Composés organiques volatils (COV) urinaires combinés à un algorithme d’apprentissage automatique pour le diagnostic des calculs biliaires avec cholécystite

Pourquoi un test urinaire pourrait vous éviter un scanner

Les calculs biliaires et les inflammations de la vésicule biliaire sont des problèmes fréquents et douloureux qui envoient souvent des patients aux urgences. Aujourd’hui, les médecins s’appuient généralement sur l’échographie, le scanner ou l’IRM pour les diagnostiquer, mais ces examens peuvent être onéreux, dépendre de l’opérateur ou exposer les patients aux rayonnements. Cette étude explore une alternative simple : utiliser les vapeurs chimiques invisibles dans l’urine, lues par un détecteur sensible et interprétées par une intelligence artificielle, pour repérer précocement les calculs biliaires avec inflammation de la vésicule sans aiguilles ni appareils d’imagerie.

La chimie cachée de la maladie

Notre corps libère en permanence de minuscules composés chimiques volatils (COV) dans l’haleine, la sueur et l’urine. Ces molécules évoluent lorsque quelque chose dysfonctionne dans l’organisme, reflétant des changements d’inflammation, du métabolisme et même du microbiote intestinal. Les chercheurs se sont concentrés sur les COV présents dans l’urine de personnes atteintes de calculs biliaires et de cholécystite, comparés à des volontaires sains. Parce que l’urine est facile et indolore à prélever, elle constitue un matériau attractif pour développer des tests de dépistage confortables que les patients peuvent répéter si nécessaire.

Transformer l’urine en empreinte chimique

Pour lire ces signaux chimiques, l’équipe a utilisé une technologie appelée chromatographie en phase gazeuse couplée à la spectrométrie de mobilité ionique (GC‑IMS). En termes simples, cet appareil sépare d’abord les différentes vapeurs de chaque échantillon d’urine, puis mesure la vitesse à laquelle leurs formes chargées dérivent dans un champ électrique. Le résultat est une « carte » à deux dimensions pour chaque personne, capturant des dizaines de pics chimiques distincts. À partir de 200 participants — 100 patients et 100 témoins sains — les chercheurs ont collecté des urines mi‑jet congelées, les ont traitées selon des conditions strictement standardisées et ont extrait 60 pics de COV mesurés de façon fiable, dont 49 ont pu être identifiés chimiquement.

Laisser les machines apprendre le modèle de la maladie

Ces empreintes chimiques sont bien trop complexes pour être interprétées à l’œil nu, aussi l’équipe s’est tournée vers l’apprentissage automatique — des programmes informatiques qui détectent des motifs dans de grands jeux de données. Ils ont entraîné quatre types de modèles sur 70 % des échantillons et les ont testés sur les 30 % restants. Trois des modèles — réseaux de neurones, forêts aléatoires et machines à vecteurs de support — ont bien performé, séparant correctement la plupart des patients des sujets sains. Leurs scores sur une mesure standard appelée aire sous la courbe ROC variaient d’environ 0,82 à 0,86, ce qui traduit un bon compromis entre détection des cas réels et évitement des faux positifs, tandis qu’un modèle plus simple en arbre de décision restait en retrait.

Quelques indices olfactifs clés

Les chercheurs se sont ensuite posé une question pratique : un ensemble plus petit et gérable de COV pourrait‑il encore contenir suffisamment d’information pour être utile ? À l’aide d’outils d’importance des caractéristiques et d’un explicateur basé sur la théorie des jeux appelé SHAP, ils ont mis en évidence cinq molécules principales — le linalol, le propyl‑propényl disulfure, le méthylthiobutyrate‑M, la butylamine et le méthyl pentanoate‑M. Des modèles construits à partir de seulement quatre de ces composés ont atteint des aires sous la courbe d’environ 0,76–0,81, pas très loin des modèles utilisant l’ensemble des données. Certains de ces composés sont associés à l’inflammation, au métabolisme lipidique et aux réponses immunitaires, suggérant que les mêmes processus qui favorisent les calculs biliaires et la cholécystite modifient aussi le profil chimique de l’urine.

Ce que cela pourrait signifier pour les patients

Pour le grand public, l’essentiel est qu’un test urinaire rapide, analysé par un instrument compact et un logiciel intelligent, pourrait un jour aider à détecter tôt les calculs biliaires avec inflammation de la vésicule — avant que les symptômes ne deviennent graves ou que des examens répétitifs soient nécessaires. Cette approche est non invasive, n’exige pas de compétences particulières de l’opérateur et pourrait être relativement peu coûteuse, ce qui la rend attrayante pour le dépistage de routine ou pour les hôpitaux disposant de ressources d’imagerie limitées. Bien que l’étude ait été menée dans un seul centre et doive être confirmée par des essais plus larges et multicentriques, elle offre un aperçu prometteur d’un futur où les médecins pourraient lire le « souffle chimique » du corps à partir de l’urine pour guider des décisions plus rapides et plus sûres concernant les maladies de la vésicule biliaire.

Citation: Zhao, X., Li, X., Zhang, R. et al. Urine volatile organic compounds (VOCs) combined with machine learning algorithm in the diagnosis of gallstones with cholecystitis. Sci Rep 16, 6424 (2026). https://doi.org/10.1038/s41598-026-36709-6

Mots-clés: calculs biliaires, cholécystite, biomarqueurs urinaires, composés organiques volatils, diagnostic par apprentissage automatique