让狗嗅闻癌症，并不是一个刚刚出现的想法。过去二十多年，多项研究已经观察到，经过训练的犬只能够从呼吸、尿液或其他生物样本中区分癌症患者与非癌症人群。真正困难的部分，一直不是证明狗“闻得到”，而是如何把这种能力变成一套稳定、可量化、能够接受临床检验的检测流程。印度班加罗尔的深科技公司 Dognosis 正在尝试解决这个问题。它把训练犬、呼吸样本、自动化嗅闻工作站、统计模型以及犬用非侵入式脑机接口放进同一套技术体系中，目标是开发一种低成本、无创的多癌种早期筛查方法。2026年7月22日，印度科技创业媒体 YourStory 对这家公司进行了报道。报道所关注的核心并非“狗能不能闻出癌症”，而是 Dognosis 如何通过传感器、脑电记录和机器学习，把犬只的嗅觉反应从训犬员的经验判断，逐步转化成可以记录、比较和复核的数据。Dognosis 的呼吸检测产品名为 BreathEasy。受检者不需要抽血，也不需要接受影像扫描，只需佩戴一只棉质口罩，在大约10分钟内正常呼吸。随后，口罩被密封并送往中央实验室，由训练犬在受控环境中完成嗅闻。呼气并不只是二氧化碳和水汽。人体代谢会产生大量挥发性有机化合物，也就是 VOCs。这些分子可以通过呼吸、汗液和尿液释放出来。疾病改变细胞代谢、氧化应激和炎症状态时，VOC 的组合也可能随之变化，由此形成某种与疾病相关的“气味指纹”。人的嗅觉很难分辨这种微弱而复杂的差异，犬类却拥有高度发达的嗅觉系统。研究者训练它们识别癌症相关样本，同时加入大量对照样本，尽量让犬只学习的是疾病相关气味，而不是医院、药物、年龄或样本保存方式等无关线索。已经发表的二期研究：2026年4月，一项相关研究在线发表于《Journal of Clinical Oncology》。最终测试队列包括1,502人，其中283人经活检确认患癌，1,219人为非癌症参与者。系统在预设阈值下报告灵敏度90.8%、特异度91.3%，覆盖头颈、乳腺、肺、妇科、上下消化道和泌尿生殖系统等七类癌症。
这项研究采用多犬独立判断：每份样本至少由三只犬分别评估，再由贝叶斯模型综合各只犬的历史表现和参与者背景信息，输出风险判断。换句话说，已经发表的临床数据主要验证的是“犬类嗅觉＋标准化样本流程＋多犬判断＋统计融合模型”。这里需要区分两个层面：二期研究给出了呼吸样本多癌种识别的阶段性证据；DogSense 脑机接口则是 Dognosis 为进一步减少人为判断、提高信号带宽而开发的技术层。目前公开论文中的90.8%灵敏度和91.3%特异度，不能简单归因于脑机接口。人们熟悉的脑机接口，往往用于读取人的运动意图、语言意图或注意状态。Dognosis 的方向有所不同：它希望在犬只接触气味刺激时，记录与嗅觉加工、注意和判断相关的神经与生理变化，再将这些变化转译为数字信号。公司公开资料显示，DogSense 是一套为单只犬定制的非侵入式脑电设备，使用8通道 EEG，以1,000 Hz采样，可配置湿电极或干电极。与植入式脑机接口不同，它不需要手术，而是通过头部表面电极记录脑电。配套背带还集成呼吸传感器和惯性测量单元，用于捕捉呼吸节律、头部动作和身体运动。单独看脑电并不足以解释一只狗是否识别到癌症气味。犬只嗅闻时会移动、呼吸、停顿，也可能受到期待奖励、环境噪声和训练习惯影响。因此，Dognosis 采用的是多模态思路：DogSense 提供脑电、呼吸和运动信号，摄像机记录行为，其他嵌入式传感器记录嗅闻过程，DogOS 软件再对不同时间轴上的数据进行清洗、同步和特征提取。机器学习模型的任务不是把犬只的脑电“翻译成语言”，而是寻找不同气味刺激下稳定出现的神经—行为模式。例如，当犬只识别到训练目标时，注意、呼吸和动作可能形成一组可重复的联合信号。只要这种模式能够跨样本、跨批次甚至跨犬只复现，就有机会替代传统流程中“训犬员看它有没有坐下或吠叫”的单一判断。第一层：捕捉疾病相关的挥发性信号癌症并不存在一种能够覆盖所有患者、所有癌种的单一“气味分子”。更可能的情况是，多种 VOC 以不同浓度共同形成组合特征，也就是 volatilome。犬类嗅觉系统擅长对复杂混合气味做整体识别，因此它在这里更像一种生物模式识别器，而不是逐个测量化合物浓度的化学仪器。犬只能力强，并不意味着结果天然稳定。样本摆放顺序、训犬员动作、奖励节奏和环境气味，都可能成为干扰。