MEDICAL DATA RESEARCH
呼气数据不是“一口气”:口臭、丙酮与酒精检测的研究级采集与验收
面向医疗AI研发和数据采购,拆解口腔异味、呼气丙酮与呼气酒精的采样段控制、参照配对、专家标签、纵向防泄漏、受试者安全和外部验证,说明如何把一次吹气变成可复核的数据证据链。
当一个呼气设备在同一位受试者身上给出两个不同读数时,问题究竟来自传感器,还是来自采到了不同的呼气段?当口腔异味的嗅诊等级与挥发性硫化物读数不一致时,哪个结果应当成为模型标签?当丙酮读数随着饮食和运动变化时,它反映的是脂肪氧化、呼吸动作,还是上一餐和环境条件的共同影响?这些问题决定了呼气数据能否支持医学算法研发,而不只是形成一批看似完整的检测记录。
先把一个采集需求拆成三类临床任务
一份典型的呼气数据采集规格,往往把口腔异味、呼气丙酮和呼气酒精放在同一个执行计划中。但三者对应的生理来源、采样方式、参照测量和结果解释都不同。若只按“受试者—吹气—保存数值”的统一流程交付,最终数据可能在文件层面齐全,却无法回答模型训练和方法学验证最关心的问题。
口腔异味任务的临床对象是口腔气味及其可能的口源性因素,输入包括受控条件下的口腔呼气样本、环境空白和受试者的必要背景信息,输出至少有两层。一层是训练过的嗅诊者对气味强度或等级的观察标签,另一层是挥发性硫化物等仪器测量值。嗅诊不是简单的“有味/没味”二分类;等级边界、是否判断口源性、是否允许不确定和如何处理不同专家的分歧,都必须写进标签字典。仪器数值也不应直接被写成疾病诊断,因为不同设备对化合物的覆盖范围和响应方式不同。
呼气丙酮任务的临床问题更接近代谢状态监测或方法学探索,而不是凭单次呼气诊断疾病。输入是一段具有时间顺序的呼气信号,配套记录饮食、运动、体重或身体成分、血酮和血糖等上下文,输出可以是连续丙酮浓度、时间序列变化和与参照测量的误差。呼气丙酮与酮体代谢有关,但它不是能量平衡的单一替代指标。八名健康志愿者的交叉研究显示,短时禁食时呼气丙酮和血液β-羟丁酸可同步上升;在低碳水进食条件下,两者并不总是同向变化,研究因此明确提出了把呼气丙酮直接当作能量平衡指标的限制。1
呼气酒精任务的核心不是把一次吹气结果包装成个体结论,而是验证一种受控呼气方式和一个测量系统能否稳定地反映参照浓度。输入包括饮酒后的规定时间点、呼气动作、环境条件和重复测量,输出是连续浓度、重复性、偏差及必要的时间—浓度关系。呼气酒精与血液或动脉血的关系会受到肺泡气体是否真正被采到、温湿度、呼气持续时间和个体差异影响。研究级数据应区分科学验证、设备比较和执法计量用途,不能把一个固定的血液/呼气换算比当成所有受试者和所有场景的真值。
因此,需求的最小可交付单元不应只是“一个样本文件”,而应是受试者、场景、呼气动作、仪器、参照、专家评分和质量状态之间可追溯的一组记录。每一次测量都要有唯一事件标识,能够连接采样前条件、空白样本、设备校准、原始谱图或传感器输出、人工记录、异常原因和最终是否进入分析集。
图1 技术示意:展示呼气研究数据的组织关系,不代表真实患者、真实实验完成情况或临床诊断结果。
采样动作本身就是测量系统的一部分
呼气样本不是一个天然稳定的液体试管。采样者吸入了什么、在肺内停留多久、先排出哪一段气体、是否达到规定体积,以及样本在阀门、针筒、气袋和分析仪之间经历了哪些转移,都会成为测量不确定性的来源。尤其是丙酮,现有综述指出其在呼吸道中的交换特征与氧气、二氧化碳在肺泡中的交换并不完全相同;呼出体积、呼吸模式、屏气和呼气温度都可能影响测量值。2 因而,“每个人都完成了吹气”不等于“每个样本都来自同一测量状态”。
口腔异味采集首先要控制受试者状态。进食、饮酒、刷牙、漱口水、口香糖、吸烟、口腔干燥、牙周状况、舌苔和药物都可能改变挥发性硫化物或气味。2024年的标准化方法学综述强调,挥发性硫化物会受到口腔和全身条件、食物饮料、口腔卫生以及日常活动的动态影响,因此应同时标准化参与者的准备、测量技术和仪器处理。3 具体项目可以根据研究目的设定禁食和口腔清洁窗口,但窗口必须在方案中固定,并把偏离记录为可查询的质量变量,而不是在事后用文字备注掩盖。
