由于前列腺癌早期阶段缺乏症状，早期诊断仍然具有挑战性，这往往导致发现较晚和治疗效果降低[1],[2]。目前的方法，如前列腺特异性抗原（PSA）检测和直肠指检（DRE），其敏感性和特异性有限[3],[4]。PSA是一种广泛用于前列腺癌筛查的血液生物标志物。然而，由于其较低的特异性，可能会导致假阳性结果，因为PSA水平升高也可能表明良性前列腺增生（BPH）或前列腺炎，从而增加不必要的活检[5],[6]。同样，DRE操作简单且成本低廉，但高度依赖于操作者的技能和患者解剖结构，对于早期肿瘤的敏感性较低，且假阴性风险较高[7],[8]。因此，有必要开发和实施新的检测工具来改善前列腺癌的早期诊断。这些工具应该是非侵入性的，能够提供可靠、可重复的结果，具有良好的诊断性能（敏感性和特异性），并且成本效益高、易于在临床实践中应用。近年来，基于疾病相关代谢改变的分析方法受到了越来越多的研究。挥发组学作为一种有前景的策略脱颖而出，因为它专注于分析VOC，这些小分子代谢物反映了肿瘤过程中的代谢变化[9],[10]。VOC通过尿液、呼吸、唾液和汗液等生物流体排出，使得采样完全非侵入性。多项研究表明，VOC在多种癌症中具有诊断潜力，包括肺癌[11],[12],[13]、结直肠癌[14],[15],[16],[17]、乳腺癌[18],[19],[20]、胰腺癌[21],[22],[23]、胃癌[24],[25],[26]、膀胱癌[27],[28],[29]、前列腺癌[30],[31],[32],[33],[34],[35],[36],[37],[38]以及头颈癌[39],[40],[41],[42]。对于前列腺癌，尿液和呼吸样本具有实际优势，因为采集方便、频繁且非侵入性。特别是尿液中富含与前列腺代谢相关的VOC，有助于检测前列腺癌的相关变化[30]。然而，由于方法学上的差异以及需要在更大规模的人群中进行验证，其临床应用仍受到限制。同样，呼出的气体也反映了系统的代谢活动，由于其简单性和非侵入性特性，在癌症诊断中受到了关注[43],[44],[45]。与尿液类似，呼吸样本的非侵入性、快速性和便捷性使其能够反映血液和呼吸道的挥发性成分，从而提供关于机体整体代谢状态的见解[46],[47]。
在VOC的分析和鉴定中，GC–MS是一种选择性高且灵敏的技术，被广泛用于癌症相关生物标志物的研究。尽管具有这些分析优势，GC–MS在临床应用中仍面临成本较高、便携性有限以及需要专业人员的实际挑战。此外，存储不当、环境条件以及VOC降解等因素也会影响数据可靠性[48]。
为克服这些限制，人们开发了像电子鼻这样的便携且成本效益高的替代方案。电子鼻是一种多传感器系统，旨在通过检测复杂的VOC混合物来模仿人类的嗅觉系统。它依赖于具有部分重叠灵敏度的传感器阵列来生成特征性响应模式，而不是识别单个化合物。这些模式通过多变量和机器学习技术进行分类分析。由于其灵敏度、鲁棒性和快速响应能力，电子鼻已在生物医学和挥发组学研究中得到广泛应用。这种基于模式识别的方法能够实现非侵入性的、成本效益高的疾病相关代谢改变筛查。虽然电子鼻无法识别特定化合物，但可以通过复杂VOC混合物的模式识别区分不同的疾病状态。它们的适应性和效率使其适用于快速临床筛查[49],[50],[51],[52],[53],[54],[55],[56]。
在本研究中，GC–MS和电子鼻技术被用于通过分析尿液和呼吸样本中的VOC来检测前列腺癌。这种互补的方法通过结合GC–MS的灵敏度和电子鼻的快速模式识别能力，提高了诊断的可靠性，为早期检测和疾病监测提供了一种有前景的策略。
