医学信息学解锁26（2021）100715呼出气检查技术综述用于诊断人体疾病NilakshiMaruti Mule a，Dipti D. Patil b，Mandeep Kaur c，*aSTESbMKSSSc部 印度浦那Savitribai Pune University计算机科学系A R T I C L EI N FO索引术语：VOCsGC-MSPTR-MSSIFT-MSEX haled Breath保留字：EX Haled Breath（EB）挥发性有机化合物（VOCs）离子迁移谱（IMS）选择离子流管质谱质子转移反应质谱（PTR-MS）A B S T R A C T呼吸分析技术是用于疾病诊断和人类健康监测的最古老的调查策略之一。该策略探索了人类呼出气（EB）中存在的挥发性有机化合物（VOC）及其与生物标志物的有机联系，有助于确定特定疾病。该检查策略利用各种技术和计算机化算法来分析呼吸相关数据，以确定呼出气体对人体的影响。本文选择和应用的呼出气的调查的技术集中在呼出气中的各种化合物的检测。拟议的研究还讨论了用于临床检查和诊断呼出气的生物标志物。这些非侵入性方法已被采用，而不是传统的侵入性方法，用于研究呼出气体成分及其对人体健康的影响。从数据利用的角度来看，这项研究工作的重点是呼吸检查的方法和利弊。国家的最先进的技术分析呼出气也进行了探讨和讨论，本文也提出了广泛的评论。&简要讨论了基于呼出气的疾病的预后挑战。现有的方法的局限性突出。最后，呼吸分析技术的未来范围也讨论了本手稿随着研究的结论。1. 介绍本文讨论了呼出气中发现的生物标志物及其在基于呼出气的疾病监测系统中分析的重要性。这项研究包括各种分析技术的比较，以及它们的优点和缺点。最后，简要讨论的挑战，局限性和未来的范围。 在医学科学中，为了确定任何疾病的准确诊断，使用各种检测程序。在任何程序中，领域专家建议使用侵入性或非侵入性方法。这两种方法包括使用医疗设备或工具来诊断医疗数据。在侵入性方法中，使用通过刺穿皮肤或通过将器械插入体内而侵入人体的医疗设备。在非侵入性方法中，非侵入性程序不使用物理侵入身体的工具，而是使用计算机技术进行诊断。非侵入性方法允许无痛患者监测，感染和对收集的数据的即时临床反应。侵入性检查包括血液检查，活检和结肠镜检查，而非侵入性检查包括X射线，CT扫描，MRI，ECG，标准眼科检查和尿检[1]。第一个测试是X射线测试，它有一些优点和缺点。它使用简单，价格合理，并提供快速分析。然而，缺点是有时包含的2D结果和在X射线测试期间可能对孕妇具有不利影响的辐射发射另一种测试是CT扫描，用于诊断身体的许多问题。它具有很高的解剖分辨率;它提供了以3D格式显示快速结果的优势然而，缺点是它在经济上昂贵，并使患者暴露于有害射线[9]。此外，当该设备计划与具有有限计算能力的移动和嵌入式设备一起使用时，它变得计算昂贵[4]。第三个测试是MRI（磁共振成像）;该测试具有* 通讯作者。电子邮件地址：mandeep. gmail.com（M.Kaur）。https://doi.org/10.1016/j.imu.2021.100715接收日期：2021年6月22日;接收日期：2021年8月19日;接受日期：2021年2021年8月31日在线提供2352-9148/©2021的 自行发表通过Elsevier 公司这是一个开放接入文章下的CCBY-NC-ND许可证（http://creativecommons.org/licenses/by-nc-nd/4.0/）中找到。可在ScienceDirect上获得目录列表医学信息学期刊主页：www.elsevier.com/locate/imu新墨西哥州Mule等人医学信息学解锁26（2021）1007152优点包括软组织分离，4D身体信息，并且它不使用有害辐射。与MRI测试相关的缺点是监测成本，农村地区无法获得MRI机器以及采购MRI机器的挑战[2，10]。其次是ECG（心电图），ECG信号被广泛用于检测各种心血管疾病。该程序具有与待选择的数据量和仪器验证相关的复杂且具有挑战性的领域活动。这两件事对操作它的操作员和推荐它进行数据分析的医生来说都是挑战[3，4]。当心电图技术被纳入手机应用程序中用于诊断数据时，它需要更多的CPU和内存来产生结果，最终可能会减慢移动或嵌入式设备的速度[5]。研究了将心电信号分析嵌入体域网无线传感器的可行性。为此目的，ECG信号的研究使用离散小波变换方法和汤普金斯算法[7]。