除了新冠病毒肺炎（Covid-19），該頻率梳技術還可以檢測其它疾病，例如慢性阻塞性肺疾病（COPD）、肺癌和腎衰竭。

據麥姆斯咨詢報道，近期，由美國國家標準與技術研究院（NIST）和科羅拉多大學（University of Colorado）聯合創建的美國天體物理聯合實驗室（JILA）的研究人員基于諾貝爾獎獲獎技術——頻率梳，升級完善了一款呼吸分析儀，研究人員將其與機器學習（ML）相結合，“非常準確”地檢測了170名志愿者的新冠病毒（SARS-CoV-2）感染情況。

研究人員表示，該成果“是頻率梳技術通過檢測人類呼出氣體來診斷疾病的首次真實測試”。這一進展在發表于《呼吸研究學報》（Journal of Breath Research）期刊上的“Breath analysis by ultra-sensitive broadband laser spectroscopy detects SARS-CoV-2 infection”論文中進行了介紹。

與其它呼吸分析技術相比，頻率梳技術有潛力通過無創方式診斷更多種類的疾病，同時也比其它醫學檢測更快、更準確。

人類呼吸中含有1000多種不同的微量分子，其中許多微量分子與人體特定的健康狀況有關。美國天體物理聯合實驗室研發的頻率梳呼吸分析儀根據呼出氣體樣本吸收的紅外光的特定波長和強度來識別分子的化學特征。

2008年，美國天體物理聯合實驗室的Jun Ye研究員及其同事展示了世界上第一臺頻率梳呼吸分析儀，該分析儀測量光譜近紅外（NIR）部分的光吸收。

美國天體物理聯合實驗室研發的頻率梳呼吸分析儀可以檢測新冠病毒肺炎等疾病

2021年，他們通過將該技術擴展到中紅外光譜區，使檢測靈敏度提高了數千倍，在中紅外光譜區域，分子對光的吸收能力更強。這使得在萬億分之一（ppt）濃度水平上的一些呼吸分子（例如人體中那些濃度最低的分子）也能被識別出來。

這項研究的另一個亮點是使用了機器學習。機器學習可處理和分析來自14836個頻率“梳齒”測量的所有呼吸樣本的大量數據，每個“梳齒”代表不同的頻率，以創建診斷疾病的預測模型。

機器學習的益處

“與健康相關的分子濃度會隨人體健康狀況的變化而增加或減少。機器學習分析這些信息，識別其模式，制定可靠的檢測標準，我們可以借此來預測并診斷疾病。”Jun Ye研究小組的研究生梁啟忠說道，梁啟忠是上述論文的主要作者。

美國天體物理聯合實驗室由美國國家標準與技術研究院和科羅拉多大學博爾德分校（University of Colorado Boulder）聯合運營。這項研究工作是研究人員在2021年5月至2022年1月期間，通過從170名羅拉多大學博爾德分校的學生和教職員工身上采集的呼吸樣本進行的。其中約一半的志愿者在新冠肺炎（COVID-19）標準聚合酶鏈式反應（PCR）檢測中呈現陽性。另一半受試者的檢測結果為陰性。

NIST/JILA研究員Jun Ye和David Nesbitt創建了一款頻率梳呼吸分析儀，該呼吸分析儀通過測量激光頻率梳穿過玻璃管內呼吸樣本時吸收的光的波長和強度，來識別疾病的生物標志物

Jun Ye研究員說：“我確實認為該頻率梳技術優于其它任何技術，其中，最基本的一點不僅在于檢測靈敏度，還在于該技術可以生成更多的檢測數據或呼吸標記，在人工智能（AI）的幫助下可真正建立一個全新的‘頻率梳呼吸組學’領域。有了這些數據庫，我們可以用它來搜索和研究人類的許多其它生理狀況，并幫助推進醫療保健領域未來的發展。”

展望未來，研究人員可以通過擴大光譜覆蓋范圍、使用更強大的人工智能技術分析模式以及檢測和分析其它分子（包括新冠病毒），來進一步提高該頻率梳技術的準確性。

審核編輯：劉清