関連する実験動画
Updated: Jun 14, 2026
07:58
Cell-Free DNA Integrity Analysis in Urine Samples
Published on: January 5, 2017
13.9K
非侵襲性膀がんの検出:GC-MSメタボロミクスと機械学習を用いた尿液の揮発性バイオマーカーパネルの識別
 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
まとめ
機械学習で分析された尿中の揮発性有機化合物 (VOC) は,非侵襲性膀癌 (BC) の検出に有望である. 8つのVOCパネルは 91%の精度を達成し,現在のテストを上回りました.
科学分野:
- バイオマーカーの発見
- 分析化学
- コンピュータ生物学
背景:
- 膀癌 (BC) の早期発見は,現在の診断方法の限界のために困難です.
- 侵襲的で高価で 敏感度が低い検査は 早期診断を妨げます
- メタボロミクスと機械学習 (ML) は新しい非侵襲的なバイオマーカーの可能性を提供します.
研究 の 目的:
- 尿中の揮発性有機化合物 (VOC) のバイオマーカーを特定し,非侵襲的な膀癌 (BC) を検出する.
- VOCプロファイルに基づいてBCを分類する機械学習アルゴリズムの性能を評価する.
- BCの早期発見のための強力な診断パネルを開発する.
主な方法:
- 87人のBC患者と90人の対照群の尿中のVOCは,ヘッドスペース固体相微抽とガス染色体質スペクトロメトリー (HS-SPME/GC-MS) を用いて分析された.
- 5つのMLアルゴリズム (ランダムフォレスト (RF),サポートベクトルマシン (SVM),最小二乗差分分析 (PLS-DA),極度のグラデント強化 (XGBoost),およびk-近隣 (k-NN) を訓練するために使用された27の特定されたVOC.
- AUC,感度,特異性,精度を用いたクロスバリデーションと独立したバリデーションセットによって評価されたモデル性能.
主要な成果:
- ランダムフォレスト (RF) モデルは27のVOCで高性能 (AUC = 0.913) を達成した.
- 選択された8つのVOCパネルは,検証セットで改善されたパフォーマンスを示した (AUC=0. 872;精度=91%).
- 8つのVOCパネル (ケトン,アルデヒド,脂肪アルコール,フェノール) は,FDAが承認した尿検査を上回り,尿細胞学特異性に一致しました.
結論:
- MLと組み合わせた尿中のVOCは,非侵襲性膀がん (BC) の検出に有意な可能性を示しています.
- 開発された8つのVOCパネルは,有望で正確で敏感な診断ツールを提供します.
- 臨床翻訳と広範な採用のために,さらに大規模な検証が不可欠です.