EEG（脑电图）也用于医学诊断，与ECG不同的检测目的。EEG信号是分析抑郁状态和记录头皮电活动的有用工具。精神科医生预期使用EEG作为基于计算机的自动辅助，以提供客观准确的抑郁症诊断[6]。对于抑郁症分析，EEG信号比任何其他非侵入性方法都更准确[8]。上述非侵入性方法在其使用方面至少有三个限制：重型仪器、操作设备的合格专业人员和设备成本。第五项测试是尿液测试，这是另一种非侵入性的方法，具有标准的操作程序，被称为最安全和最强大的测试方法。尿检结果所需的时间通常为24-48小时或更长时间，这取决于病理实验室的可用性。针对预定义的参数值进行数据分析，并进一步诊断结果以确定患者的疾病。标准操作程序的这些测试做法是需要遵循世卫组织规定的国际准则的。如果没有正确遵循标准操作程序和指南，可能会导致错误的诊断。这些测试程序需要专业技术人员来操作和完成测试过程。如果没有熟练的人力资源、缺乏卫生条件和环境条件，测试结果可能会出错[11]。另一种测试与痰液评估有关，这是诊断空气蒸汽途径刺激等问题的主要非侵入性策略。考虑并实践痰液评估以诊断某些疾病，如癌症和儿童下呼吸道感染[12]。然而，随着新技术、机器人技术和医疗设备的出现，这种测试方法在全球范围内并不普遍推荐。考虑到上述测试程序、它们的先决条件、它们的优点和缺点，呼出气在诊断与呼出气相关的疾病中具有显著的重要性。在呼吸中识别不稳定的自然混合物的背后有着悠久的历史医生们已经意识到，人类呼吸的香味可以让人们了解疾病的识别和背后的根本原因的 呼吸含有 重要信息 因为只有 贫阻塞将肺泡中的空气与血液隔离。呼吸VOC可以是内源性的或外源性的。内源性VOC源自呼吸道，外源性VOC源自环境。这些都是吸入和呼出，而不是改变[11，12]。人的呼吸包含基于人体中存在的气流的确定和特定量的生化因子。这些生化因素与身体器官功能障碍或身体内部不健康状态的不卫生状况密切相关因此，呼吸中存在的生物化学因素与人体的不健康状况之间的这种密切关系被认为是一种战略工具，检测疾病古代的医学从业者已经利用这一战略工具来识别人体疾病。医生将未控制的糖尿病患者的丙酮水果气味、肝脏感染患者的陈旧气味、肾衰竭患者的尿样气味以及肺脓肿的恶臭气味相关联[13]。该方法可用于高风险或低风险人群的初步诊断。呼吸样本可以非侵入性地从患者身上采集，并且几乎无限量;这种方法在儿科治疗中非常有益，其中侵入性方法大多受到限制，并且通过呼吸诊断，可以排除儿童疾病[14，15]。氨、丙酮、异戊二烯、一氧化氮、硫化氢、甲烷、乙烷和戊烷是人体内重要的疾病生物标志物。2. 呼吸分析技术存在于呼出气体气流中的生物化学标记物可以使其成为用于诊断内部身体器官的任何不卫生或不健康状况以及整个身体的不健康状态的潜在元素。因此，将呼吸视为检测和调查疾病的战略要素之一，需要使用特定设备收集呼吸样本，并使用数据分析工具分析数据。由于人体内的气流是非固态的，含有不同的化合物。这些化合物被认为是挥发性有机化合物，并且可以通过其固有性质在线和离线捕获。对于离线检测，样品应被捕获、储存并运输到分析仪器。用于在线调查的科学策略利用离子迁移谱法，如SIFT-MS，PTR-MS。这些测试不需要将空气与呼吸中存在的化合物分离。另一方面，离线检查技术需要昂贵且需要专业技能的设备。这种检查考虑呼吸样本中低浓度VOC的特定可识别证据[19]。为了快速调查，还使用了其他方法。这些方法包括使用不同的电子医疗设备，如电子鼻- Cyranose或Tor Vergata电子鼻。这些 设备 是 配备 与各种 传感器 到 具有快速对VOC的反应[16]。 各种呼吸分析技术的比较-在表1中给出了结果。2.1. 离线分析2.1.1. 气相色谱-质谱联用GC-MS使用不同的检测器来识别呼吸中的VOC，用于疾病识别和健康监测[21]。气相色谱法于1951 ~ 1952年引入，由Anthony T.詹姆斯&·阿彻 P. 马丁伦敦国家医学研究所在Fred McLafford和RolandGohlke的帮助下，在GC-MS方法方面取得了更多进展[17]。从1951年到2020年，气相色谱技术在这几年的发展过程中得到了长足的进步。GC-MS考虑检查化合物或同时检查许多不同的混合物，其中这些混合物的范围为ppb-ppt。因此，为了精细而全面地描述不可预测的EB和VOC，GC-MS被用作一种策略。该方法的优点是在色谱段中分离不可预测的EB样品，这取决于不同的边界，如GC段的末端或样品组分的沸腾边缘。