呼出气生物学标志物在慢阻肺早期筛查中的新进展

由中华医学会、中华医学会呼吸病学分会主办，甘肃省医学会呼吸病学和结核病学分会、兰州大学第一医院协办的中华医学会第十一届慢性阻塞性肺疾病学术会议于甘肃兰州隆重召开。会议汇聚了全国呼吸病学专家，围绕慢阻肺（COPD）防治与科研展开深入交流。一项关于呼气代谢组学在慢阻肺早期筛查中的创新研究引发了广泛关注--《呼出气生物学标志物及相关诊断模型在PRISm诊断中的应用》，研究结果显示，PRISm（保留比率的肺功能减损）、COPD和哮喘患者的呼出气VOCs存在差异。

上海交通大学附属瑞金医院的周敏教授及其团队，结合此次大会公布的新研究成果，就"呼出气生物学标志物在PRISm诊断中的应用"及其相关议题进行了深入浅出的分享，旨在推动慢阻肺病的早期筛查与管理进程，为患者带来更早的干预与更好的治疗机会。

周敏 教授

上海交通大学医学院附属瑞金医院

主任医师，正教授，法国居里研究所博士后

瑞金医院呼吸与危重医学科副主任，博士生导师

中华医学会呼吸病分会工作秘书，呼吸治疗学组副组长

中国医师协会呼吸分会慢阻肺委员会委员、政策委员会副主委

上海医学会呼吸病分会委员和肺功能学组组长

发表论文100余篇，SCI论著80余篇，包括LANCET等 主持科技部慢病重大专项3项，国家自然基金3项

获中国医师协会呼吸分会优中青年医师奖、上海市科委优学科带头人

访谈亮点：

周敏团队谈慢阻肺呼气早筛前沿进展

01

本次大会中发表的《呼出气生物学标志物及相关诊断模型在PRISm诊断中的应用》论文有哪些值得注意的新数据？这些研究结果为临床带来怎样的启示？

周敏团队：呼出气中的挥发性有机化合物（VOCs）能够反映人体的不同病理生理状态。本研究采用便携式代谢分子分析色谱仪，对不同患者的呼出气样本进行分析，旨在识别差异性VOCs，并探讨这些VOCs在诊断及鉴别诊断PRISm中的应用。我们的目标是建立一个COPD早期筛查模型，以便将COPD患者的全程化管理介入时间提前，从而降低我国COPD的发病率。

研究结果显示，PRISm、COPD和哮喘患者的呼出气VOCs存在差异。具体而言，区分COPD患者与健康人的分类效能AUC值高达0.9，区分PRISm患者与健康人的AUC值为0.77，而区分PRISm与COPD的AUC值为0.72。此外，哮喘患者与COPD、PRISm及健康人之间的分类效能AUC值分别为0.89、0.83和0.83。

作为首专注于呼出气VOC在早期COPD及PRISm中应用的研究，我们根据检测到的VOC分子和人群背景数据，利用机器学习方法构建了COPD早期筛查模型。这一模型有望成为COPD早期筛查的有效工具。

02

请介绍一下呼气诊断是如何被应用于COPD等肺部疾病的早期筛查中的？其相比传统诊断方法（如肺功能测试、X光、CT等）存在哪些优势？

周敏团队：在COPD等肺部疾病的早期筛查中，呼气诊断通常通过采集患者的呼出气样本，运用高灵敏度的分析技术对样本中的VOCs进行定性和定量分析。通过分析特定VOCs的存在与否及其浓度变化，可以辅助医生判断患者是否存在肺部疾病的风险或早期症状。

呼气诊断以其非侵入性、操作简便和结果快速呈现的优势，区别于传统的肺功能测试、X光及CT检查。虽然肺功能测试是COPD和哮喘诊断的金标准，但它受限于严格的适应证和禁忌证，操作复杂、技术要求高，患者配合程度不高等。除此之外，肺功能测试还存在一定的误差和误诊、漏诊风险。

与此同时，呼气诊断还避免了CT和X光检查中的辐射暴露问题，为患者提供了一个更为安全、可靠的检测选项。其高敏感性和特异性使其在早期识别肺部疾病方面具有优势，特别适合于广泛的群体筛查和持续的健康监测，为疾病预防和早期干预提供了有力工具。

03

此次研究所使用的技术在提升诊断准确性、操作便捷性等方面有哪些贡献？此外，您认为这种技术未来在医院、社区医疗及家庭健康监测中的应用潜力如何？

周敏团队：本次研究所采用的便捷式微型气相色谱仪技术，该技术通过高分辨率、高灵敏度的仪器，能够捕捉到呼气样本中微量的VOC变化，再结合先进的算法对呼气样本进行全谱图自动化分析，无需专业医疗人员直接参与，即可实现即时、无创、精的呼气分子分析。

在医院与体检中心，它能助力实现大规模人群的快速筛查与疾病监测；在社区层面，其无创、便捷性可促进居民对于疾病的早期发现与干预；而在家庭健康监测中，该技术还有望成为个人健康管理的重要工具。

04

在当前的临床实践中，呼气诊断还面临哪些主要的挑战或瓶颈？为了克服这些障碍，实现更广泛的推广和应用，您认为还需要在哪些方面进行改进或深入研究？

周敏团队：呼气诊断的临床应用是当前面临的主要挑战之一。临床应用的关键在于实现呼气诊断的标准化，呼气样本的采集、储存、运输及数据分析等环节均需建立统一标准，以确保结果的稳定性和可靠性。此外，加强呼气生物标志物与疾病关系的深入研究，利用大数据和机器学习技术构建更完善的诊断模型，也是未来发展的重要方向。随着标准化流程的完善和临床科研的深入，呼气诊断有望进一步应用于肺癌、哮喘、间质性肺病等多种肺部疾病的筛查与管理中。