西交利物浦大学数学物理系刘波教授团队近期在传感器技术领域取得重要进展。该团队研发的“电子鼻”系统利用高性能纳米复合材料，探测极限可达ppb（十亿分之一）级别，并结合深度学习模型实现精准的气体识别。目前，该技术已在血液透析监测、肺癌早筛及公共安全等多个领域展开临床实验与应用探索。

数字化“闻诊”：ppb级灵敏度捕捉病灶信号

在中国传统医学中，“闻诊”是判断疾病的重要手段之一。刘波教授团队通过现代科技手段，将这种直觉化的感官体验转化为可量化的数字化数据。

该“电子鼻”的核心在于团队自主研发的高性能纳米复合材料传感器。其探测灵敏度达到了惊人的十亿分之一（ppb）级别。刘波教授解释说：“这好比在一座巨大的游泳池里滴入一滴墨水，这只‘电子鼻’依然能清晰地将其感知出来。”这种极高的灵敏度，使得系统能够捕捉到呼气中极为微弱的特异性代谢分子。

AI赋能：从复杂背景中提取“气味指纹”

人类呼出的气体成分极为复杂，包含成百上千种细微分子。如何在海量背景气体的干扰下，精准锁定目标疾病信号？

为此，团队引入了深度学习算法。AI模型通过对传感器采集的电信号进行多维度分析，能够像“人脸识别”一样提取出特定气体的“气味指纹”。这一技术有效解决了传感器交叉干扰和个体差异化的问题，大幅提升了检测的准确性与鲁棒性。

临床进展：助力精准医疗与无创筛查

目前，这套“电子鼻”系统正通过无创监测开启全新的诊疗模式。团队已与苏州市立医院、上海肺科医院、淄博中心医院等多家知名机构展开深度临床合作。

在血液透析监测中，团队首次利用氨气传感器实现了对透析效果的实时在线监测。通过在线监测呼出氨浓度的变化趋势，医生可以科学判断透析是否达标，减少了对经验性判断的依赖。相关成果已发表于传感器领域权威期刊ACS Sensors。

在肺癌早期筛查研究中，研究团队通过检测呼气中的特异性挥发性有机物标志物（如甲苯），构建了基于气体传感与机器学习的诊断模型，取得了 95% 的总体诊断准确率。受试者工作特征曲线（ROC）分析显示，其 AUC 值高达 0.98。此外，结合卷积神经网络（CNN）与多层感知机（MLP）的深度学习模型同样表现出良好的分类性能，进一步验证了该技术路线在肺癌无创筛查中的稳健性与可拓展性。相关研究成果已于近期被国际权威期刊 ACS Sensors发表。

刘波教授透露，团队已完成从实验室样机到1.0原型机的迭代，未来的重点将转向设备的小型化和产业化转化。

跨界应用：构建全方位的“机器嗅觉”

除了医疗领域，这种通用的“机器嗅觉”技术在其他行业同样展现出广阔的应用前景：

在公共安全领域，团队正与政府机构紧密配合，针对违禁品“笑气”（一氧化二氮）开发快速筛查工具，解决现场取证难题。

在粮食安全领域，团队在与相关储粮机构的交流中，该技术被提议用于粮仓监测——在粮仓霉变早期，通过感应真菌代谢产生的特异性气体发出预警，实现早发现、早处理。

在工业安全领域，团队正与多家企业探索合作，实时监控工厂中易燃易爆气体的微量泄漏。

“我们希望这项技术能走出实验室，走入家庭和社区” ，刘波教授表示，“无论是老人在家进行术后健康监测，还是在基层医疗机构进行大面积筛查，这种无创、低成本的‘吹气检测’都将极大地降低医疗和社会成本。”

记者/ 刘沁茹

编辑/ 寇博

图片提供/ 刘波

新媒体/ 马雅君 

监制/胡秋辰

西浦学者入选中国ESG30青年学者计划！

西交利物浦大学后量子迁移交叉实验室新址启用暨金融行业国际合作中心揭牌！