呼気データ解析の標準ワークフロー
GC-MS や電子鼻から得られる生データは、そのままでは疾患判別に使えません。ノイズ除去・整列・正規化・特徴量抽出を経て、はじめて多変量モデルの入力になります。呼気分析では、この前処理（pre-processing）と検証（validation）の設計こそが、臨床的に意味のあるモデルと「その場限りの当てはめ」を分ける分岐点です。
- 生データ取得：GC-MS のクロマトグラム、e-nose のセンサ応答時系列、FAIMS のイオン移動度マップなど。装置ごとにデータ構造が大きく異なります。
- ピーク検出・デコンボリューション：クロマトグラムから成分ピークを抽出（XCMS, MZmine 等）。共溶出ピークの分離、保持時間のアライメントを行います。
- ノイズ除去・ベースライン補正：装置ノイズ、キャリアガス由来のバックグラウンド、ブランク（procedural blank）の差し引き。
- 正規化・スケーリング：総イオン量・内部標準・CO₂ 濃度などによる正規化、log 変換、オートスケーリングで濃度スケールの違いを吸収。
- バッチ補正：測定日・装置・施設ごとの系統差（バッチ効果）を補正（ComBat, QC-RLSC 等）。呼気研究で最も見落とされやすい工程です。
- 特徴量選択・次元削減：数百〜数千の変数から、疾患と関連する少数の VOC を選抜（LASSO, Boruta, PCA, PLS-DA）。ここでの情報リークが過大評価の主因になります。
- モデル構築：ロジスティック回帰、ランダムフォレスト、SVM、勾配ブースティング、深層学習など。呼気データは「サンプル数 ≪ 特徴量数」になりがちで、単純なモデルが有利なことも多い。
- 内部検証：交差検証（cross-validation）で汎化性能を推定。ただし特徴量選択を含めて交差検証の内側で行わないと楽観的なバイアスが入ります（下記）。
- 外部検証：別コホート・別施設・別装置での独立検証。これを通過して初めて臨床的な主張が可能になります。
「すべての研究は適切に検出力設計され、訓練セットと検証セットを分離すべきである」——これは呼気バイオマーカー研究のコンセンサス（AJRCCM 2024）の第一原則です。分離は過学習を防ぎ、異なる集団への一般化を担保する最低条件です。
プレアナリティカルのバイアス —— 呼吸・口腔・環境
呼気 VOC 測定の全分散のうち、30〜50% は測定前（pre-analytical）の分散——つまり「どう採ったか」で説明されるとされます。解析でいくら工夫しても、この上流のばらつきは取り返せません。
- 呼吸パターン：一回換気量・呼出速度・息止めの有無で、肺胞気（末梢気）のピックアップ率が変わります。CO₂ モニタ（capnography）併用で末梢気相を選別するのが標準的な対策です。
- 周囲大気（room air）：室内の塗料・洗浄剤・機器由来の VOC（トルエン、ホルムアルデヒド等）が呼気に混入します。吸気の清浄化と室内大気の同時測定・差分が必須です。
- 口腔・食事・喫煙・服薬：口腔フローラ、直近の食事、喫煙、薬剤が VOC プロファイルを大きく動かします。採取前の絶食・禁煙・歯磨きのタイミング統制と、交絡因子の記録が推奨されます。
- サンプリング材料：Tedlar バッグやチューブ材質からの脱ガス。多施設研究では材料・ロットの統一と procedural blank の定常運用が求められます。
なお、採取段階で試料を高濃縮できれば後段の実効的な検出限界（LoD）を下げられます。近年は液体ソルベントで捕集し最大10万倍まで濃縮する AirOnics®（液体高濃縮） のようなプラットフォームも登場しており、超微量（ppt）探索での前処理設計の選択肢が広がっています（各方式の比較は サンプリング標準 を参照）。
バイアス源 ②バッチ効果と「隠れた交絡」
呼気研究の再現性を壊す最大級の要因がバッチ効果です。たとえば「患者は午前に病院で、健常者は午後に大学で採取した」といった運用が、疾患ではなく採取の状況を学習させてしまいます。モデルは疾患ではなく「病院の空気」や「測定日の装置状態」を当てているのに、見かけ上は高精度に見えるのです。
① 症例と対照を同じ日・同じ装置・同じ順序でランダム化して採取する。
② 施設・装置・時期のバイアスを標準の報告項目に含める（AJRCCM 2024）。
③ QC サンプルを定期的に挟み、装置ドリフトを追跡・補正する。
④ 「モデルが疾患を当てているのか、採取状況を当てているのか」を常に自問する。