缺点是与测试前处理有关，需要并涉及专业分析和预浓缩。该技术适用于VOC的异常检测[18]。 GC-MS考虑检查化合物或多种混合物。该技术适用于VOC的异常检测[18]。GC-MS方法用于鉴定样品中的化合物，并将不可预测的呼出气样品分离在色谱段中。在GC-MS中，首先，新墨西哥州Mule等人医学信息学解锁26（2021）1007153+++++++表1呼吸分析比较技术。操作色谱部分。操作者灵敏度范围便携性SESI-MS Generate Ions for MS ppqv实时灵敏、稳健、可靠的工具，电离非挥发性溶液，多种电离模式无法进行绝对定量，需要[121，十二万四千一百二十五]第二阶段是对化合物进行鉴定和分组，然后找出化合物的离子分布。将GC输出送入质谱仪进行质谱检测，其中分子被电离，并使用适当的电离方法检测离子。在VOC的EB分析中，使用几种MS变体，例如，GC-TOFMS和GCX GC-TOF MS、SIFT-MS、PTR-MS，IMR-MS和迁移率光谱[19]。因此，GC的不同变化用于EB的诊断和从EB收集的数据的分析。在EB和VOC中，存在不同的不可预测的化合物。因此，GC单独使用或与火焰离子化检测结合使用，用于诊断呼出气[20]。2.2. 在线分析2.2.1. 质子转移反应质谱（PTR-MS）PTR-MS非常适合在线和多次测量;它是在呼吸气体测试中检查VOC的一种有前途的方法。它可以为VOCs识别和测量提供高灵敏度的持续在线分析。在20世纪90年代，Lindinger和合作伙伴发明了PTR-MS方法。 此方法允许对不可预测的这种主要仪器使用（水合氢离子）H3O+作为前体粒子，使用H3 O作为主要反应物离子的PTR在PTR-MS中引起化学电离[20]。最新的工具，如如SIFT-MS，具有可切换的试剂颗粒容量，这允许它们在三种前体颗粒之间来回移动，即H3O、亚硝基（NO）和二氧六环丙基（O2）。PTR-MS在更高的温度下工作。该仪器是一个更方便，因为更有限的浮管，具有典型的长度为10它也有交通优势[22]。PTR-MS具有一些局限性，包括可以同时分析的混合物数量有限，并且它具有检测限。需要以3 Hz的任何频率进行检查重现，以确定不同的呼吸阶段[18]。大多数挥发性有机化合物的质子亲合力比水高，因此质子可以在每次碰撞中转移即对于复杂的气体组合物来说是值得的，因为它消除了在研究之前进行测试预固定或分离的要求[20]。它也用于分析化学。作为粒子源试剂，在常规的方法中，利用气相水合氢粒子（纯度>99.5%），PTR-MS。PTR-MS可用于呼吸气体分析，以筛选人类受试者EB样品可以在不同的大气条件下，不同的位置和受控或不受控的实验室下这些因素可能会影响VOCs。然而，PTR-MS允许并确保在没有环境因素的情况下在低至ppt的条件下进行更准确的估计。2.2.2. 选择离子流管质谱SIFT-MS是一种定量化学工具，用于检测痕量VOC，来自H3 O，NO和O2等试剂的离子。SIFT技术是由N.G. Adams和D.史密斯在1976年为研究离子中性反应在热相互作用能。最初，它已被开发，以满足在冷星际云中观察到的气相离子中性反应的动力学数据的需要1996年，该系统开始用于在线调查自然确定的危险挥发性气体，用于临床应用，如临床发现、补救检查和生理检查。SIFT-MS程序可通过利用三种前体离子和全扫描模式识别和分离异构体[24]。SIFT-MS是一种实时分析方法，快速流管策略与MS测量挥发性有机化合物在粘性和热空气中的分组，包括EB。VOC样品以精确控制的速率收集到流管中，与前体离子反应[20]。VOCs样品在流管中获得，并与前体颗粒电离。该过程导致电离粒子的发展，其通过MS测量[18]。该技术具有明显的优点，其允许粒子原子反应在热条件下进行，具有良好理解的动力学行为，因为不需要电场。由于使用了滤质器，该技术的灵敏度低于PTR-MS [22]。SIFT-MS包括将快速流管创新与质谱法相结合的新程序。因此，它被用来测量空气中的几种痕量气体，技术原则检出限模式优势缺点参考GC-MS分离并解剖Ppb和预富集选择性强，灵敏度高预浓缩步骤庞大，[20、22、23]MS法测定化合物ppt取样耗时，需要PTR-Ms利用电离的MS评价低ppb直接/实时实时分析标准和熟练的操作员。