呼吸道感染是全球關注的常見高發疾病，主要由細菌、病毒、支原體等感染引起。準確快速區分不同的感染病因有助于早期預警、識別感染人群、優化治療策略，且減少抗生素的過度使用。目前，臨床通過血常規檢查、鼻咽拭子抗原分析和基于PCR的痰或血液培養來區分細菌和病毒感染。然而，這些方法耗時較長且依賴于復雜的實驗室基礎設施。基于PCR的FilmArray是唯一一款FDA批準的用于識別特定細菌和呼吸道病毒感染的快檢裝置。雖然該技術在區分細菌和病毒感染方面具有便捷和特異性，但仍缺乏實時診斷能力。隨著互聯網和AI醫療的發展，開發與物聯網（IoT）兼容的快速自測診斷方式對于快速獲取在線醫療服務具有重要意義。使用嗅覺傳感器對人體呼出氣體(EB)進行檢測將促進小型無創診斷設備在家庭或社區的廣泛應用，降低呼吸道疾病交叉感染的風險，并有望建立在線醫療保健網絡。近日，浙江大學化學系鄔建敏教授團隊通過石墨烯復合材料的創新，構建了高靈敏高辨識度嗅覺傳感系統，通過人體呼出氣(EB)感知即可高效判別呼吸道感染類型。研究成果近日發表于美國化學會著名期刊ACS Nano。

研究亮點

1、材料創新

研究團隊通過氣敏受體調控策略構建了超靈敏高識別度的石墨烯的嗅覺傳感器。研究表明還原氧化石墨烯(rGO) 可通過π-π電子堆積相互作用與二維金屬有機框架材料(2D-MOF)和金屬酞菁(MPc)化合物緊密結合，從而形成高性能氣敏復合材料。其中2D-MOF和MPc的引入豐富了氣敏受體的類型，顯著提高對多種類型氣體的感知靈敏度，此外，研究發現氧化石墨烯經過氣相、多步液相和一步液相等多種策略還原后可引入不同的缺陷位點，調控了rGO的能帶寬度，進一步豐富了石墨烯傳感陣列敏感元件的多樣性。

該嗅覺傳感器在室溫下展現出超高的靈敏度，對常見EB標志物氣體檢測的靈敏度達到ppb級，且對多種典型氣體具有優異的交叉響應性能。陣列位點之間的選擇性和靈敏度差異使得從傳感器響應中提取全面的氣體成分信息成為可能，為辨識不同疾病人體呼出氣體的“氣味指紋”細微差異奠定了基礎。圖1為人體呼出氣檢測及判別的基本流程圖。

圖1. 人體EB分析流程圖。

2、算法賦能

（1）通過機器學習算法分析傳感陣列中提取的嗅覺信號，引入了動態響應曲線中特定時間的相對響應值(R)和響應面積(RA)特征值，豐富了嗅覺傳感的訓練數據量；基于145例細菌和病毒性呼吸道感染患者的呼氣結果建立了基于RF、Lasso、SVM的加權融合分類模型。利用多個模型加權融合的方法提高了模型預測的魯棒性和準確性。

（2）該加權融合分類模型在訓練集和驗證集上對細菌和病毒性呼吸道感染呼氣的識別準確率分別為87.5%和83.7%。加權融合分類模型在訓練集和驗證集上的AUC值分別為0.93和0.87 （圖2）。

3、臨床研究性能

（1）采集了37例臨床樣本作為外部獨立測試集對所建立的分類模型進行評估。結果表明該模型對細菌和病毒性呼吸道感染的二分類準確率為75.7%，外部測試集的AUC值為0.81，表明模型的可靠性。對外部測試集中誤判病例的臨床信息進行分析，發現1例為疑似細菌感染病例。在本例中未發現明確異常，但血常規顯示各項指標存在波動。根據患者的臨床表現，最終診斷為疑似患者。在另一個病例中，一名診斷為甲流病毒感染的患者的CRP值（15.46 mg/L）落在與細菌感染相關的指標范圍內。因此，即使是傳感器誤判的病例在臨床上也可能表現出病毒合并細菌感染的特征。

（2）該模型可預測目前臨床指標無法區分的6個樣本，這些樣本均為抗原陰性，血常規指標略有波動。根據患者的癥狀，無法確認感染類型。經模型診斷為4個細菌感染和2個病毒感染。顯示出該模型作為輔助診斷工具的潛在價值。

圖2. (a)不同模型得分值的比較圖；(b)得分值密度分布比較圖；(c)混淆矩陣結果；(f)外部測試集的得分值；(g)外部測試集的ROC曲線。

展望

基于MOF、MPc修飾和不同還原方法成功構建的石墨烯基嗅覺傳感陣列，并通過加權融合分類模型提高了機器學習判別的魯棒性。與傳統的血常規和基于抗原檢測的現有臨床診斷方法相比，該技術為快速在線檢測不同呼吸道感染類型提供了一種新方法。隨著人工智能和物聯網的不斷發展，該嗅覺傳感技術將推動居家自測和社區醫學診斷的技術迭代，為常見高發疾病及流行性疾病的管理和控制提供有力的工具。目前基于石墨烯嗅覺傳感陣列的呼氣傳感系統已經通過產學研合作完成了原理機和工程機的開發。

來源：https://doi.org/10.1021/acsnano.5c04231