《Scientific Reports》：GC–IMS-based analysis of serum volatile organic compounds for diagnosis of gastric cancer
编辑推荐：
胃癌早期诊断缺乏无创工具。本研究利用气相色谱-离子迁移谱（GC-IMS）对血清挥发性有机化合物（VOCs）进行谱分析，以探索胃癌筛查新途径。研究构建了一个支持向量机（SVM）诊断模型，在验证集和独立测试集中对早期胃癌表现出高灵敏度与特异性，准确率优于传统肿瘤标志物癌胚抗原（CEA），为胃癌无创检测提供了潜在新策略。
胃癌是全球范围内一种常见的恶性肿瘤，其早期诊断对于改善患者预后至关重要。然而，现有的诊断方法，如胃镜检查，具有一定的侵入性，可能给患者带来不适，且对医疗资源要求不低；而传统肿瘤标志物如癌胚抗原（CEA）的敏感性和特异性有时不尽如人意。因此，临床实践中迫切需要一种准确、便捷且非侵入性的检测工具，来实现胃癌的早期筛查和诊断。在此背景下，研究人员将目光投向了人体代谢的“嗅觉指纹”——挥发性有机化合物（Volatile Organic Compounds, VOCs）。VOCs是生物体代谢产生的一类小分子物质，能够通过呼吸、汗液、血液等途径释放。越来越多的研究表明，包括癌症在内的多种疾病会改变机体的代谢状态，从而导致VOCs的组成和浓度发生特征性变化。那么，能否通过分析血液中VOCs的“图谱”，来无创地识别出胃癌患者呢？这正是发表于《Scientific Reports》上的这项研究试图回答的核心问题。
为了探索这一可能性，研究团队开展了一项旨在评估血清VOCs谱用于胃癌诊断价值的研究。他们采用的核心技术方法是气相色谱-离子迁移谱（Gas Chromatography-Ion Mobility Spectrometry, GC-IMS）。GC-IMS是一种结合了气相色谱高效分离能力与离子迁移谱高灵敏度检测优势的分析技术，特别适合于复杂生物样本中痕量挥发性成分的分离与鉴定。研究共收集了277名参与者的血清样本，这些参与者被分为三组：123名胃癌患者、38名癌前疾病（Precancerous Diseases, PD）患者以及116名健康对照（Healthy Controls, HC）。研究人员利用GC-IMS分析了这些血清样本中的VOCs，并运用统计学方法和机器学习模型来挖掘数据中潜在的诊断信息。
研究结果
1. 胃癌、癌前疾病与健康对照者之间VOCs的差异分析
在模型开发组中，研究团队首先对检测到的VOCs进行了非参数检验（Kruskal–Wallis检验）。分析结果显示，共有19种VOCs的水平在胃癌组、癌前疾病组和健康对照组之间存在统计学上的显著差异（p < 0.05）。这一发现初步证实，胃癌的发生发展伴随着血清中特定VOCs谱的改变，这为基于VOCs进行疾病鉴别提供了生物学依据。
2. 诊断模型的构建与比较
基于上述存在显著差异的VOCs，研究人员构建并比较了六种不同的机器学习模型，以评估它们区分胃癌患者与非胃癌者（包括癌前疾病和健康对照）的性能。结果表明，支持向量机（Support Vector Machine, SVM）模型在所有这些模型中取得了最佳的综合诊断性能。
3. 关键VOCs的筛选与最终模型的建立
为了优化模型并提高其临床适用性，研究团队进一步通过重要性排序和向前选择法，从差异VOCs中筛选出了一个包含11种VOCs的核心组合，用于构建最终的SVM诊断模型。这个精简后的模型在后续的验证中表现出了卓越的稳定性与准确性。
4. 诊断模型的验证与性能评估
最终构建的基于11种VOCs的SVM模型经历了严格的验证。在验证集中，该模型诊断胃癌的准确率达到了96.4%。更重要的是，在一个独立的测试集（用于模拟真实临床场景）中，模型的准确率依然高达92.9%。与临床上传统的肿瘤标志物癌胚抗原（CEA）相比，该VOCs模型展现出了更高的诊断准确性，凸显了其潜在优势。
5. 模型在早期胃癌检测中的表现
早期胃癌的检出是改善预后的关键。令人鼓舞的是，该VOCs诊断模型在验证集和测试集中，对于检测早期胃癌均实现了100%的灵敏度（即不漏诊）和超过90%的特异性（即误诊率低）。这表明该模型不仅在整体胃癌诊断上有效，在发现早期病变方面也具有非常突出的潜力。
研究结论与意义
本研究系统性地探索了基于GC-IMS技术分析血清VOCs谱用于胃癌诊断的可行性。研究结论表明，胃癌患者的血清VOCs谱存在特征性改变，利用GC-IMS技术能够捕获这些细微变化。通过机器学习方法构建的诊断模型，特别是基于11种关键VOCs的SVM模型，在区分胃癌（包括早期胃癌）患者、癌前疾病患者及健康人方面表现出极高的准确性、敏感性和特异性，其性能优于传统的CEA检测。
这项研究的意义重大。首先，它从方法学上提供了一种全新的思路，将GC-IMS这种先进的挥发性有机物分析技术与机器学习算法相结合，应用于胃癌的无创血清学诊断。其次，研究结果表明，血清VOCs作为一类新型的生物标志物组合，在胃癌早期筛查和鉴别诊断中具有巨大的临床应用潜力。相比于胃镜，这种方法完全无创，更易于被患者接受，更适合用于大规模人群的初步筛查。最后，该研究为开发便捷、快速的胃癌呼气或血液检测设备奠定了坚实的科学基础，有望在未来转化为一种辅助临床决策的有效工具，助力胃癌的早发现、早诊断和早治疗，最终改善患者的生存结局。