特异性不足[20、22、23]目标分析物检测范围大，使用H3O+需要使用训练有素的SIFT-MS四重MS评估低ppb直接/实时实时联机立即化合物无法识别，[20、22、23]粒子通过和ppt定量，ppt检测体积庞大，需要训练有素的响应分析物和离子能力和广泛的检测操作符.电子鼻=粒子。检测和区分ppb参考一范围分析需要很短的时间，传感器会随着年龄的增长而退化，[20、22、24]复杂气味数据库混合物不需要分离。传感器可能中毒。传感器恢复快，灵敏度高，它的灵敏度是可移植性和可复制性比人类的嗅觉要低IMS气体中的离子分离ppb实时涉及大气层的系统传感器只有有限的大气污染[20、25]相压力，有效气相蒸汽，复杂的光谱，有机或无机分子干扰造成的广泛固定化，原子或粒子，电离非挥发性分析物是气相离子分离机械不合格。尺寸和形状是没有稳健性、小型化和区别特征新墨西哥州Mule等人医学信息学解锁26（2021）1007154呼吸[21]。2.2.3. 离子迁移谱（IMS）IMS技术旨在识别异常敏感的物质，如非法药物和战争专家的爆炸物。后来，IMS开始用于现代和生态应用。IMS最常见的用途是进行食品质量调查和空气质量控制。在技术上，它利用周围应变的外部电场来隔离目标调查中的各种粒子[18]。这可以通过不同的方式实现，例如差分迁移谱仪、高场不对称波形离子迁移谱仪、自制IMS或市售IMS。该技术对于呼吸调查是合理的，因为其对ppb（十亿分之一）至ppt（十亿分之一）范围的灵敏度[25]。2.2.4. 二次电喷雾质谱在一些情况下，离子经受质谱分析。需要将经受的离子从其溶液转化为气相。电喷雾电离（ESI）使用电能来帮助这种转换[124]。在1986年和1994年，一组研究人员观察到ESI方法在双重方法中起作用的几种解释：首先它电离溶解在喷雾溶剂中的分子，其次它还将它们与存在于电离区环境中的分子结合在一起。这种电离发生在分子的气相[121]。后来，Hill等人在2000年在同一方向上工作，并将其描述为可用于高分辨率质谱的二次电喷雾电离质谱（SESI-MS）。在质谱分析之前，必须进行分子分馏。为此，高效液相色谱法与ESI-MS联用。因此，HPLC/ESI-MS被认为是一种非常强大的技术。该技术足以分析复杂生物样品混合物中各种极性的小分子和大分子[125]。2.2.5. 电子鼻（E-nose）电子鼻是使用各种基于传感器的技术创建的，包括非选择性气体传感器和模式识别方法[20]。除此之外，其他技术如GC、IMS、MS、光学传感和红外光谱也用于电子鼻。电子鼻实际上，与MS识别相比，该应用程序更简单易用[18]。各种应用程序已与许多传感器和材料合并到一个单一的集群中，以测量不同的VOC [22]。这些新创建的电子鼻旨在通过其电气特性的变化来检测特定的VOC。金属氧化物半导体（MOS）和导电膜聚合物用于市售的电子鼻[19]。基于MS的技术具有一定的局限性，例如仪器规模、成本、训练有素的人员以及耗时的数据收集和分析。这些限制使得该方法难以用于常规临床应用。研究人员正在开发创新的呼吸分析设备，这种设备体积更小，成本更低。微型电子鼻是低成本、使用简单的设备，尺寸小，便于携带。针对不同疾病设计和配置电子鼻需要定义良好的数据集。电子鼻具有一定的检测限和特异性。一些设备需要选择性传感器来检测特定的VOC。这些设备不能用于筛查多种疾病（例如，不同的癌症），除非它们嵌入了更多的模式分析技术，用于疾病特异性模式[24]。3. 使用呼吸分析的在本文中，呼出气是用来分析五种不同的疾病如肺癌、哮喘、肺结核、糖尿病和慢性阻塞性肺病。在现有的调查中，研究者们使用了不同的参数和生物标志物来识别疾病。存在于人体中的生物标志物与特定疾病之间存在强相关性。一氧化氮等生物标志物提示哮喘的存在，丙酮等生物标志物有助于诊断人体内的糖尿病。 同样，表2-3.1. 肺癌（LC）肺癌是由于位于肺中的组织中不受控制的细胞生长而形成的恶性肿瘤咳嗽、呼吸急促吸烟是85%的肺癌的原因，其余15%是由于暴露于辐射，氡，石棉和各种形式的空气污染物[26]。胸部X光片或计算机断层扫描常用于诊断肺癌。诊断必须通过活检来证实，这是一种侵入性、耗时且昂贵的诊断方法。由于疾病检测技术的进步，许多患者选择非侵入性呼吸生物设计了一种用于液相色谱的台式气相色谱传感器分析系统，由Yuichi Sakumura等人开发[32 ]第32段。Gang等人证明了在高湿度环境中基于金纳米颗粒区分LC患者和健康人的传感器阵列。[36]。PeterJ Mazzone等人提出了一种比色设备传感器阵列[37]。在该技术中，使用随机森林技术对VOC进行统计分析。