過学習と情報リーク（over-optimism）
「サンプル数 ≪ 特徴量数」という呼気データの構造は、過学習（overfitting）の温床です。とりわけ多いのが以下の情報リーク（data leakage）で、いずれも交差検証の AUC を実力以上に押し上げます。
- 特徴量選択をデータ全体で先に行う：交差検証の外側で「効く VOC」を選ぶと、テストデータの情報が選択に漏れます。特徴量選択は交差検証の内側（nested CV）で行うのが正解です。
- 正規化・バッチ補正を全データで実施：スケーリングや補正のパラメータもテストセットを見ずに訓練セットだけで推定すべきです。
- 同一被験者の複数サンプルが訓練・テストに分かれる：被験者単位で分割しないと、個人特有の VOC を学習してしまいます。
- ハイパーパラメータをテスト性能で選ぶ：検証セットの使い回しは、実質的にテストへの当てはめになります。
呼気分析の論文でしばしば見られるパターン——訓練コホートで AUC 0.90 超、独立コホートで 0.70 台まで低下——の多くは、装置性能ではなく上記のリークとバッチ効果で説明できます。外部検証を経ていない高 AUC は、額面どおりには受け取れません。評価指標
何を報告すべきか —— 指標と検証設計
スクリーニング用途では、AUC だけでなく陽性的中率（PPV）・陰性的中率（NPV）が実運用の鍵になります。有病率が低い集団では、感度・特異度が高くても PPV は低くなりがちだからです。分析的性能としては、検出限界（LoD）・定量限界（LoQ）・再現性（repeatability）・室間再現性（reproducibility）を併せて示す必要があります。
| 指標 | 意味 | 呼気分析での注意点 |
|---|---|---|
| AUC (ROC) | 判別能の総合指標 | 単独では不十分。外部検証での値を重視 |
| 感度 / 特異度 | 見落とし／過検出のバランス | スクリーニングでは高感度が優先されがち |
| PPV / NPV | 陽性・陰性判定の的中率 | 対象集団の有病率に強く依存する |
| LoD / LoQ | 検出・定量の下限 | 低濃度 VOC の主張には必須 |
| Repeatability | 同条件での再現性 | 同一被験者の反復採取で評価 |
| Reproducibility | 装置・施設間の一貫性 | ペパーミント試験等でクロスキャリブレーション |
報告の透明性も欠かせません。診断精度研究の報告ガイドライン STARD、予測モデルの TRIPOD（AI 版 TRIPOD+AI）に沿って、コホート構成・欠測・検証設計・装置ドリフトを開示することが、追試可能なエビデンスの前提になります。
チェックリスト —— 解析を始める前に
- 症例と対照を、同日・同装置・ランダム順で採取したか？
- 室内大気・procedural blank を同時に測り、差し引いたか？
- 被験者単位でデータを分割したか（同一人物が訓練とテストに跨っていないか）？
- 特徴量選択・正規化・バッチ補正を交差検証の内側で行ったか？
- 独立コホート／別施設／別装置での外部検証を計画したか？
- AUC だけでなく PPV/NPV、LoD、再現性を報告するか？
- STARD / TRIPOD に沿って設計・限界を開示したか？
採取段階の標準化は サンプリング標準とSOP、装置の選択は 主要技術の原理と比較、規制対応での analytical validation は 規制・薬事の論点 を、基幹文献は 主要レビュー論文リスト をご覧ください。
主な出典
- Fulfilling the Promise of Breathomics: Considerations for the Discovery and Validation of Exhaled Volatile Biomarkers. Am J Respir Crit Care Med 2024;210(9):1079. ↗
- Breath VOC analysis and machine learning approaches for disease screening: a review. J Breath Res 2023. ↗
- Fulfilling the Promise of Breathomics（プレプリント版・全文）. ↗
- STARD 2015 / TRIPOD+AI（診断精度・予測モデル報告ガイドライン）.