Летучие органические соединения в моче (VOC) в сочетании с алгоритмом машинного обучения для диагностики желчных камней при холецистите

Почему анализ мочи может сэкономить вам сканирование

Желчные камни и воспаление желчного пузыря — распространённые и болезненные состояния, которые часто приводят людей в отделение неотложной помощи. В настоящее время врачи обычно полагаются на УЗИ или КТ/МРТ для постановки диагноза, но эти исследования могут быть дорогими, зависеть от навыков оператора или подвергать пациента облучению. В этом исследовании предлагается простая альтернатива: использование невидимых химических паров в моче, считываемых чувствительным детектором и интерпретируемых искусственным интеллектом, для раннего выявления желчных камней с воспалением желчного пузыря без уколов и сканеров.

Скрытая химия болезни

Наш организм постоянно выделяет мельчайшие летучие химические вещества, называемые летучими органическими соединениями (VOC), с дыханием, потом и мочой. Эти молекулы меняются, когда в организме что‑то идёт не так, отражая изменения воспаления, метаболизма и даже микробиоты кишечника. Исследователи сосредоточились на VOC в моче у пациентов с желчными камнями и воспалением желчного пузыря (холециститом) по сравнению со здоровыми добровольцами. Поскольку мочу легко и безболезненно собрать, она представляет собой привлекательный материал для разработки удобных скрининговых тестов, которые пациенты могут повторять по мере необходимости.

Преобразование мочи в химический отпечаток

Чтобы прочитать эти химические сигналы, команда использовала технологию газовой хроматографии в сочетании с ионно‑мобильностной спектрометрией (GC‑IMS). Проще говоря, устройство сначала разделяет различные пары в образце мочи, затем измеряет, как быстро их заряженные формы перемещаются в электрическом поле. В результате получается двумерная «карта‑отпечаток» для каждого человека, содержащая десятки различных химических пиков. Из 200 участников — 100 пациентов и 100 здоровых контролей — исследователи собрали замороженные пробы среднепоточной мочи, обработали их по строго стандартизированному протоколу и выделили 60 надёжно измеренных VOC‑пиков, 49 из которых удалось идентифицировать химически.

Позволив машинам выучить паттерн болезни

Эти химические отпечатки слишком сложны для визуального анализа, поэтому команда обратилась к машинному обучению — компьютерным программам, которые обнаруживают закономерности в больших наборах данных. Они обучили четыре типа моделей на 70% образцов и протестировали на оставшихся 30%. Три из моделей — нейронные сети, случайные леса и опорные векторные машины — показали высокую эффективность, каждая верно разделяла большинство пациентов и здоровых участников. Их показатели по стандартной метрике точности (площадь под ROC‑кривой) колебались примерно от 0,82 до 0,86, что означает хорошее соотношение между выявлением истинных случаев и избеганием ложных тревог, в то время как более простая модель на основе решающего дерева отставала.

Несколько ключевых «ароматных» подсказок

Затем исследователи задали практический вопрос: может ли более небольшой, управляемый набор VOC по‑прежнему нести достаточно информации для практического применения? С помощью инструментов оценки важности признаков и объяснителя на основе теории игр SHAP они выделили пять ключевых соединений — линалоол, пропил‑пропенилдисульфид, метилтиобутират‑M, бутиламин и метилпентаноат‑M. Модели, построенные всего на четырёх из этих соединений, достигали площади под кривой примерно 0,76–0,81, что недалеко от результатов моделей на полном наборе данных. Некоторые из этих веществ связаны с воспалением, обменом жиров и иммунными реакциями, что указывает на то, что процессы, лежащие в основе образования желчных камней и холецистита, также меняют химический профиль мочи.

Что это может значить для пациентов

Для непрофессионала итог таков: быстрый анализ мочи, интерпретируемый компактным прибором и интеллектуальным ПО, в будущем может помочь своевременно выявлять желчные камни с воспалением желчного пузыря — до того, как симптомы станут тяжёлыми или потребуется повторное сканирование. Такой подход неинвазивен, не зависит от навыков оператора и может быть относительно недорогим, что делает его привлекательным для скрининга в рутинной практике или для больниц с ограниченными возможностями визуализации. Хотя исследование проведено в одном центре и требует подтверждения в больших многоцентровых исследованиях, оно даёт многообещающий прогноз на будущее, в котором врачи смогут «читать» химический «дыхание» организма по моче, чтобы принимать более быстрые и безопасные решения по заболеваниям желчного пузыря.

Цитирование: 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

Ключевые слова: желчные камни, холецистит, мочевые биомаркеры, летучие органические соединения, диагностика с помощью машинного обучения