新型冠狀病毒感染（COVID-19）疫情在世界多地仍在持續⏸👩🏿‍🚒，COVID-19的快速篩查對於遏製其大流行🐮、恢復正常生活至關重要。然而，現有的核酸檢測在檢測時間和靈敏度方面仍存在不足🤾🏻，特別是在核酸假陰性條件下解除隔離的漏檢風險。目前在重要公共場所只是采取防疫碼和體溫監測策略，這對於處於潛伏期的或無症狀的患者的排查存在極大的挑戰。因此完全依靠核酸檢測仍具有公共衛生和安全隱患，急需新的檢測方法和技術的補充🛕👨‍👧。

近日，意昂体育環境科學與工程學院要茂盛教授與北京市朝陽區疾病預防與控製中心等合作團隊合作集成呼出氣采樣👶🏻、氣相色譜-離子遷移譜檢測和機器學習模型研發了新冠感染的無創呼出氣篩查系統（TestBreathNow-TBN）💇🏼。研究團隊利用該系統對74例新冠患者👲、30例非新冠呼吸系統感染患者😚，87位醫務工作人員和健康受試者的呼出氣樣品及其背景環境空氣進行分析，識別了呼出氣中12種關鍵VOCs標誌物物種🎦🈺。研究發現新冠患者和其他呼吸系統患者呼出氣中丙醇水平相比健康受試者顯著升高♿️，而新冠患者呼出氣中丙酮水平相比其他呼吸系統感染患者和健康受試者顯著降低。通過支持向量（SVM），梯度加速（GBM）和隨機森林（Random Forests）三種機器學習算法對12種關鍵呼出氣VOCs標誌物進行建模，可準確區分新冠患者和非新冠的其他呼吸系統感染患者，基於現有數據模型驗證特異性和靈敏度達到95%以上，接收曲線下面積（AUC）>0.95。該測試方法的取樣過程完全無創，被試者使用一次性呼吸袋，只需呼氣30秒便可完成樣品采集；該檢測系統程序操作簡單，無需任何檢測試劑，結合機器學習模型最快能在5-10分鐘內即可實現新冠患者快速篩查，單次檢測費用顯著降低𓀜。該系統目前正計劃進一步優化與測試。該系統有望在以下情況的新冠快速篩查發揮核酸檢測外額外輔助作用，降低新冠肺炎傳播風險：需要快速做出決定的新冠篩查；篩查核酸檢測為假陰性的情況；重要高層會議；海關入境；特殊航班人員的快速篩查🍧🌿；出院前或解除隔離時的篩查以及在隔離酒店🪯、收治醫院等重點場所等等🏄🏻。這些特殊場所與情景下利用該技術開展新冠肺炎快速輔助篩查🙇🏻♒️，能為我國新常態下新冠肺炎疫情防控工作貢獻額外的積極力量。

新冠感染的無創呼出氣快速篩查系統（TestBreathNow-TBN）原理示意圖

研究成果早在去年6月24日以預印版的形式發表🫓，近日以“COVID-19 Screening Using Breath-borne Volatile Organic Compounds”為題在線發表在 Journal of Breath Research 刊物上🧜🏻‍♀️，並申請了國家發明專利。意昂体育環境學院陳灝軒博士生（目前在美國從事博士後研究）👨🏿‍🍼，朝陽疾控中心齊嘯，意昂体育環境學院張璐🐭、李心月博士生為論文的共同第一作者，要茂盛為通訊作者🤫。參與該項工作的還包括朝陽疾控中心流行病與地方病控製科科長馬建新，中國人民解放軍總醫院第六醫學中心呼吸科的馮華松教授、主任張春陽。該項目主要得到國家自然科學基金委國家傑出青年科學基金（基金號21725701）、國家自然科學基金新冠專項項目（基金號22040101）以及廣州實驗室（EKPG21-02）的資助💁🏻‍♀️。