一次呼气就能区分牙科疾病吗？耶路撒冷希伯来大学哈达萨牙科学院与以色列理工学院（Technion）的联合研究团队，测试了一种通过读取呼气中化学物质来区分龋齿、牙龈炎、牙周炎和种植体周围炎的纳米传感器。结果因疾病而异，差异很大。该方法能准确区分牙周炎与健康的种植体状态，但对龋齿、牙龈炎这类早期阶段的变化，却未能准确捕捉。
呼气中留下疾病的痕迹
口腔中栖息的细菌与发炎的牙龈组织会产生化学物质作为代谢产物，其中一部分以挥发性有机化合物（容易挥发到空气中的有机化合物）的形式混入呼气中排出。研究团队收集了患有龋齿、牙龈炎、牙周炎、种植体周围炎的人群以及健康人群的呼气样本，用气相色谱-质谱联用法（GC-MS，一种将化合物逐一分离并确定其身份的实验室分析法）分析了哪些化合物会因疾病不同而呈现差异。有一种化合物在化学上将牙周炎与龋齿、牙龈炎区分开来，另有13种化合物能区分种植体周围健康状态与种植体周围炎。这意味着每种疾病在呼气中留下的化学指纹各不相同。目前牙科诊断牙周炎或龋齿时，要用探针测量牙龈沟深度，或用X光逐一检查牙齿和骨骼，而读取呼气的方法则希望通过一次呼吸就能同时查看多种疾病的信号。
手掌大小的传感器读取那份指纹
GC-MS虽然准确，但设备庞大、出结果耗时，难以直接用于诊室现场。研究团队因此改用排列了40种纳米材料的纳米传感器来读取同样的呼气样本，这些材料一接触化学物质就会发出各不相同的电信号。与逐一鉴定化合物的GC-MS不同，纳米传感器把多种化合物混合而成的整体信号当作一种模式来接收，机器学习先按疾病类型预先学习这些模式，再判断新采集的呼气样本更接近哪一种模式。将传感器信号按疾病群组分类比较时，这种差异在统计上也十分明显。
测出牙周炎，却漏诊龋齿
只挑选10种传感器构建的机器学习模型，在训练数据中准确率为69.6%，在验证数据中为58.8%。按疾病分类来看，差异很大。对于患有牙周炎的人和种植体周围健康的人，验证数据中几乎全部被准确区分出来，但对龋齿、牙龈炎、种植体周围炎这类早期阶段或炎症信号较弱的状态，漏诊率从一半到最多四分之三不等。将无病者误判为有病的比例控制得较低，特异度在71.4%到100%之间，处于较高水平；综合区分能力的评分（ROC曲线下面积）也很高，满分1分中达到0.88至0.97分。这意味着，用单一判定标准同时区分多种疾病时准确率较低，但把每种疾病单独来看的区分能力则更高。
看的不是唾液，而是呼吸
通过读取口腔细菌的基因来判断疾病阶段的方法此前已经出现。通过读取唾液中细菌基因来划分牙周炎阶段的方法是用测序读取唾液中细菌的种类和数量，从而判断牙周炎的进展阶段。而这次的纳米传感器不是读取细菌或其基因，而是从呼气中读取细菌与炎症组织产生的化学物质留下的痕迹。由于不需要采集唾液，只需呼气即可，检测过程更简便，但也暴露出局限：在化学物质含量少或信号重叠的早期疾病阶段，区分能力会下降。
呼气中的化合物可以成为口腔疾病信号这一点，在化学分析和传感器实验中都得到了确认。不过，仅凭便携设备和机器学习稳定读取这一信号的能力，目前只在区分牙周炎与种植体状态方面表现明显，而对龋齿这类早期阶段化学信号较弱的疾病，仍未能有效区分。