此外，PeterJ Mazzone等人还使用比色传感器阵列来开发肺癌的EB生物特征[38]。科学家们通过考虑临床风险因素研究了呼吸生物标志物对肺癌的意义和精确度[39]。使用特氟隆灯泡收集呼吸样本。采用SPME-GC-MS分析技术，共选择了13种VOCs进行研究[39]。PTR-MS是通过分析EB中的VOC检测原发性肺癌的另一种有用技术[40]。Corrado Di Natale等人[41]证明了由涂覆有不同金属卟啉的8- QMB气体传感器组成的电子鼻的使用。这些传感器具有高灵敏度，可对LC患者进行高精度和99.9%准确度的分类。PTR-MS和SPME-GC/MS用于分析呼出和吸入呼吸样本[42]。Tedlar袋用于收集呼气和室内空气测试。PTR-MS和GC-MS用于分析呼吸。在参考文献[43]中，GC-MS结合SPME用于区分良性和恶性肺结节。在参考文献[44]中，使用VOC标记物（如硅微反应器技术）对肺中的羰基VOC进行定量研究。使用不同传感器识别肺癌的概述，算法、统计技术和生物标志物的结果见表2。3.2. 哮喘哮喘是一种慢性炎症性疾病，可导致可逆性气道阻塞，其特征是触发支气管痉挛[54]。短时间发作的胸闷、喘息、咳嗽和呼吸短促是常见症状[51，52]。有些人在夜间或剧烈体育锻炼后更频繁地出现这些症状[68]。虽然原因不明，但哮喘通常被认为是由环境污染，刺激剂，过敏原（花粉，灰尘，毛皮）或药物（阿司匹林和β受体阻滞剂）引起的[26]。哮喘无法治愈;然而，可以通过避免过敏和刺激剂以及使用吸入性皮质类固醇来管理。传统哮喘诊断测试的根本弱点是新墨西哥州Mule等人表5医学信息学解锁26（2021）1007155肺癌的鉴别总结技术[39] GC-MS，SPME[28]第二十八话--36-LC，25-COPDSAW气体传感器20-LC，15-健康，7-慢性支气管炎主成分分析、Kruskal-Wallis2-己酮，2，2，4-三甲基己烷82.5%异戊二烯、2-甲基戊烷、戊烷、正戊烷、二甲苯总量、三甲苯、甲苯、苯、庚烷、癸烷、苯乙烯、辛烷、五甲基庚烷--苯乙烯、异戊二烯、己烷、十一烷、1，2，4-三甲基苯、苯、癸烷[38]电子鼻比色传感器92-LC，第137节-最好的朋友LogisticsRegression，Pearson81%[29]第二十九话32个聚合物传感器10-LC，10-慢性阻塞性肺病，10-健康PCA，CDA80%-LC，85%-COPDVOCs模式[36] GC-MS，SPME金纳米颗粒40-LC，第56节-第一次PCA 83%十二烷硫醇、癸硫醇、丁硫醇、己硫醇[30] E-nose 10-MOSFET，12-MOS24-LC ANN[37] GC-MS比色传感器阵列，碳聚合物传感器49-LC，21-健康，20-结节病，18-COPD随机森林82% VOC模式[31] GC-MS，SPME--31-LC，31-吸烟者，31-健康PCA 69% 2-甲基-1，3-丁二烯、丙醛、异丙醇[40]PTR-MS、 GC-MS--17-LC，第170节-第一次秩和检验WilcoX 0.96±0.02甲醛、丙醇[33] GC-MS、SPME-OFD--12-LC，12-吸烟者，12-健康线性回归，Kruskal- 沃利斯–醛，丁烷[41]第四十一话35-LC，25-健康PLS-DA[34] GC-MS Gold Nanoparticle 24-LC SVM 90%醛、烷、酮、醇、苯衍生物[44]FT-ICR- MS/MS硅微反应器129-LC，第88节-第一次WilcoX on检测-2-丁酮，4-羟基己烯醛[35]第三十五话传感器14-LC，第62节-第一次主成分典型判别分析&85%异丁烯、乙醇、丙酮、戊烷、异戊二烯、异丙醇、二甲基硫醚、二硫化碳、苯、甲苯[43] GC-MS，SPME化学纳米阵列，PAH/SWCNT72WilcoX on/Kruskal Wallis 88± 3% 2-乙基-己烷疏水基团，己二醇，2-乙基己二醇、十八胺、癸醇、苄醇[42]PTR-MS、 SPME-GCMS--对于PTR-MS 220-LC，441-健康对于GCMS 65-LC，第31节-第三十一章KruskalWallis[32] GC-MS-107-LC，29-第二十九章[49] GC-MS-60-LC，第48章-我的天SVM 89% CHN，甲醇，CH3 CN，异戊二烯，1-丙醇判别分析69.4%烷烃衍生物、苯衍生物[55]《易经》：“以物易物，以物易物”。