通过波长复用光电电离检测器和人工智能图像分析实时检测微生物挥发性有机物以区分细菌种类

为什么“闻”出病菌可能改变医院护理

医院持续与患者在治疗期间获得的感染作斗争，这些感染常由对常用抗生素耐药的细菌引起。医生需要快速知道是哪种病原体以便选择合适的药物，但现有测试往往需要数天时间。本研究探讨了一种新方法，即实时“听取”细菌的气味并用人工智能区分不同物种，旨在加快诊断并改善病人护理。

留下化学气味的病菌

就像咖啡、花朵或油漆各自散发出可识别的气味一样，细菌也会释放各自的微量挥发性化学物质。这些称为挥发性有机物（VOCs），每个物种在生长时往往会产生一种特定的混合物。作者关注了四种常见的医院问题细菌，包括大肠杆菌和金黄色葡萄球菌，它们是泌尿道、血液和肺部感染的主要病因。如果能快速可靠地读取这些化学混合物，它们就能作为一种指纹，显示哪种病原体存在，而无需直接接触细菌本身。

一种嗅出无形线索的紧凑传感器

为捕捉这些细菌气味，团队构建了一个基于光电电离检测技术的小型装置。在传感器内部，四盏微小灯泡以高能光照射进入的VOCs。每盏灯具有不同的光能，因此各自对化学混合物中略有不同的成分更敏感。当化学物质被光照射时，会形成带电粒子并产生微弱电流。在20分钟的时间内，每盏灯会产生各自的电流曲线，反映细菌气味随时间的变化。这四条曲线共同形成一种多色模式，特定于每个物种及其数量。

将传感器信号转换为供人工智能识别的图像

原始电流曲线复杂，肉眼难以直接解读。因此研究人员将这些曲线转换为图像，填充每条线下的面积并将四盏灯的信号合成为一张图片。他们随后使用了一个预训练的图像识别网络，该网络最初用于分类日常照片，并通过一种称为小样本学习（few‑shot learning）的策略将其调整为本任务。该方法旨在即便只有少量样本时也能工作，这是新传感器开发初期常见的情况。AI模型学会捕捉来自不同细菌及不同浓度水平的图像之间形状和强度的细微差异。

系统目前能告诉我们的内容

在测试中，该传感器基于VOC模式可靠地区分了这四种细菌，物种识别准确率超过88%。它能检测到非常低的细菌水平，最低约为每毫升一百个细胞，这一范围与早期血流感染中观察到的数值重叠，且远低于尿路感染常见的水平。该系统还能够区分低污染与高污染水平，这一能力可帮助临床医师判断感染是否显著或仍处早期。当团队生成更均衡的数据集时，AI模型的性能进一步提升，表明更一致的数据会使该方法更为强大。

这对病人可能意味着什么

这项工作尚不能取代标准的实验室检测，但表明将简单的嗅觉传感器与现代人工智能结合，能够快速提示存在哪种细菌以及其丰度。由于设备体积小、不使用特殊标记或复杂样本制备，并能直接读取培养物上方的空气，它可被改造成床旁或近患者使用的工具。将来，类似的设备可能帮助医生更快应对医院感染、更精确地定制治疗方案，并减少对广谱抗生素的过度使用，从而改善病人预后。

引用: Costa, S.P., Cardoso, A., Mahmoodnia, H. et al. Bacterial species differentiation via real-time detection of microbial volatile organic compounds using a wavelength multiplexed photoionization detector and AI image-based analysis. Sci Rep 16, 15924 (2026). https://doi.org/10.1038/s41598-026-46818-x

关键词: 细菌检测, 挥发性有机物, 光电电离传感器, 人工智能, 医疗保健感染