在追求疾病的早期诊断和及时治疗的过程中，呼气检测因其固有的安全性、无创性和便利性而备受关注。eNose因能够通过呼气检测快速提供定性或半定量结果，有望成为疾病检测中进行大规模筛查的理想设备。在这篇综述中，我校尤睿教授团队对近年来广泛应用于呼气诊断的 eNose 系统中的气体传感器阵列、模式识别算法以及现有系统进行了全面研究。研究内容显示，eNose 系统中的气体传感器敏感材料和处理技术的选择应遵循系统的预期用途和操作要求；模式识别算法的确定应保证能精准识别传感器响应信号与生理指标状态的相关性，以提高呼出生物标志物分析法在临床应用中的准确性。最后，展望未来，文章认为气体传感器阵列性能的改善、智能算法泛化能力等指标的提升以及eNose系统中各部分的协同设计有望进一步促进电子鼻系统在呼吸诊断领域的应用。
文章亮点
呼气分析是一种很有前途的医学检测技术，它能够通过分析特定气体的浓度、类型和其他特征来诊断不同的疾病。文章就人体呼出成分在疾病诊断中的应用、现有呼气检测技术以及电子鼻技术的发展和研究现状进行综述。在电子鼻技术部分，对传感器、算法和现有系统三个方面进行了详细的总结。此外，还讨论了上述技术所涉及的相关挑战和限制。最后，对eNose技术进行了总结和展望。
研究背景
常用的呼出气分析技术有气相色谱法（GC）、质谱法（MS）、光腔衰荡光谱（CRDS）以及气体传感器分析法等。气相色谱法是公认的VOCs检测最佳标准方案，但检测耗时较长，且系统运行机制复杂，需要专业的技术人员操作，不适用于医疗诊断中的即时检验。质谱法具有响应速度快、无需预处理等优点。但质谱法对测试腔体的真空度要求极高，且设备结构复杂，限制了其便携化与小型化的发展。光腔衰荡光谱吸收技术灵敏度较高，但其受限于可用的激光光源和高反射率反射镜的限制，很多波段的光腔衰荡光谱较难获得，而且设备需要高度校准且花费较大。相较于以上几类方法，气体传感器可快速给出气体检测定性或定量结果，具有灵敏度高、体积小、易封装、价格低廉等优势，基于多个传感器组成的传感器阵列还可以进一步对气体样本进行协同分析。
原理和机制
电子鼻通过气体传感器来获取气体样本的成分信息，对于组分复杂的疾病呼气检测，需要将特定的几种传感器组合成传感阵列，阵列中的每个传感器都是不同的，因此对混合气的响应在阵列中是唯一的，以实现高精度检测这一目标。方法：传感器阵列和模式识别算法相结合。研究过程：在为 eNose 系统中的气体传感器选择适当的传感材料和处理技术时，应遵循设备的预期用途和操作要求。重点与潜力：实施有针对性的模式识别算法将能识别传感器响应信号与生理指标之间的相关性，并能提高呼气生物标志物在临床诊断中的稳健性。展望未来，气体传感器阵列和智能算法的高度集成有望提高电子鼻系统在呼吸诊断领域的应用。
图文导读
上图说明：(a) 健康受试者(绿色)和肺癌组(红色)呼出气体中NO含量。(b)不同类型阻塞性睡眠呼吸暂停综合征患者呼出的CO含量图。(b1-b4) 4例身体健康程度不同的阻塞性睡眠呼吸暂停综合征患者。(c) 健康受试者与患者呼出气体中醛类物质含量的比较。(c1) 健康受试者(蓝色)和肺癌组(红色)呼出气中醛类物质检测统计结果。(c2)尿毒症血液透析(HD)患者(符号〇)、慢性肾功能不全或慢性肾功能衰竭(CRI/CRF)患者(符号x)和健康受试者(符号□)的呼气样本。(d)氨代谢。(d1)尿素循环。(d2)血液透析。
上图说明：(a) 用气相色谱法分析糖尿病患者呼气中的丙酮含量。(b) 优化和验证气相色谱-FID 测定法。(b1-b2) ABE 发酵底物和产物的浓度分布。(b3-b4) 利用热脱附电喷雾离子化-IMS-MS 检测呼气中的挥发性有机化合物。(c) 利用 eNose 和气相色谱-质谱仪分析呼出气体。(c1) eNose 系统的实验装置。(c2) 使用 MQ-137 传感器检测 4 种挥发性有机化合物样品时的电导率变化。(d) eNose 在糖尿病、NSCLC 和 COPD 患者呼出气体中的应用。(d1）2 型糖尿病患者（左）和非糖尿病患者（右）的血浆呼气丙酮散点图。(d2) eNose 对 NSCLC 和 COPD 患者的判别结果。(d3-d4）基于 eNose 的糖尿病诊断新方法。(e) eNose 在上呼吸道感染和伤口细菌检测中的应用。(e1) 利用 eNose 鉴定上呼吸道细菌病原体。(e2-e3) 开发用于伤口监测的 CP 传感器阵列。
上图说明：(a) 用于丙酮检测的 WO3/Pt 涂层 rGO 纳米片。(a1) 凹版印刷工艺示意图。(a2) 扫描电镜图像。(a3-a5）基于 WO3/GNs、WO3/Pt-GNs 和 WO3/GMs 样品的气体传感器在 200 °C 下对 10 ppm 丙酮的瞬态响应图。(b) In2O3 纳米纤维负载Pt催化剂。(b1-b2) 扫描电镜图像。(b3) 响应值与丙酮浓度之间的线性关系。(b4) Pt-In2O3 PNF 的能带示意图。(c) 基于纳米级Pt负载 Fe2O3 纳米立方体的丙酮气体传感器。(c1) 纯 Fe2O3（上）和 Pt-Fe2O3（下）的 SEM 图像。(c2) Pt-Fe2O3 在 139 °C 下暴露于高浓度丙酮的反应曲线。(d) 用于检测挥发性有机化合物的基于 MOF 的纳米颗粒。(d1) 扫描电镜图像。(d2) 传感器对不同浓度（250、500、1000 和 1500 ppm）的甲醇、乙醇、异丙醇和丙酮的灵敏度。
通讯作者：
尤睿，教授，澳门尼威斯人网站8311副院长。研究领域为纳米材料、微机电系统（MEMS）传感器和致动器、微加工工艺、生物化学检测以及智能微系统。
（供稿：尤睿教授团队 编辑：李萌 审核：杨静）