口腔异味还需要把口腔呼气和环境空气分开。环境空白可用于观察房间、清洁用品或采样耗材带来的背景变化;同一受试者的重复轮次可用于判断短期重复性;不同呼气动作则应作为预先定义的实验因素。若不同动作被混在一个训练集里,模型可能学到的是流量、屏气或采样时长,而不是口腔异味本身。
丙酮采样尤其需要说明采的是哪一段气体。末端呼气或肺泡相关气体通常比混合了口腔和死腔气体的早期呼气更接近研究目标,但不同设备可以采用不同的体积控制、缓冲管或呼气指导。近期一项手持呼气丙酮设备研究把体积控制的末端呼气采样、每日校准、环境温湿度记录和质子转移反应飞行时间质谱对照放在同一验证框架中,并在健康志愿者的运动和饮食干预中评估读数。4 这类设计的价值不在于证明一个设备已经具有临床诊断效果,而在于把“如何采到可比的呼气段”从操作说明提升为可检验的测量变量。
如果项目同时使用气袋、采气筒、针筒和便携设备,应记录容器材质、预处理、装样时间、转移时间、封存状态和重复使用风险。对于容易吸附或受湿度影响的挥发性化合物,样本在耗材中停留过久可能造成浓度衰减或组分比例改变;这不是对所有耗材损失的预设结论,而是需要在试采和稳定性测试中验证的过程变量。质量系统不必假设所有偏差都能通过算法校正,但必须让下游知道样本经历了哪些步骤,才能判断某一异常是生理变化还是前处理变化。
酒精采样则要把“深层呼气”的判定写清楚,并把摄入酒精后的受试者安全、退出和不适处理写进方案。一个可验证的流程应记录是否达到最低呼气时间、流量是否在允许范围、是否采到呼气末端、仪器是否检测到足够的二氧化碳或其他肺泡气信号,以及两次测量之间的间隔。针对一种采用自由呼气、以水蒸气标准化并同步控制肺泡气体的分析方法,研究者将呼气酒精与动脉血酒精进行比较,说明呼气段控制和参照配对是方法验证的核心,而不是简单增加重复次数。5 官方计量技术规范也把温度效应、检定气体不确定度、重复性和生理影响量列为呼气酒精设备评价的一部分。6 这类研究测量不能直接改写为执法计量或个体血液浓度判定。
参照方法与专家标签不能互相替代
口臭的主观嗅诊和客观仪器结果回答的是相近但不完全相同的问题。训练过的嗅诊者直接评价气味强度,仪器则测量若干化合物或综合信号。一个开放研究在成人受试者中比较训练专业人员的嗅诊与挥发性硫化物测量,并用受试者操作特征曲线考察不同阈值。其结果显示,不同阈值可分别强调敏感度或特异度,最佳点并不是脱离用途而存在的单一常数;研究也指出,嗅诊是某一时点的观察,而长期口臭可能需要重复观察或不同的时间尺度。7
这对数据标注有三个直接影响。第一,嗅诊者要在看不到仪器读数的条件下独立评分,避免被数值暗示。第二,每位专家的原始评分都应保留,不能只保留一个未经说明的平均数。第三,项目要预先规定何时复核、如何处理跨级分歧、如何记录“无法判断”和怎样形成最终分析标签。可以用加权一致性、组内相关或分层模型描述评分可靠性,但不能把专家之间的分歧机械地改写成标签噪声,因为分歧本身可能提示边界病例或标签定义不够清晰。
丙酮和酒精的标注主体通常不是嗅诊专家,而是参照分析仪、实验室方法或经过验证的便携设备。此时的“标签”应区分原始连续值、校准后的值、质量标志和分析用途。对于丙酮,血酮、血糖、饮食和运动记录是解释变量或并行测量,不应被用来事后替换呼气读数。对于酒精,饮酒时间和剂量只能作为研究上下文;是否能推断血液浓度,要看参照方法和研究协议是否支持,不能仅凭口头记录或设备屏幕截图得出结论。
配对顺序也会影响标签。口臭任务若先做嗅诊再做仪器测量,受试者在重复屏气、咽喉刺激或多次开闭阀门后可能改变后续样本;丙酮任务若把便携设备和质谱测量放在不同时间,短时波动就会进入设备差异;酒精任务若在两台仪器之间安排不一致的休息时间,代谢过程本身会改变比较基础。研究方案应预先固定测量顺序,或用随机化、交叉顺序和时间戳模型估计顺序效应。
