阿尔兹海默无创早筛新方法：呼气VOC标志物

近期一项发表于阿尔茨海默病领域权威期刊《Journal of Alzheimer's Disease》的研究显示，通过微型气相色谱技术检测呼出气体中的挥发性有机化合物(VOCs)，能够无创筛查轻度认知障碍(MCI)。这是该领域首个基于呼气VOC筛查MCI的大样本量研究，标志着非侵入性呼气VOC检测技术在神经退行性疾病早筛方面取得显著突破。

研究背景

阿尔茨海默病(AD)是全球65岁以上老年人致死的主要原因之一。MCI被认为是AD的关键前驱阶段，早期识别和有效干预MCI可防止患者发展为AD痴呆，并减轻疾病负担。然而，现有筛查工具如认知评估、PET、血液标志物等存在主观性、侵入性或成本高等局限性，因此需要开发一种无创、便捷的MCI筛查方法。

研究发现

呼气VOC标志物模型的建立

研究团队成功构建了基于呼气VOCs标志物的诊断模型。通过对240名MCI患者和241名认知正常个体的呼气样本进行检测，利用机器学习算法从162种VOCs中精准识别出8种特征性标志物，包括甲苯、对二甲苯等芳香烃物质。

基于这些标志物构建的诊断模型展现出优异性能：最终模型整合了8种VOCs标志物以及年龄、教育水平，受试者工作特征曲线下面积(AUC)达0.84（95% CI:0.83-0.85）。该设备仅需3分钟呼气采样+12分钟现场分析，且无需复杂前处理。

8种差异VOC标志物的散点图和正交偏最小二乘判别分析（OPLS-DA）（A）

以及基于8种VOCs构建的独立模型与整合年龄、教育水平等协变量的联合模型的ROC曲线 （B）

与传统检测方法的比较

传统MCI筛查依赖认知量表、PET影像或脑脊液检测，存在主观性强、成本高昂、侵入性等局限。

本研究中，血浆标志物中仅NfL（神经丝轻链蛋白）和GFAP（胶质纤维酸性蛋白）的表达水平在MCI患者中较对照组高。5个血浆标志物结合年龄和教育水平建立的模型最佳AUC为0.77（95% CI: 0.65-0.88），低于VOCs模型AUC 0.80（95%CI：0.73-0.85）。值得注意的是，血浆标志物联合VOCs以及年龄教育水平构建的模型未能显著提升效能，AUC为0.80 （95%CI：0.74-0.86），提示VOCs独立价值更高。

397名受试者的血浆生物标志物水平（A）

以及VOC和血浆模型的ROC曲线（B）

对MCI病理机制的启示

研究发现，MCI患者呼气中烷烃类可能与脂质过氧化（AD病理相关）有关；芳香化合物或反映环境暴露及神经毒性。这一发现不仅为AD病理机制研究提供新视角，更提示呼气检测可同步反映机体代谢异常与环境交互作用。

研究展望

本研究成功构建了基于呼出气体VOCs的轻度认知障碍诊断模型，且其准确性优于血液生物标志物检测，展现出呼气检测技术在疾病筛查领域的巨大潜力。未来，将开展更大规模、多中心的外部验证研究，纳入不同地区、种族和年龄段的人群，以充分验证该模型的泛化性和稳定性。

团队表示："目前，AD早期检测技术面临的痛点包括受主观影响大、有创性、高成本、低灵敏度和普及难度大。而MCI呼气筛查技术则展现出客观、早期识别、无创便捷、高灵敏度和特异性以及成本低等优势，可嵌入社区健康筛查网络，对'AD诊断窗口前移'具有革命性意义--相较于传统检测仅能在出现明显临床症状后介入，呼气VOCs的筛查可提前至MCI阶段捕捉代谢异常信号，使干预时机从被动治疗转向主动终止或减缓MCI进展到痴呆阶段。"

在医疗资源下沉环节，该技术可部署于基层卫生机构和养老驿站，通过快速检测实现AD高危人群的网格化筛查，形成"筛查-诊断-干预-随访"的闭环管理生态，使AD防治成本降低，早期干预有效率提升。

打赏