Dognosis 因此开发了 SniffSpace：一种带自动样本管理系统的嗅闻工作站，用统一的方式呈现和移动呼吸样本，并同步记录传感器数据。它要解决的是实验流程的一致性和处理通量。Dognosis 官网技术主题视觉。SniffSpace 用于标准化样本呈现和数据采集。图源：Dognosis 官网传统生物检测犬往往通过坐下、停留或其他训练动作报告结果。这个动作容易观察，却压缩了犬只在神经、生理和行为层面的丰富信息。DogSense 与 DogOS 希望把这些信息同时记录下来，让系统能够评估犬只是否真正识别了目标气味、反应有多强，以及当时是否存在注意力下降或运动伪迹。不同犬只的敏感度、判断风格和稳定性并不相同。二期研究中的贝叶斯框架，会根据犬只过往表现为其判断赋予不同权重。未来，如果脑电和生理指标经过充分验证，也可以成为模型输入的一部分。最终输出不是“某只狗做了一个动作”，而是综合多只犬、多个传感器和样本信息得到的风险评分。Dognosis 于2024年前后在班加罗尔建立，由 Akash Kulgod 与 Itamar Bitan 共同创办。Kulgod 在加州大学伯克利分校学习认知科学，之后曾在以色列、匈牙利和英国接触动物嗅觉与疾病识别研究；Bitan 则有军犬训练和执行任务的经历。两人的交集，正好落在认知科学、训犬体系和医疗检测之间。公司的产品结构包括呼吸检测方案 BreathEasy、犬用脑机接口 DogSense、数据处理平台 DogOS，以及用于自动呈现样本的 SniffSpace。其目标并不是把狗直接带到医院逐个嗅闻患者，而是在中央实验室内处理由各地采集并寄送的呼吸样本，以提高覆盖范围和标准化程度。据 YourStory 报道，公司已融资约200万美元，投资方包括 Boost VC、1517 Fund、Accel India、MBX Capital 和 House Fund。2026年3月，Dognosis 入选 Accel India 与 Prosus 支持的首期 Accel Atoms X 项目。公司称目前正在印度开展多项医院试点，并推进 BreathEasy 的大规模验证和监管沟通。距离真正的癌症筛查工具，还有多远？90.8%的灵敏度和91.3%的特异度值得关注，但还不能直接推导出真实筛查环境中的效果。二期研究属于病例—对照设计，癌症组与非癌症组的构成相对明确；而在普通人群中，癌症患病率更低，合并症、饮食、吸烟、药物和地域差异更复杂。即使灵敏度和特异度保持不变，阳性结果中真正患癌者的比例也会受到患病率显著影响。此外，现有结果回答的是“能否识别癌症相关信号”，并不等同于准确指出肿瘤位于哪个器官，也不能替代病理检查、影像学检查或临床诊断。更合理的产品定位，是一种前置风险筛查：先从大量无症状人群中找出需要进一步检查的人，再由现有医疗体系完成确诊。脑机接口部分同样需要独立证据。研究者必须证明，加入 EEG、呼吸和运动数据后，系统相较于只观察犬只行为，确实能够提升准确性、可重复性或处理效率；还需要验证设备在不同犬只、不同实验室和长时间使用中的稳定性，并持续关注动物福利。因此，这项工作的价值不在于用一个新奇故事替代传统医学，而在于尝试把一种长期存在、却难以标准化的生物能力接入现代数据系统。狗的鼻子负责感知极其复杂的气味，脑机接口和传感器负责记录反应，算法负责整合证据，自动化设备负责控制流程。只有这几部分共同经受住前瞻性、真实世界研究的检验，它才可能成为可使用的医疗产品。Dognosis 所做的事情，体现了脑机接口应用边界的一次有趣延伸。脑机接口不一定只服务于人与机器之间的控制，也可以成为理解动物感知、扩大人—动物协作带宽的工具。在这个项目中，它并不赋予狗新的嗅觉，而是试图把狗已经拥有的能力变得可见、可测量。从一只吸附呼吸分子的口罩，到犬只鼻腔中的嗅觉识别，再到头皮脑电、呼吸和运动信号，最后形成一个风险评分，这条技术链仍有许多环节需要验证。但它提出的问题很具体：当人工传感器仍难以完整解析复杂气味时，人类能否先学会更可靠地读取自然界已经存在的高性能传感器？答案尚未确定。已经发表的二期数据让这条路线获得了更严肃的讨论基础，而接下来的前瞻性筛查研究，将决定它究竟是一种引人注目的实验方法，还是能够进入公共卫生体系的新工具。来源：https://yourstory.com/2026/07/dognosis-ai-dogs-cancer-detection
