什么是气味王国说的嗅觉科技在医疗领域的临床实验

超灵敏石墨烯智能嗅觉传感器用于诊断幽门螺旋杆菌感染的临床试验​

对物质世界的超灵敏高分辨感知与人工智能（AI）的发展息息相关。目前，物理传感器已超越人类视觉、听觉和触觉的感知能力，基于这些物理传感器获取的大数据，在 AI 辅助下催生了如机器人、自动驾驶、影像识别等对人类生活影响深远的应用产品。然而，在嗅觉和味觉感知领域，无论是物理还是化学传感器，其性能仍远不及人类。未来，实现万亿种气味的记录和数据化，拓展人类感官局限，借助 AI 发展智能嗅觉在机器人、生命健康、公共安全等领域的应用，是科研人员努力的方向。​

浙江大学化学系邬建敏教授课题组在智能嗅觉传感器领域深耕十多年，通过发展一系列硅基和碳基微纳材料及传感芯片，结合传感器阵列技术、多维度信号采集技术与机器学习算法，实现了痕量复杂气体的超灵敏识别。​

在多种石墨烯材料中，还原氧化石墨烯（rGO）因表面易于修饰、能带宽度可调等特性备受关注。课题组前期已开发出一系列 rGO 气体传感器，初步实现了对多种标准气体和呼出气样本的辨别。但要将 rGO 发展为高灵敏、高辨识度的嗅觉传感材料，仍面临诸多挑战：​

灵敏度和稳定性问题：rGO 易发生层间自聚，致使灵敏度下降，其灵敏度和稳定性有待进一步提升。​

气敏位点构建问题：需构建多样化的高敏感 rGO 气敏位点（类似嗅觉细胞的受体），以实现对不同气体分子的交叉响应，从而赋予传感器气体识别能力。​

湿度干扰问题：在呼出气检测时，传感材料暴露于高湿度环境中，易导致传感信号失真，因此消除呼气分析时的湿度干扰是关键技术难题。​

信号采集与辨识模型问题：嗅觉传感器中材料的矩阵维度有限，如何扩展电学特征信号采集维度，并通过高性能算法构建不同气味的辨识模型，是提升传感器对气味分子辨别能力的关键所在。​

为解决上述问题，研究团队采取了一系列创新举措：​

提升气体可及性：通过高分子聚电解质阳离子 PDDA 对 rGO 进行插层，有效扩展了 rGO 层间距，提升了气体可及性。​

模拟嗅觉受体：提出金属基材料模拟嗅觉受体的新思路，极大地丰富了 rGO 表面的气体结合位点。通过多种金属离子的组合、贵金属单质以及金属硫化物二维材料的复合等方式，成功制备出一系列高灵敏、低噪音的气敏材料。​构建石墨烯嗅觉传感器：采用微纳工艺技术，构建了石墨烯嗅觉传感器。该传感器在常温下能够检测 ppb 浓度的痕量有机气体和无机气体，实现了超低功耗及超灵敏检测。在丙酮、异戊二烯、NO 和 NH3 的测试中，展现出了优异的气敏性能。rGO - PDDA - Co/Fe 位点对 NO 和 NH3 的检测下限分别低至 6 和 16 ppb（3δ/S），对 HP 患者呼气中潜在组分的检出限达到了 HP 呼气检测所需的最低浓度。以传感器的响应值和相应恢复 t50 作为特征值，通过降维分析可有效将丙酮、异戊二烯、NO、NH3 四种典型特征气体划分到四个象限中。此外，阵列传感器对 CO、NO2、H2S 也具有高灵敏响应特征，在 1 ppm 浓度下的响应值（Re%）可达到 10% 以上。​

基于石墨烯嗅觉传感器，研究团队开展了超灵敏石墨烯嗅觉系统的工程化研究。该系统涵盖气体预处理、气体检测、气路清洗、控制分析软件等核心模块，其中石墨烯嗅觉传感器是气体检测模块的核心器件。​研究团队收集了 225 例临床呼气样本，包括 138 个来自健康个体的样本和 87 个来自使用 UBT 诊断的 HP 阳性患者的样本，运用超灵敏石墨烯嗅觉系统对这些呼气样本进行测试分析。采用 Lasso 模型按照 2:1 的比例划分训练集和验证集，结果显示，训练集和验证集的 ROC 曲线下面积分别为 0.992 和 0.988，训练集的敏感性和特异性分别为 93.1% 和 97.4%，验证集的敏感性和特异性分别为 91.4% 和 92.4%。总体而言，超灵敏石墨烯嗅觉系统在 HP 诊断的训练集和验证集中分别达到了 92% 和 91% 的准确率。此外，研究团队使用 33 例呼气样本（18 例健康个体和 15 例 HP 阳性患者）作为外部测试组，对 Lasso 回归模型的准确性进行验证。数据显示，该模型对健康组和 HP 感染组具有良好的区分能力，诊断敏感性和特异性分别为 86.7% 和 88.9%。以 0.436 作为患病分类阈值时，总体诊断准确率为 88%，AUC 值为 0.972。​综上所述，超灵敏石墨烯嗅觉系统在 HP 感染的免标记筛查中展现出巨大潜力，有望成为非侵入式疾病筛查和诊断的新工具。凭借其快速精准检测、高性价比、高依从性等优势，未来该系统可广泛应用于基层医疗卫生机构。随着二代阵列石墨烯嗅觉传感器的推出，嗅觉系统将更加小型化，居家自检也将成为可能。

​以上就是对气味王国在医疗领域嗅觉科技的临床试验的详细解读