图2 技术示意:展示三类任务的标签与参照关系,不代表真实患者、任何设备的性能或研究结果。
从原始信号到可复核的算法输入
如果目标是支持医学人工智能研发,算法路线应从质量控制开始,而不是从模型名称开始。第一层是样本级完整性检查:是否存在环境空白、校准记录和有效呼气段,时间戳是否能与参照值配对,样本是否发生泄漏或残留,关键状态是否缺失。第二层是信号级处理:按设备和批次进行校准,保留原始单位与转换公式,对湿度、温度、流量或二氧化碳等过程信号做质量标记,必要时进行基线和漂移建模。第三层才是任务级建模:口臭可以研究分级或多任务分类,丙酮更适合先做连续值回归和纵向变化建模,酒精则先做方法一致性、偏差和不确定度评价,再讨论阈值分类。
对丙酮的纵向数据,不能随机按单条呼气记录切分训练集和测试集。来自同一人的相邻时间点高度相关,如果同一人的记录同时出现在训练和测试中,模型可能利用个人基线、设备批次或饮食阶段,而不是学到可迁移的生理关系。更稳妥的做法是按受试者划分,并在外部测试中保留新的时间段、设备批次或采样场景。对于同一受试者的每日记录,应保留缺失和中途退出原因,使用混合效应模型或带时间结构的模型处理重复测量,而不是把中断后的记录拼成一条连续轨迹。
口臭模型需要特别防止标签泄漏。若仪器数值被直接用于生成嗅诊标签,又把同一仪器数值作为模型输入,模型只是在复现标签构造规则,并没有学到独立的临床相关模式。训练、复核和测试的特征工程要在划分之后完成;阈值也应在开发集或预先注册的规则中确定,再到独立数据上验证。对于口源性和非口源性等语义,必须说明证据来自何种临床检查或专家判断,不能把项目中的筛选条件自动当成疾病真值。
酒精设备的算法评价还应区分读数准确性和状态判定。连续值可以报告平均偏差、绝对误差、重复性、变异系数和Bland–Altman限界;若要做阳性/阴性分类,应预先规定参照阈值、样本单位和不确定区间。一个总体相关系数很高的模型仍可能存在系统偏差,尤其在浓度范围两端或温湿度变化时。研究报告应把校准集、内部验证、外部验证和现场压力测试分开,避免把实验室内的相关性写成临床有效性或执法可用性。
质量验收要从“数量验收”转向“证据验收”
这类项目最容易出现的误区,是把完成了多少名受试者当成主要质量指标。人数只能回答“收集了多少”,不能回答“有多少记录可被独立复核”。一份可执行的验收框架,至少要有五层证据。
第一层是伦理和数据治理证据。应确认研究协议、知情同意、数据最小化、脱敏、访问控制和保存期限与实际流程一致。公开数据包不应包含直接身份信息,也不应通过组合变量重新识别个体。对于涉及饮食、运动、血糖、血酮或酒精暴露的任务,受试者安全、退出标准和不适处理要与采样流程同时验收。
第二层是采集过程证据。每条记录应能核对场景、时间、操作者、设备、耗材批次、空白、校准、呼气动作和异常原因。样本在转移中出现的等待、泄漏、残留或封存失败,不应被简单删除;应以原因码进入质量表,并明确是否可用于探索性分析、训练集或仅用于流程复盘。
第三层是测量一致性证据。对口臭,要同时审阅专家独立评分、仪器数值和复核记录;对丙酮,要审阅同一呼气段的便携设备与分析仪配对、日内重复和环境变量;对酒精,要审阅肺泡气判定、重复间隔、参照值和温湿度影响。验收指标应按任务预先约定,不能看到结果后临时选择最有利的阈值。
第四层是数据集结构证据。元数据、原始信号、派生特征、标签字典、版本号和质量报告需要相互对应。受试者级主键要保持一致,时间字段要统一时区和精度,重复轮次不能被误当成独立受试者。空值要区分“未采集”“采集失败”“不适用”和“因隐私规则移除”。这比把所有缺失填成零更能保护后续模型的解释性。
