解码呼气VOC精准诊断疾病和健康
呼气VOC能够诊断哪些疾病？微量的VOC分子如何与特定的疾病实现关联？
在确认呼气VOC与特定疾病的关系上，需要大量严谨的临床试验，通过VOC分析仪器采集病人与健康人的呼气图谱进行对比，找到重复且有差异的VOC分子组合作为疾病生物标志物进行疾病判断。
在这一方法基础之上，形成了呼气代谢组学（breath metabolomics）的概念。通过对由上百种呼气VOC分子组成的图谱进行信号模式识别，可同时诊断十几种甚至更多种疾病；通过医疗大数据和深度学习技术，可以进一步提高诊断的精准性并扩大适应症。
呼气VOC疾病关联图谱
在疾病研究中，对于某些疾病与呼气VOC信号分子的关联已经有了大量明确且清晰的证据。目前，呼气VOC可以用于诊断的疾病包括：癌症，例如肺癌、结直肠癌、胃癌等，感染性疾病，慢性疾病，例如阿兹海默症、糖尿病等。
呼气代谢组学经过近50年的积累，除了越来越多的科研跟进，近年来世界顶尖的专业医疗机构，如美国的Mayo Clinic、克利夫兰医院以及头部的仪器公司，包括Thermo Fisher、Markes International，还有多家新兴的科技公司都在快速跟进呼气检测的临床应用推广。呼气代谢组学的产业化产品将在不远的将来进入市场。
高分辨率的小型化技术或可是破局之关键
呼气VOC能被发现诊断疾病，离不开高精密度的色谱和质谱分析技术。这些技术对仪器本身以及数据分析都有着极高的要求，技术的突破是产业化和市场化的关键点。
呼气中VOC的含量通常非常稀少，低至百万分之一（ppm~10-6）甚至十亿分之一（ppb~10-9）的水平，需要应用特殊的样本前处理技术及灵敏度极高的仪器对其进行检测。
目前，已有VOC检测设备主要包括气相色谱仪 （gas chromatography, GC）、气相色谱质谱联用仪（gas chromatography/mass spectrometry，GC-MS）、质子转移反应质谱仪（proton transfer reaction mass-mass spectrometry，PTR-MS）及电子鼻传感器等。
在这几种检测仪器中，科研最常用的是高灵敏气相色谱质谱联用分析系统（GC–MS）。GC–MS分析系统，可以有效地离线收集、分离和鉴定人呼气中大多数VOC，如脂族化合物、醇、醛、酮、胺及卤代化合物，也足够灵敏地去量化ppb水平的VOC。但GC-MS耗时、昂贵、操作困难等是广泛临床应用的巨大阻力。
现有的大型分析设备无法实现呼气检测的大规模临床应用。
以气相色谱和质谱技术为例，现有的大型气相色谱仪器并不是针对临床呼气分析设计的，所以，中央实验室的气相色谱仪器在呼气收集和进样系统上存在不足。另外，目前呼气VOC检测的质谱技术对于分析条件的要求十分苛刻：质谱分析都需要在超真空的环境中实现分子的离子化，而性能优的真空泵体积庞大，限制了质谱仪器的小型化；而有的质谱仪器小型化后，真空度达不到要求，很多离子和其他气体分子碰撞后会湮灭，造成信息丢失，因此分辨率、灵敏度达不到呼气分析的要求。
全球领先的呼气VOC检测研发团队几乎都在尝试将呼气检测分析设备实现小型化。只有实现设备的小型化，才能实现呼气检测应用场景的扩大。
麻省理工学院的生物医学工程教授Sangeeta Bhatia在Nature Nanotechnology杂志中提出：“呼气检测以其简易与无创的特点成为非常实用的疾病诊断手段 。一些超高灵敏度的微型气体分析技术使得即时检测（ POCT ）成为可能。”[3]
因此高灵敏度、高分辨率的微型气体分析仪器的出现会大大加速呼气代谢组学的发展。
高灵敏、高分辨率的小型化技术成为了呼吸检测破局之关键。呼吸检测的大规模临床推广需要呼气分析仪器在样本收集、样本分析和数据分析三方面稳定可靠，而高灵敏、高分辨率的微型气体分析仪器便于在临床场景中即时收集呼气样本，并且精准地分析呼气VOC信号图谱，为呼气代谢组学提供可靠稳定的保障。与此同时，人工智能AI技术的加入会让呼气VOC分析甚至是行业发展如虎添翼。通过最先进的AI技术，将呼气代谢组学结合大数据、算法和算力，形成动态且精准的诊断结果。由此，便能为呼吸检测临床推广和产业化发展在重复性、一致性和稳定性等方面提供保证。这样的融合一旦成为现实，无论是对医护人员还是广大患者来说，都是一大福音。
呼吸代谢组学的另一个关键还包括疾病VOC标志物的确定以及病理相关机制的探索。可喜的是，学术界和工业界正在一起联合推进相关进展。工业界负责寻找呼气疾病信号分子和疾病的关联性，确认Biomarker；学术界去帮助确定这些呼气VOC信号分子产生的代谢途径和机理。