为了识别来自不同化学家族的数百种化合物，M。Caldeira等人[46]。该模型具有较高的分类准确率、灵敏度和特异性。根据Silvano Dragonieri等人的研究[47]，电子鼻可以将哮喘患者与健康人从不同疾病严重程度的呼出空气中分离出来。虽然电子鼻可以从呼出气体中识别哮喘患者Dilys van Vliet等人[48]决定将预测性生物标志物的 特 征 和 一 系 列 呼 出 的 VOC 结 合 起 来 ， 以 准 确 诊 断 哮 喘 。 PaoloMontuschi等人[50]使用了基于电子鼻的分析。电子鼻、FeNO和肺功能检测的诊断准确率分别为87%、70.2%和70.8%伊莎贝尔肺癌参考方法传感器数据库算法/统计精度生物标记[27日]GC-MS，SPME纳米材料传感器阵列24例LC患者DFA作为统计模式识别百分之八十2-甲基-1-戊烷，3-庚酮，苯乙烯，新墨西哥州Mule等人表6医学信息学解锁26（2021）1007156Romieu等人[55]使用呼出气诊断呼气中的丙二醛水平观察到空气污染使炎症标志物发生变化。Christopher O. Olopade等人[59]。根据Paolo Montuschi等人[60]的观点，8-异丙烷在呼吸中的集中增加了哮喘受试者的氧化压。 LauriLehtimaki等人[61]的发现推断，当前用于在各种呼气流速下估计FeNO的新技术可用于将肺泡和支气管承诺与FeNO分离。表3讨论了使用不同方法、算法、统计技术和生物标志物的哮喘识别总结及其分类准确率。新墨西哥州Mule等人表7医学信息学解锁26（2021）1007157哮喘识别总结。哮喘参考方法算法/统计技术数据库分类率生物标记[69] GC-TOF-MS判别分析63-哮喘，第57节-第一次92%碳氢化合物，二硫化碳，1-戊烯-2-酮，丁酸，3-（1-甲基乙基）-苯，对二甲苯[66]HS-SPME、 GC-QMS偏最小二乘判别分析35- 过 敏 性 哮 喘 ，13- 过 敏 性 鼻 炎 ，15-健康88%烷烃、酮、芳烃、醛、酸[65] GC-MS随机森林，PLS-DA第252节-第一次74.6% 2，4-二甲基庚烷、2，4-二甲基戊烷、2-十一烯醛，辛烷，2-甲基戊烷，2-甲基己烷[50] GC-MS，电子鼻，化学传感器阵列[47] I'm sorry.32-有机聚合物传感器PCA（主成分分析），前馈神经网络LDA（线性判别分析），PCA。27-哮喘，24-健康10-轻度哮喘，10-年轻健康，10-严重哮喘，10-老年人87.5%戊烷，一氧化氮--4-甲基辛烷、异丙醇、2，4-二甲基庚烷、甲苯、异戊二烯、烷烃、乙酸、丙酮[46个]GCX GC-TOFMSPLS-DA 32-过敏性哮喘，27-健康98%壬烷，癸烷，十二烷，3，6-二甲基癸烷，2，2，4，6，6-五甲基-庚烷，[45] GCX GC-HRTOFMS，SIFT-MSPCA，随机森林50-哮喘75%丁二酸二甲酯，壬醛，1-采购产品壬烯，二苯醚，乙酸，苯基酯，乙酸酯，6-辛烯-1-01，癸烷，2，5，9-三甲基，6，10，3，7-二甲基，5，9-十一碳二烯-2-酮[48] GC-MS PCA，随机森林96-哮喘65% 3-醛，1-烃，1-酮、1-芳香族化合物、1-未鉴别VoC[55]肺活量测定皮尔逊相关性107-哮喘，第373节-最好的朋友75.2%丙二醛、NO2、SO2[56]分析仪，电化学传感器WhitneyU检验，WilcoX符号秩检验16-哮喘，380% CO的分数浓度。NO[57]肺量测定线性回归15-哮喘，12-健康–一氧化氮、白三烯、前列腺素[61]--方差分析，Bonferroni后检验10-类固醇初治哮喘，5- EX三源性过敏性肺泡炎，10-健康88± 4%的NO[59] GC-MSWilcoX符号秩检验12-哮喘，17-健康–戊烷[62]肺活量测定Kruskal Wallis，Mann Whitney检验[63]方差分析（ANOVA），Newman-Keuls检验，线性回归11-轻度间歇性，13-轻度持续性，13-中度至重度，11-健康15-轻度哮喘，12-中度哮喘，12-重度哮喘，15-健康96 ±4.5%-轻度断断续续，84 ±5.7%-轻度坚持不懈，73 ±4.4%中度至重度91%-轻度，72%-中度，51%-重度半胱氨酸，白三烯，白三烯B4一氧化氮、硝基酪氨酸、白三烯[64]--Kruskal-Wallis检验、WilcoX非符号秩检验、Spearman19-哮喘，10-健康75%噻托溴铵[60] GC-MS ANOVA、Newman-Keuls检验、线性回归12-轻度，17-中度，15-重度，10-健康90-轻度，71-中度，49-重度一氧化碳、一氧化氮、8-异前列烷[67]-37-3.3. 