新闻网讯（通讯员笙科）近日，武汉大学生命科学学院、高致病性病毒与生物安全全国重点实验室教授徐可团队与华中科技大学集成电路学院教授刘欢团队开展联合攻关，在国际期刊Advanced Science发表了最新研究成果。论文题目为“Real-Time and Non-Invasive Detection of Respiratory Viral Infections Using an Intelligent Odor Monitoring System (IOMS)”。武汉大学生命科学学院博士生沈亚洁、博士后袁为锋，华中科技大学博士生李龙为论文共同第一作者，刘欢、徐可为共同通讯作者。
该团队研发的智能气味监测系统（IOMS）通过配置高灵敏的气体传感器阵列和机器学习算法，像嗅觉指纹识别一样捕捉呼出气中的异常信号，实现无创、实时的病毒感染检测。病毒复制引起的机体代谢动态变化，会使呼出气体中的挥发性有机化合物（VOCs）在短期内发生复杂的波动，无法定性定量测量，也难以用单一传感器检出。这种动态、混杂的混合VOC谱系变化，恰好为AI提供了用武之地——研究团队将半导体传感器阵列嵌入动物笼具，以每秒1次的频率连续7天原位监测VOC，构建从分子到电信号的"气味条形码"矩阵，在接触病毒后7–8小时即可捕捉到气味指纹的早期变化，实现从潜伏期到恢复期的全病程动态"嗅探"。
在小鼠流感感染模型中，IOMS识别的感染相关特征气体经六通道传感器阵列和机器学习建模，单次实验每组产生3,628,800个纵向监测数据点。研究团队按18秒通风周期对数据平均降噪后发现，感染组与对照组在主成分空间中清晰分离，且气味指纹随病程动态演化。三种机器学习算法验证结果表明，内部测试集识别准确率达99.88%，独立盲法验证准确率为93.99%，尤其在感染早期（1–3天）均保持98%以上的准确率。值得注意的是，72小时以内的感染早期不仅是抗病毒用药的黄金窗口，也是切断传播链条的最佳控制时期，但这一阶段较低的病毒载量，往往难以被传统抗原及核酸检测方法识别。IOMS系统的研发，促进了超早期、无创化筛查从可能走向现实，为无症状感染的早期检测提供了全新路径。
该工作是武汉大学高致病性病毒与生物安全全国重点实验室“开放课题”支持下开展的医工交叉合作研究，建立了流感病毒感染的无创快速识别模型。该研究发现的气体标志物获批国家发明专利，IOMS系统获得实用新型专利授权。研究同时得到国家重点研发计划、国家自然科学基金及湖北省重点研发计划等资助。
论文链接：
https://advanced.onlinelibrary.wiley.com/doi/10.1002/advs.76244
