矽肺病是一种无法治愈但完全可以预防的肺部疾病。它只有一个原因：吸入过多的二氧化硅粉尘。这在隧道挖掘、石匠和建筑等行业中是一个风险。
就在上周，ABC报道了悉尼隧道项目中的13名工人被诊断出患有矽肺病。这再次提醒我们，目前的诊断方法存在局限性，通常只能在肺部已经受到显著损伤后才能检测到这种疾病。
我们在《呼吸研究杂志》上发表的新研究提供了最新结果，展示了一种由人工智能（AI）驱动的用于检测矽肺病的呼吸测试。该测试是非侵入性的，可以测量数十种分子，并在几分钟内识别出矽肺病。
我们开发的测试在区分矽肺病患者和健康个体方面达到了超过90%的准确率，这比传统的肺功能测试要好。
尽管我们的测试尚未在实际临床环境中进行试验，但迄今为止的结果表明，呼吸测试可能成为工作场所健康筛查的重要工具。早期检测可以防止病情恶化，减少医疗成本。
矽肺病是一个日益严重的问题——但难以检测
目前，新南威尔士州、澳大利亚其他地区以及国际上越来越多的年轻工人被诊断出患有矽肺病。澳大利亚政府已经禁止使用人造石材，但这并没有解决其他行业中的持续风险。
患有矽肺病的病人常常描述一种感觉，就像他们正在慢慢被勒死，每次呼吸都变得越来越困难。在晚期阶段，矽肺病可能是致命的，除非患者能够接受肺移植。
唯一阻止矽肺病进展的方法是将受影响的工人从进一步的二氧化硅暴露中移除。因此，在不可逆的肺损伤发生之前，早期诊断患者至关重要。
然而，这并不容易实现。肺功能测试和胸部X光片只能在不可逆的肺损伤出现后才识别问题。在某些情况下，患者还需要CT扫描和侵入性活检来确认诊断。但是，尽管CT扫描分辨率更高，但也依赖于可见的矽肺病迹象。
这些方法成本高昂且耗时，使得对数千名可能处于风险中的工人进行轻松筛查变得更加困难。
这就是呼吸测试发挥作用的地方。
呼吸测试如何检测疾病
人类的呼吸中含有数百种挥发性有机化合物——这些小气体分子来自体内的代谢过程以及环境。
这些分子的组成会因生理条件如疾病而变化。然而，挥发性有机化合物通常以极低浓度存在——我们需要高度敏感的技术来可靠地检测它们。
我们的团队已经开发出能够在万亿分之一浓度下检测挥发性有机化合物的工具。这相当于在一个多个奥林匹克游泳池中检测到一滴液体。
这种灵敏度使我们能够识别呼吸中非常微小的生化变化。AI是这种方法的关键。我们的机器学习模型分析呼吸样本，以区分健康个体和患有矽肺病的人。
这是基于我们之前的工作，即使用AI分析血液浆液以高准确率和可解释性来早期检测帕金森病，这使我们能够确定对模型准确性贡献最大的化学特征。可解释性是指理解并解释AI模型如何得出预测，提供哪些数据输入最重要的见解。
现在，我们将类似的方法应用于呼吸分析。由于测试的灵敏度，我们有可能在非常早期阶段检测出矽肺病。
它的效果如何？
在我们的新研究中，呼吸测试在31名矽肺病患者和60名健康对照组中进行了试验。AI驱动的模型成功地以超过90%的准确率区分了矽肺病病例。
该测试每份样本不到五分钟，使其适用于大规模健康筛查。此外，测试不需要受试者禁食或进行任何特殊准备。
呼吸分析中的一个重要问题是外部因素（如饮食或吸烟）是否会影响测试结果。我们的研究包括了矽肺病和健康对照组中的吸烟者和非吸烟者，测试保持了高准确率。
我们的结果显示出巨大的前景，但仍有一些挑战需要克服。该测试依赖于高度敏感的仪器，虽然紧凑（小于一立方米），但仍需要技术专长来操作。
目前，呼吸样本是在诊所收集并运送到实验室进行分析。我们希望未来的迭代版本能够在工作场所进行测试，创建常规筛查程序。在全面实施之前，还需要在更大、更多样化的工人人群中进行进一步验证。
下一阶段的研究将涉及改进AI模型，并扩展到数千名可能面临风险的二氧化硅暴露工人的实际测试。
虽然常规医学评估仍将是高风险工人的必要手段，但添加呼吸分析可以实现比目前更连续的监测。它可以帮助在症状变得不可逆转之前及早检测出矽肺病，从而降低长期健康风险。
William Alexander Donald是新南威尔士大学的化学教授。Deborah Yates是一位资深的呼吸科医生，具有阻塞性和职业性肺病研究的学术背景，并长期致力于医学培训和指导。Merryn Baker是新南威尔士大学悉尼分校的分析化学博士候选人。本文转载自The Conversation。
(全文结束)
