新型冠状病毒感染（COVID-19）疫情在世界多地仍在持续， COVID-19的快速筛查对于遏制其大流行、恢复正常生活至关重要。然而，现有的核酸检测在检测时间和灵敏度方面仍存在不足，特别是在核酸假阴性条件下解除隔离的漏检风险。目前在重要公共场所只是采取防疫码和体温监测策略，这对于处于潜伏期的或无症状的患者的排查存在极大的挑战。因此完全依靠核酸检测仍具有公共卫生和安全隐患，急需新的检测方法和技术的补充。
近日，北大环境学院要茂盛教授与北京市朝阳区疾病预防与控制中心等合作团队合作集成呼出气采样，气相色谱-离子迁移谱检测和机器学习模型研发了新冠感染的无创呼出气筛查系统（TestBreathNow-TBN）。研究团队利用该系统对74例新冠患者、30例非新冠呼吸系统感染患者，87位医务工作人员和健康受试者的呼出气样品及其背景环境空气进行分析，识别了呼出气中12种关键VOCs标志物物种。研究发现新冠患者和其他呼吸系统患者呼出气中丙醇水平相比健康受试者显著升高，而新冠患者呼出气中丙酮水平相比其他呼吸系统感染患者和健康受试者显著降低。通过支持向量（SVM），梯度加速（GBM）和随机森林（Random Forests）三种机器学习算法对12种关键呼出气VOCs标志物进行建模，可准确区分新冠患者和非新冠的其他呼吸系统感染患者，基于现有数据模型验证特异性和灵敏度达到95%以上，接收曲线下面积（AUC）>0.95。该测试方法的取样过程完全无创，被试者使用一次性呼吸袋，只需呼气三十秒便可完成样品采集；该检测系统程序操作简单，无需任何检测试剂，结合机器学习模型最快能在5-10分钟内即可实现新冠患者快速筛查，单次检测费用显著降低。该系统目前正计划进一步优化与测试。该系统有望在以下情况的新冠快速筛查发挥核酸检测外额外辅助作用，降低新冠肺炎传播风险：需要快速做出决定的新冠筛查；筛查核酸检测为假阴性的情况；重要高层会议；海关入境；特殊航班人员的快速筛查；出院前或解除隔离时的筛查以及在隔离酒店、收治医院等重点场所等等。这些特殊场所与情景下利用该技术开展新冠肺炎快速辅助筛查，能为我国新常态下新冠疫情防控工作贡献额外的积极力量。
新冠感染的无创呼出气快速筛查系统（TestBreathNow-TBN）原理示意图
研究成果早在去年6月24号以预印版的形式发表，近日以“COVID-19 Screening Using Breath-borne Volatile Organic Compounds”为题在线发表在Journal of Breath Research刊物上（https://doi.org/10.1088/1752-7163/ac2e57），并申请了国家发明专利。北大环境学院陈灏轩博士生（目前在美国从事博士后研究），朝阳疾控中心齐啸，北大环境学院张璐、李心月博士生为论文的共同第一作者，北大要茂盛教授为通讯作者。参与该项工作的还包括朝阳疾控中心马建新科长，中国人民解放军总医院第六医学中心呼吸科的冯华松教授、张春阳主任。该项目主要得到国家自然科学基金委国家杰出青年科学基金（基金号21725701）、国家自然科学基金新冠专项项目（基金号22040101）以及广州实验室（EKPG21-02）的资助。
