人体呼气分析中光声光谱技术的研究进展

《Frontiers in Physics》：Advances in photoacoustic spectroscopy for human breath analysis

　　

人体呼出气中含有可反映代谢活动并可能提供疾病信息的挥发性有机物和无机气体。呼气采样无创、可重复，且适合纵向监测，因此在疾病筛查和生理评估方面具有吸引力。光声光谱（PAS）兼具高灵敏度与紧凑低体积气池的优势，已成为呼气气体测量的重要技术。然而，其在实际呼气分析中的性能不仅受光学和声学灵敏度影响，还受呼气采样、湿度、气体交换、管路延迟和分子吸附等因素制约。本小型综述总结了基于PAS的呼气分析近期进展，重点讨论了目标气体定量、多组分测量和呼气指纹图谱。PAS已被用于检测呼出气生物标志物，如一氧化碳（CO）、甲烷（CH₄）、丙酮、异戊二烯和丙泊酚，相关研究正逐步从标准气体混合物和模拟呼气扩展到志愿者测量、探索性患者队列研究及初步临床应用。多组分分析受益于多波长激发、光谱拟合、声学模式分配和样品预富集，提高了在复杂气体基质和宽浓度范围内的测量能力。基于复合挥发性有机物响应的呼气指纹图谱方法也显示出区分哮喘、慢性阻塞性肺疾病（COPD）等疾病的潜力，但多数研究仍局限于小规模单中心队列。进一步推进需要标准化的呼气采集、可靠的湿呼气基质效应校正、多种生物标志物同时测量、与既有参考方法的比较，以及在独立多中心研究中的验证。加强光声信号、化学成分与临床解读之间的关联，对于PAS在人体呼气分析中的更广泛应用至关重要。

2 光声光谱原理概述

PAS通过非辐射分子弛豫将光吸收转化为声学信号。气体吸收调制光后，吸收的能量经分子碰撞转化为周期性加热，进而产生温度和压力振荡，可通过微音器、石英音叉、悬臂梁或光学声学读出方式检测。在常规共振PAS气池处于线性弱吸收区域时，光声压力幅值可表示为p_PA=C_cellE_relaxρσ(ν?)P₀，即信号与分子数密度、吸收截面、光功率、弛豫效率和气池声学传递特性有关。人体呼气引入的额外因素会改变这一关系：水蒸气和CO₂既可产生光谱干扰，也可改变分子弛豫速率；气体组成变化还会影响声速、共振频率、声损耗和气池品质因数。因此，将波长选择、呼气采样条件、湿度控制以及基质匹配校准或校正综合考虑，是PAS用于人体呼气分析时必须面对的问题。

3 基于PAS的人体呼气分析进展

3.1 呼气基质中的靶向检测

靶向PAS特别适合测量在有限干扰光谱区具有清晰吸收特征的呼气生物标志物。已有研究利用特征吸收实现了CO和CH₄的选择性定量。Mao等人采用1650.96 nm分布反馈（DFB）激光器和光纤法布里-珀罗声学传感器，在30 s平均时间下达到64 ppb的CH₄检出限。Maurin等人使用4.7 μm量子级联激光器（QCL）的离轴石英增强光声光谱（QEPAS）检测CO，发现呼气采样方案显著影响测量可靠性。Li等人采用缓冲气流石英增强光声光谱（BF-QEPAS）实现8名健康志愿者呼出气NH₃的实时ppb级测量，并明确评估了测量系统中的吸附-脱附效应。

时间响应和与参考方法的一致性对在线呼气测量同样重要。Pangerl等人将PAS测量的呼出气异戊二烯和丙酮与质子转移反应飞行时间质谱（PTR-ToF-MS）比较，发现静态肺泡气样本的一致性优于动态运动测量，说明静态条件下的吻合并不能保证逐呼吸精度。Li等人将拍频检测引入常规共振PAS，以约230 ms的采样间隔连续采集，但完整气体路径仍引入约10 s的额外传输延迟。当弱吸收生物标志物与高浓度呼气组分吸收重叠时，仅靠波长选择可能不够。Meidert等人采用双波长差分方法补偿丙酮干扰，对10例麻醉患者进行了总计18 h的丙泊酚监测，并与离子-分子反应质谱比较，提供了患者队列和参考方法层面的证据，但尚未建立独立的临床诊断有效性。

3.2 多组分呼气分析

多组分测量是PAS呼气分析的重要方向。Mitrayana等人研制的CO₂激光PAS系统虽以丙酮为靶标，但所选激光线上乙烯和NH₃也有明显贡献，因此将三种气体纳入多组分校准与浓度反演方案。Pangerl等人使用可调谐QCL在含H₂O和CO₂的合成呼出气中记录丙酮和乙醇的多组分光谱，实现了重叠吸收特征的分离与定量。针对呼气组分浓度差异大的问题，Sun等人在同一光声气池中利用基频与泛频吸收带响应的差异测量痕量CH₄和高浓度CO₂，CH₄检出限为320 ppb，CO₂检出限为450 ppm，响应时间为1 s。Yin等人将该思路扩展到潮气末二氧化碳（ETCO₂）和潮气末氧（ETO₂）的在线监测，采样体积为2.6 mL，亚秒级响应，CO₂和O₂检出限分别为12.6 ppm和18.4 ppm，并进行了人体呼吸测量。

