论文标题：Prostate Cancer Detection in Colombian Patients through E-Senses Devices in Exhaled Breath and Urine Samples

论文链接：https://www.mdpi.com/2227-9040/12/1/11

期刊名：Chemosensors

期刊主页：https://www.mdpi.com/journal/chemosensors

文章导读

前列腺癌 (PCa) 是男性常见的恶性肿瘤，在全球范围内仅次于肺癌。尽管PCa在初期通常进展缓慢，并且可能没有明显症状，但当肿瘤发展到局部晚期或发生转移时，症状才会显现，这使得早期诊断显得尤为重要。现有的诊断方法如前列腺特异抗原 (PSA) 测试、直肠检查 (DRE) 和前列腺活检，虽然被广泛应用，但都存在一些局限性，例如假阳性率高、灵敏度低以及操作侵入性强等。因此，开发一种无创、快速、精准的前列腺癌检测技术，是当前的迫切需求。本篇由哥伦比亚潘普洛纳大学Cristhian Manuel Durán Acevedo团队撰写并在 Chemosensors 期刊发表的文章提出了一种新的前列腺癌检测策略，即结合电子鼻 (eNose) 和电子舌 (eTongue) 技术，通过分析患者“呼气 + 尿液”样本中的化学特征，实现前列腺癌的无创检测。

研究过程和结果

1.材料与方法

实验共收集了113名患者的呼气和尿液样本，其中66名为前列腺癌患者，47名为对照组。所有样本都严格按照标准化流程采集，以确保数据的可靠性。患者在采集样本前需要禁食并避免吸烟、饮酒等可能影响样本的因素。所有经病史确认的志愿者患者 (包括前列腺癌患者和对照组) 的一般特征列于表1。

表1. 志愿者患者的总体特征。

本研究利用电子鼻设备 (图1) 检测呼气和尿液样本中的挥发性有机化合物，使用电子舌设备 (图2) 检测尿液样本中的成分变化，帮助识别潜在的前列腺癌标志物。数据通过多个机器学习算法进行处理，最终通过混淆矩阵等评价指标对分类结果进行了验证，确保每个样本的分类结果具有高精度和可靠性。

图1. 用于呼气和尿液样本采集的电子鼻 (VOCaP)。

图2. 研究中使用的µStat 8000电子舌设备。

2.结果与讨论

在使用电子鼻分析呼气样本时，研究人员发现前列腺癌患者的呼气样本与对照组之间有显著差异。通过主成分分析 (PCA) 和判别分析 (DFA)，能够有效区分前列腺癌患者和健康对照组。进一步应用机器学习算法时，呼气样本的分类准确率达到100% (表2)。该结果表明，电子鼻技术在前列腺癌的非侵入性检测中具有巨大的潜力。在分析尿液样本时，电子舌技术表现出高效的分类能力。其中K近邻算法 (KNN) 结合PCA得分达到92.9%的最高准确率 (表3)，充分验证了电子舌在区分前列腺癌患者方面的优异性能。

表2. 基于电子鼻的呼气样本机器学习方法：前列腺癌vs.对照组。

表3. 基于尿液样本的混淆矩阵指标 (KNN 方法)：前列腺癌vs.对照组。

文章总结

本研究采用电子舌与电子鼻对确诊前列腺癌患者和对照组的尿液与呼气样本进行检测，经模式识别和机器学习分类，电子舌准确率达92.9%，电子鼻达100%。证明这些技术在分析呼气和尿液样本中的化学变化时，能够提供高准确性的分类结果。同时表明这两种设备结合多样本的检测，可以为前列腺癌的早期筛查提供有效的技术方案。未来有望成为临床中重要的辅助诊断工具，推动前列腺癌早期筛查的发展。

Chemosensors 期刊介绍

主编：Nicole Jaffrezic-Renault, CNRS/University of Franche-Comté, France; Jin-Ming Lin, Tsinghua University, China

期刊范围涵盖化学传感理论；机理和检测原理；开发、制造技术；化学分析方法在食品、环境监测、医药、制药、工业、农业等方面的应用。