肺结核（TB）结核分枝杆菌在肺部引起接触传染。Ziehl-Neelsen染色是用于检测TB的细菌学染色[86]。它只能检测晚期肺部疾病。结核分枝杆菌生长缓慢[22]。如果VOC被创建，主机可以选择释放或修改它们[58]。到目前为止，医生和研究人员为识别肺结核进行了大量尝试[70，72]。这些尝试包括考虑在结核病诊断中起重要作用的多种因素[85，87]。这些因素包括器械、标测VOC、生物标志物和痰培养[73，76]。Michal Philips等人[71]提出的呼吸分析研究考虑了226例患者。目的是确定呼吸中的VOC。痰培养涂片镜检，新墨西哥州Mule等人表8医学信息学解锁26（2021）1007158肺结核（TB）的概述。肺结核参考方法算法/统计技术数据库准确度灵敏度特异性生物标志物[71] GC-MS，自动热解吸（ATD）Kappa值、McNemar226-TB 85% 84% 64.7%烷烃和烷烃衍生物，环己烷和苯衍生物[73] MS PCA，微阵列显著性分析19-TB，17-非结核病- --1，2-二硬脂酰-sn-甘油-3-磷酸胆碱，[82]第82话：我的世界Kovats指数，多重蒙特卡罗模拟130-TB，121-健康80% 71.2% 72%萘、苯、烷烃衍生物[72]第七十二话二进制分类器44-TB，47-非TB，47-健康88% 85% 89% 2，4-二甲基庚烷，乙酰乙醛，2-丁酮[90] GC-MS模糊逻辑模式识别分析&42-TB，59-健康-82.6%苯，环己烷，甲基环十 二烷 ， 2， 2， 4，6，6-五甲基，1，4-二甲基[84]第八十四话秩和检验，支持向量机，稀疏逻辑回归，随机森林，高斯过程分类器21-TB，19-健康–81%79%VOCs[第七十七章]GCX GC-TOF-MSSVM，PLS-DA，随机森林32-TB，18-健康–82%92%Hydrocarbons,醇类、含卤素化合物、酯类、酮类、醛类、酸类、焦油类、含氮化合物[80] GC-TOF-MS SVM 21-TB，50-非TB77% 62% 84%十二烷，3-HEPTAFLUROBUTYROXY-十五烷，5-己烯酸，辛烷，1-己醇，2-乙基十四烷酸，十五烷，5-甲基-，壬烷，1，3-辛烷，乙酰胺，2-氟，己烷，3，4-二苯基[74]电子鼻，12-金属氧化物传感器ANN 34-TB，114-非结核病，46-健康–[75]电子鼻、QMB气体传感器[78]I'm sorry.[83]第83话PCA、KNN、Kruskal-Wallis检验、Wilco× on-Mann-Whitney U双样本检验秩和检验、Kruskal Wallis检验、X2检验、线性多元回归PLSDA，PCA，&安51-TB，20-健康的38-TB，93-健康的260-TB，240-健康–94.1%90%VOCs78.9%1-甲基-1，2-二氢萘二甲基苯乙烯、1，4-二甲基环己烷、α-二甲苯、乙酸异丙酯、3-戊醇、cynol[89]电子鼻，3-金属氧化物ANN 34-TB，50-健康–[80]一氧化氮分析仪秩和检验、X2检验、线性逻辑回归&109-TB，157-健康–EX卤代硝酸[88]电子鼻，3-金属氧化物ANN 23-TB，46-健康–88% 92% VOC模式X射线和其他因素用于诊断结核病。Bruins等人[74]提出了一种测量方法，允许校准模型在设备之间传输，并避免了大规模电子鼻实施的最常见的人们努力寻求利用人的呼吸来分析结核病患者中活动性结核病的可能性[77]。利用网络连接的快速床旁呼吸测试对动态肺结核条件下的VOCs进行了调查。这项调查由Michael Phillips等人进行[82]。 在参考文献[84]中，采集了21例肺结核或呼吸道外结核患者的样本，获得了灵敏度和特异性结果，准确度分别为81%和79%。另一种尝试是将生物标志物作为活性肺结核在确定的挥发性有机化合物[90]。采用气相色谱-质谱联用技术检测结核分枝杆菌。来自结核菌培养物的分子被认为是将其用作呼吸生物标志物的潜在分子。