上海仪器仪表展了解到，全球范围内，空气污染每年致数百万民众过早离世，是当代社会亟待解决的重大环境难题。大气成分复杂，除常见颗粒物外，还含气体污染物及过敏原、毒素等生物成分；人体呼吸暴露后的健康影响，需考量这些物质的作用及可能的协同效应，且大气化学变化与污染源波动会导致空气毒性快速改变。

当前评估空气质量仍以颗粒物质量浓度为主要指标，难以全面反映真实健康影响；研究空气污染健康效应的现有方法多为离线技术（如颗粒物鼻腔灌注、血液注射、富集后气溶胶化），还需繁琐且有创伤的组织或血液取样分析，时效性严重不足，极大限制了对真实环境中空气污染健康危害的精准及时评估与预警。

针对这些难题，北京大学环境学院要茂盛教授团队研发出空气毒性活体监测系统（ATMS），实现了空气污染健康效应的原位、实时、在线监测，为该领域带来突破性进展。

为验证与应用该系统，团队联合国内多所高校及科研院所，2023 年冬季先在 7 个城市部署 ATMS，2024 年春季将范围扩大至 13 个城市，开展 24 小时不间断的大气污染健康效应实时无人值守监测，时间分辨率达 3 秒，可精准捕捉空气毒性细微变化。

监测中，科研人员关注暴露于不同城市空气的大鼠，通过实时检测其呼出气中 8 种标志物（VOCs、CO₂、CO、NO、H₂S、H₂O₂、O₂、NH₃），结合机器学习，实现了不同城市空气毒性的实时监测与科学评估。

数据分析阶段，团队用 EconML 因果推断机器学习模型研究发现：不同城市中，即便 PM2.5-10、PM2.5、O₃质量浓度相同，其对大鼠呼出气中炎症和氧化应激标志物的影响仍存在显著差异。这揭示了污染物来源、季节对颗粒物健康效应的重要影响，也证实真实环境中颗粒物与臭氧存在协同健康效应。

基于上述 8 种标志物，科研人员借机器学习算法构建了可实时反映空气综合毒性的空气毒性指数（ATI），并结合深度神经网络（DNN）与 Shapley 加法解释算法（SHAP）解析驱动 ATI 变化的关键因素。

结果显示，冬季不同城市 ATI 时间特征各异：北京在 11 点、20 点 - 次日 3 点空气毒性达高峰；太原、西安、郑州在 10 点 - 24 点、0 点 - 2 点毒性较高；长沙则在 10 点 - 16 点毒性较高。研究还发现，时间和城市是影响 ATI 的首要因素，PM2.5 是各城市空气毒性的首要污染物，且其影响随浓度增加呈非线性特征。

与冬季不同，春季各城市 ATI 日内波动平缓，空气毒性以 O₃为主导，PM2.5 影响明显减弱。监测结束后，组织病理学检查也证实了不同城市空气污染对大鼠肺组织损伤的差异。

要茂盛团队的这项研究，在国内外首次实现用活体大鼠实时在线监测大气污染健康效应，为该领域研究开辟新范式。研究不仅建立了空气污染健康效应实时监测新方法，还在多个污染水平不同的城市大规模应用，揭示了不同城市空气毒性的时空差异。

上海仪器仪表展注意到，这套技术体系未来有望为优化空气污染控制策略、提升公众健康防护提供重要技术支撑，可推广用于大范围日常监测，弥补现有监测体系对健康效应关注的不足，为守护公众健康和改善大气环境质量贡献力量。

来源：北大新闻网

如有侵权行为，请联系删除。