对于低浓度生物标志物，样品预富集可进一步提升灵敏度。Liu等人研制了基于T形共振腔和多声源多共振频率的PAS系统，结合Cu-ZSM-5预富集器，使NO灵敏度提高约16.6倍，在模拟呼气基质中达到465 ppt的检出限，富集与测量周期约为110 s。该结果展示了样品预富集的分析优势，但尚不能由此确证临床性能。

3.3 基于复合VOC响应模式的呼气指纹分析

呼气指纹不单独定量某一化合物，而是利用VOC混合物整体光声响应的差异，结合多元分析对呼气样本进行分类。Nidheesh等人使用266 nm紫外光声光谱（UV-PAS）分析20名健康者和15例哮喘患者的呼气样本，采用主成分分析（PCA）和匹配/不匹配分类器区分两组，灵敏度为89%，特异性为93%，受试者工作特征曲线下面积（AUC）约为0.94。该组后续研究从两个方向增加呼气指纹测量维度：一是将PAS与激光诱导荧光（LIF）结合，利用同一266 nm激发源获得非辐射弛豫与荧光发射的互补信息；二是比较213、266、355和532 nm激发下的光声响应，并主要基于266 nm响应区分24例哮喘患者、20例COPD患者和25名健康者，以健康样本为参考校准集时灵敏度和特异性分别为88%和89%，不同分类模型的AUC超过0.9。

呼气指纹研究依赖对复合PAS响应的多元分类，因此机器学习工作流的合理性需与分类性能一同评估。首要要求是参与者级别数据分离，同一参与者的所有测量应归入同一训练、验证或测试分区，否则会造成信息泄漏。其次，预处理、降维、特征选择、模型选择、超参数调优和分类阈值优化等建模步骤应仅在训练数据内进行，最好采用参与者级别的嵌套交叉验证。类别不平衡应通过参与者级别分层或适当权重处理，并明确报告分析单位。模型性能应给出置信区间，最终锁定模型还须在独立外部队列中验证。UV-PAS呼气指纹已从单波长二分类发展到多模态和多疾病分析，但现有证据仍限于小规模单中心概念验证，独立测试队列和多中心验证尚少见报道。

4 临床转化中的挑战

临床转化始于标准化和具有生理学定义的呼气采样。死腔气、混合呼气气和潮气末肺泡气对应不同生理腔室，生物标志物浓度可能存在显著差异；呼气流量、屏气时长、采样体积或CO₂触发时机的改变都会影响测量结果。未来系统应集成低死体积气路、同步流量或压力监测，以及CO₂引导的潮气末分段，并报告呼气程序、采样流量、样本体积、管路长度、气体传输延迟和重复测量间隔。

湿呼气会同时影响PAS的光学与声学响应。H₂O和CO₂可产生光谱干扰、改变分子弛豫、声速、共振频率、声损耗和品质因数。NH₃等极性分子在管路和气池表面的吸附还会造成记忆效应和恢复延迟。这些影响难以仅用干燥标准气体校准结果校正，需要基质匹配校准、湿度和CO₂同步监测、惰性或钝化气路、共振频率跟踪和动态恢复测试。标准气体或模拟呼气得到的低检出限只说明分析能力，健康志愿者测量提供可行性证据，特征明确的患者队列、重复测量和参考方法比较则提供更强证据。临床转化还要求统一测量方案、预设临床终点、明确纳排标准，并报告重复性、测量不确定度和诊断置信区间。呼气指纹分析还面临模型过拟合、批次效应以及吸烟、药物、饮食、年龄和合并症等混杂因素，应在参与者级别划分训练与测试集，并在独立外部队列中评估最终模型。

5 讨论与展望

现有PAS呼气研究覆盖不同层次的分析与临床证据。报告检出限时应结合呼气样本的真实性、基质效应控制、总测量周期、参考方法一致性及研究设计综合判断。三种PAS策略针对不同分析目标，不应采用同一标准评价：靶向检测应强调定量准确性、分子选择性、响应时间和校准可溯源性；多组分分析还需考虑光谱串扰、浓度范围差异和浓度反演不确定性；呼气指纹则相对不依赖单个化合物定量，但需要严格控制混杂因素、独立模型验证和提高化学可解释性。检出限对所有策略都重要，但更低的检出限未必带来更可靠的生理或临床信息。

未来仪器发展应聚焦稳定可调谐光源、低吸附气路、快速气体交换的小型光声池、快速解调、共振跟踪以及湿度和CO₂实时补偿。增大光功率可增强光声信号，但可能增加窗口和壁面背景；减小气池体积可改善时间响应，但可能影响声学增强；样品预富集可提高灵敏度，但会延长测量时间。这些权衡应根据预期应用而非仅按灵敏度评估。多光源组合、光谱拟合和不同声学模式有望实现主要呼吸气体的同时测量；预富集可进一步改善弱吸收或低浓度化合物的测量，但报告总响应时应包含富集和恢复时间。呼气指纹分析建议与GC-MS或PTR-MS配对测量，以识别复合光声响应差异对应的化学成分；分类模型应在足够大的数据集上开发，测试前固定模型，并在前瞻性多中心研究中验证。将选定生物标志物的定量测量与复合VOC指纹相结合，可能在测量准确性、分类性能和临床可解释性之间取得实际平衡。随着呼气采样、基质校正、多组分测量和临床验证的持续改进，PAS有望从灵敏的实验室技术发展为可靠的人体呼气分析平台。