Video Experimental Relacionado
Updated: Jun 14, 2026
07:58
Cell-Free DNA Integrity Analysis in Urine Samples
Published on: January 5, 2017
13.9K
Detección de cáncer de vejiga no invasivo: identificación de un panel de biomarcadores volátiles urinarios utilizando
 Carapito1, V S Fernandes Ferreira2, A C Silva Ferreira3
1Associate Laboratory i4HB - Institute for Health and Bioeconomy, University of Porto, Porto, Portugal; UCIBIO - Applied Molecular Biosciences Unit, Laboratory of Toxicology, Faculty of Pharmacy, University of Porto, Porto, Portugal.
Talanta
|September 4, 2025
Resumen
Los compuestos orgánicos volátiles urinarios (COV) analizados con aprendizaje automático son prometedores para la detección de cáncer de vejiga no invasivo (BC). Un panel de ocho VOC logró una precisión del 91%, superando las pruebas actuales.
Área de la Ciencia:
- Descubrimiento de biomarcadores
- Química analítica
- Biología computacional
Sus antecedentes:
- La detección temprana del cáncer de vejiga (BC) es un desafío debido a las limitaciones de los métodos de diagnóstico actuales.
- Las pruebas invasivas, costosas e insuficientemente sensibles dificultan el diagnóstico precoz.
- La metabolomía y el aprendizaje automático (ML) ofrecen potencial para nuevos biomarcadores no invasivos.
Objetivo del estudio:
- Identificar los biomarcadores de compuestos orgánicos volátiles (COV) urinarios para la detección del cáncer de vejiga no invasivo.
- Evaluar el rendimiento de los algoritmos de aprendizaje automático en la clasificación de BC basados en perfiles de COV.
- Desarrollar un panel de diagnóstico robusto para la detección temprana de BC.
Principales métodos:
- Los compuestos orgánicos volátiles urinarios analizados en 87 pacientes con BC y 90 controles mediante microextracción de fase sólida en el espacio de la cabeza junto con espectrometría de masas por cromatografía de gases (HS-SPME/GC-MS).
- Veintisiete compuestos orgánicos volátiles identificados utilizados para entrenar cinco algoritmos ML: bosque aleatorio (RF), máquina vectorial de soporte (SVM), análisis discriminante parcial de mínimos cuadrados (PLS-DA), aumento de gradiente extremo (XGBoost) y vecinos k-más cercanos (k-NN).
- El rendimiento del modelo se evaluó mediante validación cruzada y un conjunto de validación independiente utilizando AUC, sensibilidad, especificidad y precisión.
Principales resultados:
- El modelo Random Forest (RF) logró un alto rendimiento (AUC = 0,913) con 27 COV.
- Un panel seleccionado de ocho VOC demostró un mejor rendimiento en el conjunto de validación (AUC = 0,872; precisión = 91%).
- El panel de ocho compuestos orgánicos volátiles (cetonas, aldehídos, alcohol graso, fenol) superó los ensayos urinarios aprobados por la FDA y coincidió con la especificidad citológica de la orina.
Conclusiones:
- Los compuestos orgánicos volátiles urinarios combinados con ML muestran un potencial significativo para la detección de cáncer de vejiga no invasivo (BC).
- El panel de ocho VOC desarrollado ofrece una herramienta de diagnóstico prometedora, precisa y sensible.
- Una mayor validación a gran escala es crucial para la traducción clínica y la adopción generalizada.
