近日，西安電子科技大學“智能傳感”團隊吳巍煒副教授、西安交通大學第一附屬醫院泌尿外科范晉海教授、以色列理工學院Hossam Haick教授在人工嗅覺從尿液中快速、無創診斷膀胱癌的應用方面取得了重要進展，以“先進材料與納米科技學院”為第一單位發表題為“Artificially Intelligent Olfaction for Fast and Noninvasive Diagnosis of Bladder Cancer from Urine”的研究論文，該研究論文獲選期刊封面（ACS Sensors，2022年第7期，第6卷）。先進材料與納米科技學院博士研究生簡瑛瑛為論文的第一作者，西安交通大學碩士研究生張楠和西安電子科技大學前沿交叉學院準聘副教授劉濤平為論文的共同第一作者。范晉海教授、吳巍煒副教授及Hossam Haick教授為論文的共同通訊作者。

膀胱癌（BLC）是指發生在膀胱黏膜上的惡性腫瘤，是泌尿系統最常見的惡性腫瘤，也是全身十大常見腫瘤之一。據統計，2020年全球膀胱癌的新發病例約57萬，死亡病例約21萬。并且，男性膀胱癌發病率為女性的3～4倍，男性每100,000人中的發病率和死亡率分別為9.5和3.3人。此外，膀胱癌患者的復發率高達50%，約15-40%的病例發展到膀胱腫瘤侵襲階段。目前膀胱癌最常見的診斷方式是尿脫落細胞學及膀胱鏡檢查。然而，膀胱鏡檢查是一種侵入性診斷方式，并且靈敏度（62-84%）和特異度（43-98%）受到操作人員限制。尿脫落細胞學是通過對尿液中的脫落細胞進行檢查，雖然是一種無創診斷方式，但只對中晚期腫瘤有高達90%以上的靈敏度和特異性，對早期腫瘤的靈敏度很低（4-31%）。因此，一種新型的無創診斷膀胱癌的方式是迫切之需。

揮發性有機化合物（VOCs）是人體代謝（正常或疾病相關）的最終產物，主要通過呼吸、皮膚/汗液、尿液和糞便等排出。其中，尿液中的VOCs作為疾病的標志物有很多的有益之處。首先，尿液中的VOCs檢測可以在臨床上優先于膀胱鏡檢查。其次，尿液的取樣無創、廉價、無痛，并且尿液VOCs提供一種非侵入性的分子表征方法，可以指導個體化監測治療。目前，氣相色譜-質譜聯用技術（GC-MS）廣泛應用于人體VOCs分析中，特別是用于識別和診斷與人類疾病相關的尿液中存在的VOCs，靈敏度和特異性極高，但其不可攜帶、成本昂貴等缺點限制了其應用。電子鼻（E-Nose）是模擬人類嗅覺器官精確識別氣體種類和濃度方面的能力，可以對不同的VOCs進行有效識別，并且其快響應、低成本、可攜帶等優勢自開展研發以來一直受到科學界和工業界的廣泛關注。但是，電子鼻應用于尿液氣味檢測和診斷膀胱癌的電子鼻裝置檢測的靈敏度和準確性低（70%），無法滿足臨床需求。

(a) 收集膀胱癌患者的尿液樣本及過濾細菌 (b) 將尿液樣品鼓泡到電子鼻系統 (c) SVM 模型的機制 (d) SVM模型分析結果 (e) ROC曲線

本研究報道了一種基于化學電阻型氣敏傳感器陣列的高性能電子鼻，通過“嗅”出臨床尿液樣本實現快速、無創和高準確性地診斷膀胱癌，并可對術后復發患者進行監測。首先，電子鼻傳感單元在室溫下分別針對膀胱癌相關的11種VOCs進行了交叉敏感性傳感性能研究。隨后，傳感單元根據篩選評分算法構建電子鼻系統，對臨床尿液樣本進行檢測和診斷。該項研究共有94名志愿者參與，分為76名膀胱癌患者（60名早期和16名晚期）和18名健康對照組。最后，研究人員通過模式識別算法，在支持向量機（SVM）的幫助下，實現了對健康對照組和膀胱癌患者的高準確性（96.67%）、高靈敏度（100%）和高特異性（83.33%）診斷。此外，術后復發的患者也可以成功被快速診斷，診斷過程中的干擾因素（年齡、性別、生活習性等）對電子鼻系統診斷準確性不造成影響。

該研究成果可用于大規模篩查、臨床診斷和預后監測，為膀胱癌早診早治提供一種可能的技術路徑。同時，該研究解決了面對混合被測物時，如何通過單一組分的傳感結果，實現最優傳感器陣列組合的預測算法；通過尿液氣味診斷疾病的臨床標準流程兩個關鍵問題；并且研究這公布了所有算法的源代碼供同行借鑒和使用。

PS：西安電子科技大學“智能傳感”團隊依托先進材料與納米科技學院應用化學系、前沿交叉研究院“智能傳感”前沿交叉研究中心共同建設，團隊面向化學傳感器制備與應用，納米材料、分析化學、半導體物理、流體力學等多學科交叉融合，系統解決化學傳感器特征值如何產生、如何提取和如何識別的關鍵科學問題。近年來在Nano-Micro Letters（國產旗艦期刊）、Nano Research（國產旗艦期刊）、Chemical Reviews、Advanced Materials、Advanced Functional Materials等Top期刊發表多項工作。

文章信息：
Jian Y, Zhang N, Liu T, Zhu Y, Wang D, Dong H, Guo L, Qu D, Jiang X, Du T, Zheng Y, Yuan M, Fu X, Liu J, Dou W, Niu F, Ning R, Zhang G, Fan J*, Haick H*, Wu W*. Artificially intelligent olfaction for fast and noninvasive diagnosis of bladder cancer from urine. ACS Sensors, 2022, 7, 6, 1720–1731.

論文連接：
https://pubs.acs.org/doi/10.1021/acssensors.2c00467

審核編輯 ：李倩