出：“呼氣檢測以其簡易與無創(chuàng)的特點成為非常實用的疾病診斷手段 。一些超高靈敏度的微型氣體分析技術使得即時檢測（ POCT ）成為可能�！保�3］

因此高靈敏度、高分辨率的微型氣體分析儀器的出現(xiàn)會大大加速呼氣代謝組學的發(fā)展。

高靈敏、高分辨率的小型化技術成為了呼吸檢測破局之關鍵。呼吸檢測的大規(guī)模臨床推廣需要呼氣分析儀器在樣本收集、樣本分析和數(shù)據(jù)分析三方面穩(wěn)定可靠，而高靈敏、高分辨率的微型氣體分析儀器便于在臨床場景中即時收集呼氣樣本，并且精準地分析呼氣VOC信號圖譜，為呼氣代謝組學提供可靠穩(wěn)定的保障。與此同時，人工智能AI技術的加入會讓呼氣VOC分析甚至是行業(yè)發(fā)展如虎添翼。通過最先進的AI技術，將呼氣代謝組學結合大數(shù)據(jù)、算法和算力，形成動態(tài)且精準的診斷結果。由此，便能為呼吸檢測臨床推廣和產業(yè)化發(fā)展在重復性、一致性和穩(wěn)定性等方面提供保證。這樣的融合一旦成為現(xiàn)實，無論是對醫(yī)護人員還是廣大患者來說，都是一大福音。

呼吸代謝組學的另一個關鍵還包括疾病VOC標志物的確定以及病理相關機制的探索�？上驳氖牵瑢W術界和工業(yè)界正在一起聯(lián)合推進相關進展。工業(yè)界負責尋找呼氣疾病信號分子和疾病的關聯(lián)性，確認Biomarker；學術界去幫助確定這些呼氣VOC信號分子產生的代謝途徑和機理。