这些分子在被污染的猕猴体内的作用与在猕猴呼吸中发现的菌株37相似。当作为生物标志物时，这两种分子在未感染和污染的身体中分开，曲线下面积为87%-这项研究由Theodore R Mellors进行等[79]。Mamoudou Maiga等人[84]招募了34名吸入性肺结核患者和46名固体患者进行口服尿素酶呼气试验（UBT）和分枝杆菌痰培养。与培养相比，使用电子鼻方法进行呼吸诊断的准确性更好新墨西哥州Mule等人表9医学信息学解锁26（2021）1007159基于电子束的糖尿病诊断技术综述。糖尿病参考方法算法/统计方法数据库检测范围生物标记[91]腔衰荡光谱（CRDS）线性相关34例患者，15例健康2.19 ppmv丙酮[92]PTR-MS（质子转移反应质谱），Si掺杂的ε-WO 3纳米结构薄膜线性回归5份样品~ 20 ppb丙酮[93]SIFT-MS线性相关8例患者1[94]GC-MS线性回归10份样品乙醇-9.6±3.1 ppbv丙酮-392±85 ppbv乙醇、丙酮[95]PTR-TOF-MS（质子转移反应-Pearson8个样品1600-1400 ppb乙醇、丙酮、异戊二烯甲醇[96]GC-MS，SPME线性回归15例患者，15例健康0.049 ppbv丙酮[97]PTR-MS，SPME/GC-MS-[98]GC-MS、GC-PID（气相色谱-光离子化检测器）。传感器，电化学气体传感器–8[99]C掺杂WO 3纳米材料埃米特-泰勒（BET）表面积，X射线光电子能谱（XPS）--0.2[100]MWCNTs/SnO 2传感器Brunauer-Emmett-Teller（BET）[101]化学传感器PCA，SVM（支持向量机）279例患者，295例健康[102]GC.线性回归，Pearson0.1二氧化碳，一氧化碳0.641名称硝酸甲酯丙烷、硝酸异戊酯[103]HT-GC/MS循环S-基质4-患者，8-健康1-10ppmv，0.1-1ppmv丙酮[104]化学传感器，12-金属氧化物半导体气体传感器SVM、PCA。90-患者，第108节-第一次--丙酮方法和其他测试结核病根据所获得的结果表4提供了使用多种方法、算法、统计技术和生物标志物的肺结核信息及其准确性、灵敏度和特异性分析。3.4. 糖尿病糖尿病是一种与健康相关的病症，其表明来源于消化食物的血糖利用不当。在这种健康状态下，各种化合物在不同的水平上参与，例如消化食物，从食物中提取能量，将能量储存在从细胞中提取能量的分子中。糖尿病与呼吸中的丙酮水平升高有关。丙酮的浓度也随饮食而变化;呼吸中丙酮的存在被认为是评估糖尿病的重要参数之一[120]。在这种情况下，丙酮是区分糖尿病和非糖尿病患者的最重要化合物[22]。研究人员已经进行了各种尝试、调查和努力来开发利用不同化合物来鉴定糖尿病的技术对于糖尿病患者的临床检测，Chuji Wang等人开发了丙酮分析仪原型[91]。本文探讨了呼吸中丙酮含量与糖尿病监测参数的关系。Righettoni等人[92]已经将纳米颗粒用于糖尿病分析。在他们的工作中，基于Si掺杂的WO3纳米颗粒的便携式丙酮传感器已经开发并测试用于糖尿病患者的分析所提出的工作的结果也是令人满意的。Claire Turner等人也检查了呼吸中丙酮水平与糖尿病之间的关系。[93]。他的研究表明，呼吸中的丙酮改变了1型糖尿病患者的血糖和代谢状态，也受到EB中丙酮存在的影响使用多种呼出气体作为血糖水平的生物标志物已经由Pietro R.Galassetti等人[94].他们已经证明，不仅丙酮，而且呼吸中存在的其他气体有助于糖尿病患者的诊断。在另一项研究[95]中，使用便携式丙酮传感器测量呼吸的潮气末分数。便携式传感器与血糖和呼吸丙酮密切相关。Chunhui Deng等人[96]开发了一种基于GC-MS/SPME的技术，用于评价EB中的丙酮水平。所提出的技术是简单，快速和感知。表5显示了从呼出气中识别糖尿病的方法的总结，包括算法、统计技术和生物标志物。3.5. 慢性阻塞性肺疾病（COPD）COPD是一种炎症性肺病，其特征在于肺气流的永久性阻塞。吸烟和吸烟是COPD疾病背后的主要原因[81]。虽然COPD是一种危及生命的肺部疾病，但这种疾病被广泛诊断不足。 在临床实践中，COPD诊断基于三个因素：症状、肺功能检查和对吸入药物反应的评价[117]。研究中考虑了COPD、VOCs、检测工具的不同方面以及不同
我的内容管理
展开
