编辑推荐：
慢性呼吸道疾病（如 COPD、哮喘、PRISm）威胁人类生命，现有诊断方法存在不足。研究人员开展呼出挥发性有机化合物（VOCs）作为生物标志物的研究，识别出多种 VOCs 并建立分类模型，有望成为新的诊断策略，助力疾病早期检测。
在全球范围内，慢性呼吸道疾病已然成为人类健康的一大 “劲敌”，稳坐世界第三大死因的 “宝座”。慢性阻塞性肺疾病（COPD）和哮喘这两种常见的慢性呼吸道疾病，不仅严重影响患者的生活质量，还给全球经济带来了沉重的负担。就拿 COPD 来说，根据全球慢性阻塞性肺疾病倡议（GOLD）2025 的数据，其全球患病率高达 10.3% ，预计到 2050 年，患者数量将飙升至 6 亿。哮喘也毫不逊色，全球约有 2.62 亿人深受其扰。
然而，这些疾病的诊断现状却令人担忧。目前，肺功能测试虽然是 COPD 和哮喘的主要诊断标准，但它就像一个 “麻烦的家伙”。做一次完整的肺功能测试，每个患者差不多需要耗费 30 分钟，而且结果还特别 “任性”，高度依赖患者的身体状况和配合程度。病情严重的 COPD 患者常常因为身体条件不允许，无法按照标准完成测试，导致结果不准确。这就好比在黑暗中摸索，难以精准地找到疾病的 “真面目”。
还有一种名为保留比率受损肺活量测定（PRISm）的情况，它可以看作是 COPD 的 “前期预警”，属于非阻塞性肺功能异常。全球范围内，大约 22.2%-35.8% 的 PRISm 患者最终会发展成 COPD。因此，早期发现 PRISm 患者并进行长期跟踪，对降低 COPD 的发病率至关重要。但目前，针对 PRISm 的研究少之又少，缺乏有效的早期识别方法。
在这样的背景下，上海交通大学医学院附属瑞金医院等机构的研究人员决心 “披荆斩棘”，开展了一项极具意义的研究。他们试图寻找呼出挥发性有机化合物（VOCs）中的潜在生物标志物，以此来建立能够早期检测 COPD、哮喘和 PRISm 患者的模型。这项研究成果发表在《Respiratory Research》上，为慢性呼吸道疾病的诊断带来了新的曙光。
研究人员主要采用了以下几种关键技术方法：
一是样本采集与检测。从 2023 年 8 月到 2024 年 6 月，研究人员在瑞金医院招募了 184 名 COPD 患者、66 名哮喘患者、72 名 PRISm 患者以及 45 名健康人作为对照。采集他们的呼气样本，使用便携式微气相色谱（micro GC）设备（CXBA-Alpha）进行现场分析，并通过热脱附管收集部分样本，连接微气相色谱 - 质谱仪（MSD）进一步鉴定 VOCs。
二是数据处理与分析。对原始色谱图进行预处理，包括去除异常值、基线校正、降噪和保留时间对齐等。利用 Mann - Whitney U 检验进行单变量分析，结合错误发现率（FDR）校正；通过正交偏最小二乘法判别分析（OPLS-DA）进行多变量分析，筛选出潜在的 VOC 生物标志物。同时，运用多种机器学习算法，如逻辑回归、支持向量机（SVM）、随机森林、极端梯度提升（XGBoost）和 K 近邻（KNN），建立分类模型，并使用五折交叉验证确定最优超参数。
下面来看具体的研究结果：
- 人口统计学特征：研究共纳入 367 名参与者，COPD 患者和 PRISm 患者吸烟率更高，且心血管疾病是常见的合并症。COPD 患者的肺功能损伤最为严重，存在明显的阻塞性肺通气功能障碍和小气道阻塞。
- 不同组间的特征性 VOCs：通过分析，发现了多种能区分不同组别的 VOCs。例如，与健康对照组相比，COPD 患者有 9 种 VOCs 浓度存在显著差异，其中 3 种（VOC@464.830、VOC@521.740、VOC@537.162）浓度升高，6 种（VOC@531.953、VOC@691.343、VOC@762.87、VOC@815.632、VOC@910.533、VOC@916.565）浓度降低。PRISm 组与健康对照组相比，也有 9 种 VOCs 不同，部分与 COPD 组相同，但变化趋势有所差异，如对二甲苯（p-Xylene）在 COPD 组中显著降低，在 PRISm 组中却升高。哮喘组与其他组相比，同样发现了多种具有区分性的 VOCs。
- 基于 VOCs 的分类模型：研究人员利用识别出的 VOC 标记物结合基线特征，构建了 5 种不同的机器学习模型。随机森林模型在区分 COPD 和健康对照方面表现最佳，受试者工作特征曲线下面积（AUC）达到 0.92±0.01；支持向量分类器（SVC）模型在区分 PRISm 和健康对照时效果最好，AUC 为 0.78±0.01；逻辑回归模型在区分哮喘和 PRISm、哮喘和 COPD 时表现良好，AUC 分别为 0.74±0.02 和 0.92±0.01。
在研究结论和讨论部分，研究人员发现呼出的 VOCs 能够有效地将 COPD、PRISm、哮喘患者与健康人区分开来，基于 VOCs 和人口统计学特征建立的分类模型在不同组别的区分中展现出了良好到优秀的性能。这表明基于 VOC 面板的分类模型有望成为慢性呼吸道疾病诊断的新策略，尤其是对 PRISm 个体的快速识别具有重要意义。
不过，研究也存在一些局限性。比如部分 VOCs 的化学鉴定不完全，研究规模相对有限，研究周期较短，无法充分评估 PRISm 组中 VOCs 的预测价值，而且呼出的 VOCs 还容易受到胃肠道气体的干扰等。但即便如此，这项研究依然为慢性呼吸道疾病的早期诊断开辟了新的道路。未来，随着研究的不断深入和技术的进一步发展，有望通过优化特征选择、扩大样本量、改进检测技术等方式，提高诊断模型的准确性和可靠性，为全球众多慢性呼吸道疾病患者带来更多的希望。
