Vluchtige organische verbindingen (VOCs) in urine gecombineerd met machine‑learningalgoritme bij de diagnose van galstenen met cholecystitis

Waarom een urinetest je een scan zou kunnen besparen

Galstenen en ontstoken galblaasjes zijn veelvoorkomende, pijnlijke klachten die vaak naar de eerste hulp leiden. Tegenwoordig vertrouwen artsen meestal op echografie of CT‑ en MRI-scans om ze te diagnosticeren, maar die onderzoeken kunnen duur zijn, afhankelijk van de uitvoerder of patiënten aan straling blootstellen. Deze studie onderzoekt een eenvoudige alternatieve aanpak: de onzichtbare chemische dampen in urine gebruiken, gelezen door een gevoelige detector en geïnterpreteerd door kunstmatige intelligentie, om vroeg en zonder naalden of scanners galstenen met galblaasontsteking op te sporen.

De verborgen chemie van ziekte

Ons lichaam geeft voortdurend kleine vluchtige chemische stoffen af, zogeheten vluchtige organische verbindingen (VOCs), via adem, zweet en urine. Deze moleculen veranderen wanneer er iets misgaat in het lichaam en weerspiegelen verschuivingen in ontsteking, metabolisme en zelfs darmmicrobiota. De onderzoekers richtten zich op VOCs in urine van mensen met galstenen en galblaasontsteking (cholecystitis) vergeleken met gezonde vrijwilligers. Omdat urine eenvoudig en pijnloos te verkrijgen is, is het een aantrekkelijk materiaal voor het ontwikkelen van comfortabele screeningsonderzoeken die patiënten zo nodig herhaaldelijk kunnen ondergaan.

Urine omzetten in een chemische vingerafdruk

Om deze chemische signalen te lezen, gebruikte het team een technologie genaamd gaschromatografie–ionenmobiliteits‑spectrometrie (GC‑IMS). Simpel gezegd scheidt dit apparaat eerst de verschillende dampen in elk urinemonster en meet daarna hoe snel hun geladen vormen door een elektrisch veld bewegen. Het resultaat is een tweedimensionale “vingerafdrukkaart” voor elke persoon, met tientallen onderscheidende chemische pieken. Van 200 deelnemers — 100 patiënten en 100 gezonde controles — verzamelden de onderzoekers bevroren middenslagsurine, verwerkten die onder strikt gestandaardiseerde voorwaarden en extraheerden 60 betrouwbaar gemeten VOC‑pieken, waarvan 49 chemisch konden worden geïdentificeerd.

Machines het ziektepatroon laten leren

Deze chemische vingerafdrukken zijn veel te complex voor het menselijk oog om te interpreteren, dus schakelde het team machine learning in — computerprogramma’s die patronen in grote datasets vinden. Ze trainden vier soorten modellen op 70% van de monsters en testten ze op de resterende 30%. Drie van de modellen — neurale netwerken, random forests en support vector machines — presteerden sterk en wisten in elk geval de meeste patiënten van gezonde personen te scheiden. Hun scores op een standaard maat voor nauwkeurigheid, het oppervlak onder de ROC‑curve, liepen van ongeveer 0,82 tot 0,86, wat aangeeft dat ze een goede balans vonden tussen het opsporen van echte gevallen en het vermijden van valse alarmen, terwijl een eenvoudiger beslisboommodel achterbleef.

Een handvol belangrijke geur aanwijzingen

De onderzoekers stelden vervolgens een praktische vraag: zou een kleinere, beter hanteerbare set VOCs nog steeds voldoende informatie bevatten om nuttig te zijn? Met behulp van feature‑importance‑tools en een speltheorie‑gebaseerde uitlegmethode genaamd SHAP benadrukten ze vijf sleutelchemicaliën — Linalool, Propyl‑propenyl disulfide, Methylthiobutyrate‑M, Butylamine en Methyl pentanoate‑M. Modellen die alleen met vier van deze verbindingen waren opgebouwd, bereikten gebieden onder de curve rond 0,76–0,81, niet ver van de modellen met alle gegevens. Sommige van deze verbindingen zijn gekoppeld aan ontsteking, vetstofwisseling en immuunreacties, wat suggereert dat dezelfde processen die galstenen en galblaasontsteking aandrijven ook het chemische urineprofiel veranderen.

Wat dit voor patiënten kan betekenen

In gewone taal komt het erop neer dat een snelle urinetest, geanalyseerd door een compact instrument en slimme software, op een dag kan helpen galstenen met galblaasontsteking vroeg te signaleren — voordat klachten ernstig worden of herhaalde scans nodig zijn. Deze benadering is niet-invasief, onafhankelijk van de vaardigheden van een operator en kan relatief goedkoop zijn, waardoor het aantrekkelijk is voor routinematige screening of voor ziekenhuizen met beperkte beeldvormingsfaciliteiten. Hoewel de studie in één centrum werd uitgevoerd en bevestiging in grotere, multicentrische trials nodig heeft, biedt ze een veelbelovend voorproefje van een toekomst waarin artsen de ‘chemische adem’ van het lichaam uit urine kunnen lezen om snellere, veiligere beslissingen over galblaasaandoeningen te nemen.

Bronvermelding: 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

Trefwoorden: galstenen, cholecystitis, urine-biomarkers, vluchtige organische verbindingen, machine learning diagnose