第五层是独立验证证据。内部随机切分只能检验开发流程,不能证明跨设备、跨场景或跨人群稳定。外部验证应尽量改变至少一个重要条件,例如新的采集人员、设备批次、环境温度范围或受试者构成,并预先冻结模型和阈值。结果应同时报告适用人群、参考方法、测量范围、失败样本比例和未解决的偏差来源。近期便携丙酮设备研究虽然把现实条件、质谱对照和纵向干预放在一个框架内,但样本仍是健康志愿者,不能直接外推到疾病诊断或普通人群筛查。4
业务交付需要把医学责任与数据工程责任分开
对研发团队而言,呼气数据的价值在于它能把低侵入采样、连续时间信息和多种参照测量连接起来。对数据供应方而言,真正可交付的能力不是声称拥有某个疾病数据集,而是能否把需求拆解成可执行的采样规程、稳定的元数据结构、经过训练的标注和复核流程,以及可追溯的质量报告。口臭需要医学背景的嗅诊设计,丙酮需要代谢研究设计和参照测量,酒精需要计量和呼气段控制;三者不应因为都使用“呼气”二字而共用一套未经验证的验收表。
已核验的公司能力边界可以支持把采集、处理、标注、质检和交付组织到同一数据流程中,也可以围绕医学数据目录和项目规格进行需求沟通。但这些能力边界不等于已有某个呼气队列、现成的医学专家团队、现货设备或已完成的临床验证。对于此类任务,项目启动前仍需单独确认伦理和知情同意路径、采集环境、设备与耗材、参照方法、专家资格、数据授权、隐私保护和外部验证计划。任何数量、周期、阈值和交付格式都应以书面项目规格为准,不应从一般平台能力推导出特定项目承诺。
因此,采购方或研发方在询价时可以把问题改写成一组可检查的技术条目:能否按目标化合物区分呼气段;能否记录空白、校准和转移时间;能否保留每位专家的原始评分;能否按受试者划分数据并提供外部验证;能否为无效样本提供原因码和重采规则;能否把原始信号、标签字典、质量报告和版本变更绑定交付。这样的问法比“是否有大量呼气数据”更接近真正的研发风险,也更容易在项目验收阶段形成证据链。
结语:先证明可比,再讨论可用
呼气研究的难点不在于让受试者完成一次吹气,而在于让不同时间、不同设备和不同操作者采到可比较的同类气体,并且知道每一个标签是如何产生的。口臭需要把气味观察与挥发性化合物测量并列管理;丙酮需要把呼气段、饮食运动和纵向时间放在同一解释框架中;酒精需要把肺泡气判定、参照测量和计量不确定度写进验证方案。
当采样动作、参照关系、专家分歧、缺失原因和外部验证都能够被复核时,呼气数据才有机会成为可靠的医学AI研发输入。它可以支持设备比较、纵向建模和方法学研究,但任何临床诊断、治疗决策或监管用途,都仍需要与具体人群、参考标准和前瞻性验证相匹配。对数据采购而言,最稳妥的交付不是一批漂亮的数值,而是一套能说明“这些数值从哪里来、为什么可比、在哪里可能失效”的证据链。
参考来源
- Breath acetone as a marker of energy balance: an exploratory study in healthy subjects
- Measuring breath acetone for monitoring fat loss: Review
- Standardized Protocols for Measuring Volatile Sulfur Compounds: Scientific Foundations and Methodologies
- Self-monitoring of fat metabolic status with smartphone-assisted breath acetone detector
- Breath alcohol concentration determined with a new analyzer using free exhalation predicts almost precisely the arterial blood alcohol concentration
- 呼氣酒精測試器及分析儀檢定檢查技術規範第4版
- Accuracy of two methods to detect the presence of halitosis

