尿液挥发性有机化合物（VOCs）结合机器学习算法在胆结石合并胆囊炎诊断中的应用

为什么一次尿检可能替代影像检查

胆结石和胆囊炎是常见且疼痛的疾病，常常将患者送入急诊。如今，医生通常依赖超声、CT 或 MRI 来确诊，但这些检查可能费用高、依赖操作者技术，或使患者暴露于辐射之下。本研究探索一种更简单的替代方法：检测尿液中不可见的化学挥发物，通过灵敏探测器读取并由人工智能解读，以期在无需针刺或影像扫描的情况下早期识别伴有胆囊炎的胆结石。

疾病的隐秘化学信号

我们体内不断释放微量的挥发性有机化合物（VOCs），存在于呼气、汗液和尿液中。当身体出现异常时，这些分子会发生变化，反映炎症、代谢乃至肠道微生物群的改变。研究者对比了胆结石合并胆囊炎患者与健康志愿者尿液中的 VOCs。由于尿液采集简单且无痛，它是开发可重复、舒适筛查检测的理想材料。

把尿液变成化学指纹

为了读取这些化学信号，研究团队使用了一种称为气相色谱—离子迁移谱（GC‑IMS）的技术。简单来说，该设备首先分离每份尿样中的不同挥发物，然后测量它们带电形式在电场中迁移的速度。结果是每位受试者的二维“指纹图谱”，记录数十个独立的化学峰值。研究从200名参与者（100名患者和100名健康对照）收集冷冻中段尿，按严格标准化条件处理，提取出60个可靠测量的 VOC 峰值，其中49个可被化学鉴定。

让机器学习疾病模式

这些化学指纹对人眼而言过于复杂，因此团队采用了机器学习——可以从大规模数据中发现模式的计算程序。他们在70%的样本上训练四类模型，并在剩余30%上测试。三种模型——神经网络、随机森林和支持向量机——表现良好，均能将大多数患者与健康人群正确区分。它们在标准准确度指标——ROC 曲线下面积（AUC）上的得分约为0.82到0.86，说明在识别真阳性和避免假警报之间取得了较好平衡，而一个较简单的决策树模型则表现较差。

少数关键气味线索

研究者接着提出一个务实问题：更小、更可管理的 VOC 子集是否仍能提供足够信息？利用特征重要性工具和一种基于博弈论的解释器 SHAP，他们筛选出五种关键化合物——芳樟醇（Linalool）、丙烯基二硫化丙基（Propyl‑propenyl disulphide）、甲硫代丁酸酯‑M（Methylthiobutyrate‑M）、丁胺（Butylamine）和甲基戊酸酯‑M（Methyl pentanoate‑M）。仅用其中四种化合物构建的模型，其 AUC 约为0.76–0.81，与全数据模型相差不大。其中一些化合物与炎症、脂肪代谢和免疫反应相关，提示驱动胆结石与胆囊炎的相同生物过程也会重塑尿液的化学特征。

这对患者意味着什么

对普通读者而言，结论是：一种快速尿检，配合紧凑的检测仪器和智能软件，未来有望在症状严重或需要反复影像检查之前帮助早期筛查伴胆囊炎的胆结石。该方法无创、不依赖操作者技能，并且可能相对低成本，适合用于常规筛查或影像资源有限的医院。尽管本研究在单中心完成，仍需在更大、多中心试验中验证，但它为未来医生能够通过尿液读取身体“化学气息”以支持更快、更安全的胆囊疾病决策提供了有希望的前景。

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

关键词: 胆结石, 胆囊炎, 尿液生物标志物, 挥发性有机化合物, 机器学习诊断