基于频率梳的呼吸分析仪可准确检测新冠病毒肺炎

除了新冠病毒肺炎（Covid-19），该频率梳技术还可以检测其它疾病，例如慢性阻塞性肺疾病（COPD）、肺癌和肾衰竭。

据麦姆斯咨询报道，近期，由美国国家标准与技术研究院（NIST）和科罗拉多大学（University of Colorado）联合创建的美国天体物理联合实验室（JILA）的研究人员基于诺贝尔奖获奖技术——频率梳，升级完善了一款呼吸分析仪，研究人员将其与机器学习（ML）相结合，“非常准确”地检测了170名志愿者的新冠病毒（SARS-CoV-2）感染情况。

研究人员表示，该成果“是频率梳技术通过检测人类呼出气体来诊断疾病的首次真实测试”。这一进展在发表于《呼吸研究学报》（Journal of Breath Research）期刊上的“Breath analysis by ultra-sensitive broadband laser spectroscopy detects SARS-CoV-2 infection”论文中进行了介绍。

与其它呼吸分析技术相比，频率梳技术有潜力通过无创方式诊断更多种类的疾病，同时也比其它医学检测更快、更准确。

人类呼吸中含有1000多种不同的微量分子，其中许多微量分子与人体特定的健康状况有关。美国天体物理联合实验室研发的频率梳呼吸分析仪根据呼出气体样本吸收的红外光的特定波长和强度来识别分子的化学特征。

2008年，美国天体物理联合实验室的Jun Ye研究员及其同事展示了世界上第一台频率梳呼吸分析仪，该分析仪测量光谱近红外（NIR）部分的光吸收。

美国天体物理联合实验室研发的频率梳呼吸分析仪可以检测新冠病毒肺炎等疾病

2021年，他们通过将该技术扩展到中红外光谱区，使检测灵敏度提高了数千倍，在中红外光谱区域，分子对光的吸收能力更强。这使得在万亿分之一（ppt）浓度水平上的一些呼吸分子（例如人体中那些浓度最低的分子）也能被识别出来。

这项研究的另一个亮点是使用了机器学习。机器学习可处理和分析来自14836个频率“梳齿”测量的所有呼吸样本的大量数据，每个“梳齿”代表不同的频率，以创建诊断疾病的预测模型。

机器学习的益处

“与健康相关的分子浓度会随人体健康状况的变化而增加或减少。机器学习分析这些信息，识别其模式，制定可靠的检测标准，我们可以借此来预测并诊断疾病。”Jun Ye研究小组的研究生梁启忠说道，梁启忠是上述论文的主要作者。

美国天体物理联合实验室由美国国家标准与技术研究院和科罗拉多大学博尔德分校（University of Colorado Boulder）联合运营。这项研究工作是研究人员在2021年5月至2022年1月期间，通过从170名罗拉多大学博尔德分校的学生和教职员工身上采集的呼吸样本进行的。其中约一半的志愿者在新冠肺炎（COVID-19）标准聚合酶链式反应（PCR）检测中呈现阳性。另一半受试者的检测结果为阴性。

NIST/JILA研究员Jun Ye和David Nesbitt创建了一款频率梳呼吸分析仪，该呼吸分析仪通过测量激光频率梳穿过玻璃管内呼吸样本时吸收的光的波长和强度，来识别疾病的生物标志物

Jun Ye研究员说：“我确实认为该频率梳技术优于其它任何技术，其中，最基本的一点不仅在于检测灵敏度，还在于该技术可以生成更多的检测数据或呼吸标记，在人工智能（AI）的帮助下可真正建立一个全新的‘频率梳呼吸组学’领域。有了这些数据库，我们可以用它来搜索和研究人类的许多其它生理状况，并帮助推进医疗保健领域未来的发展。”

展望未来，研究人员可以通过扩大光谱覆盖范围、使用更强大的人工智能技术分析模式以及检测和分析其它分子（包括新冠病毒），来进一步提高该频率梳技术的准确性。

审核编辑：刘清