急性胆嚢炎を伴う胆石症の診断における尿揮発性有機化合物（VOCs）と機械学習アルゴリズムの併用

なぜ尿検査が画像診断を省ける可能性があるのか

胆石や炎症を伴う胆嚢はよくある痛みの原因で、しばしば救急外来への受診につながります。現在の診断は超音波やCT、MRIなどの画像検査に頼ることが多いですが、これらは費用がかかったり操作者に依存したり、放射線被曝の問題があったりします。本研究は簡便な代替手段を探ります。尿中の目に見えない化学揮発物を高感度検出器で読み取り、人工知能で解析することで、針もスキャナーも使わずに胆嚢炎を伴う胆石を早期に見つけられるかを検証したのです。

病気が刻む隠れた化学シグナル

私たちの体は常に微量の揮発性有機化合物（VOCs）を呼気、発汗、尿などを通じて放出しています。これらの分子は、炎症や代謝の変化、腸内細菌の状態などが変わると変化し、体内の異常を反映します。研究チームは胆石および胆嚢炎（急性胆嚢炎）患者の尿中VOCsを健康なボランティアと比較して調べました。尿は採取が容易で疼痛が伴わないため、患者が繰り返して受けられる快適なスクリーニング検査の素材として魅力的です。

尿を化学的指紋に変える

これらの化学信号を読み取るために、研究者はガスクロマトグラフィー–イオン移動度分光法（GC‑IMS）という技術を用いました。簡単に言えば、この装置はまず尿サンプル中のさまざまな揮発成分を分離し、次にそれらの電荷を帯びた形が電場中をどれだけ速く移動するかを測定します。結果として各個体の二次元の“指紋マップ”が得られ、数十の異なる化学ピークが記録されます。200名（患者100名、健常者100名）から採取した中間尿を凍結保存し、厳密に標準化された条件で処理したところ、60の信頼して測定可能なVOCsピークが抽出され、そのうち49は化学的に同定できました。

機械に病変パターンを学ばせる

これらの化学指紋は人間の目にはあまりにも複雑なため、チームは機械学習に頼りました。機械学習は大規模データの中からパターンを見つけるコンピュータープログラムです。データの70%で4種類のモデルを学習させ、残り30%で検証しました。ニューラルネットワーク、ランダムフォレスト、サポートベクターマシンの3つのモデルは良好な性能を示し、患者と健常者を概ね正確に分離しました。ROC曲線下面積（AUC）という標準的な精度指標は約0.82〜0.86の範囲で、真の症例を見落とさず誤警報を抑えるバランスが良好であることを示しました。一方、より単純な決定木モデルはこれらに及びませんでした。

鍵となるわずかな香りの手がかり

研究者は実用面を考え、より小さく扱いやすいVOCsのセットでも十分な情報が得られるかを検討しました。特徴の重要度解析とゲーム理論に基づく説明手法SHAPを用いて、5つの主要化合物を特定しました：リナロール、プロピル‑プロペニルジスルフィド、メチルチオブチレート‑M、ブチルアミン、メチルペンタノエート‑M。これらのうち4つだけを用いて構築したモデルでもAUCは約0.76〜0.81を達成し、全データを用いたモデルにそれほど劣りませんでした。これらの化合物の一部は炎症、脂質代謝、免疫応答に関連しており、胆石や胆嚢炎を引き起こすプロセスが尿の化学的署名を変化させていることを示唆します。

患者にとっての意義

一般の方にとっての要点は、コンパクトな装置と賢いソフトウェアで解析する簡便な尿検査が将来的に胆嚢炎を伴う胆石を早期に検出する手助けになり得るということです。症状が重篤になる前や何度も画像検査を行う前にフラグを立てられる可能性があります。この手法は侵襲性がなく、操作者の技量に依存せず、比較的低コストであるため、日常的なスクリーニングや画像診断資源が限られた病院での採用に向いています。本研究は単一施設で実施されており、より大規模で多施設の検証が必要ですが、尿という体の“化学的な息”を読み取って胆嚢疾患の迅速かつ安全な意思決定に役立てる未来の有望な一端を示しています。

引用: 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

キーワード: 胆石, 胆嚢炎, 尿バイオマーカー, 揮発性有機化合物, 機械学習診断