一种基于化学电阻型气敏传感器阵列的高性能电子鼻

近日，西安电子科技大学“智能传感”团队吴巍炜副教授、西安交通大学第一附属医院泌尿外科范晋海教授、以色列理工学院Hossam Haick教授在人工嗅觉从尿液中快速、无创诊断膀胱癌的应用方面取得了重要进展，以“先进材料与纳米科技学院”为第一单位发表题为“Artificially Intelligent Olfaction for Fast and Noninvasive Diagnosis of Bladder Cancer from Urine”的研究论文，该研究论文获选期刊封面（ACS Sensors，2022年第7期，第6卷）。先进材料与纳米科技学院博士研究生简瑛瑛为论文的第一作者，西安交通大学硕士研究生张楠和西安电子科技大学前沿交叉学院准聘副教授刘涛平为论文的共同第一作者。范晋海教授、吴巍炜副教授及Hossam Haick教授为论文的共同通讯作者。

膀胱癌（BLC）是指发生在膀胱黏膜上的恶性肿瘤，是泌尿系统最常见的恶性肿瘤，也是全身十大常见肿瘤之一。据统计，2020年全球膀胱癌的新发病例约57万，死亡病例约21万。并且，男性膀胱癌发病率为女性的3～4倍，男性每100,000人中的发病率和死亡率分别为9.5和3.3人。此外，膀胱癌患者的复发率高达50%，约15-40%的病例发展到膀胱肿瘤侵袭阶段。目前膀胱癌最常见的诊断方式是尿脱落细胞学及膀胱镜检查。然而，膀胱镜检查是一种侵入性诊断方式，并且灵敏度（62-84%）和特异度（43-98%）受到操作人员限制。尿脱落细胞学是通过对尿液中的脱落细胞进行检查，虽然是一种无创诊断方式，但只对中晚期肿瘤有高达90%以上的灵敏度和特异性，对早期肿瘤的灵敏度很低（4-31%）。因此，一种新型的无创诊断膀胱癌的方式是迫切之需。

挥发性有机化合物（VOCs）是人体代谢（正常或疾病相关）的最终产物，主要通过呼吸、皮肤/汗液、尿液和粪便等排出。其中，尿液中的VOCs作为疾病的标志物有很多的有益之处。首先，尿液中的VOCs检测可以在临床上优先于膀胱镜检查。其次，尿液的取样无创、廉价、无痛，并且尿液VOCs提供一种非侵入性的分子表征方法，可以指导个体化监测治疗。目前，气相色谱-质谱联用技术（GC-MS）广泛应用于人体VOCs分析中，特别是用于识别和诊断与人类疾病相关的尿液中存在的VOCs，灵敏度和特异性极高，但其不可携带、成本昂贵等缺点限制了其应用。电子鼻（E-Nose）是模拟人类嗅觉器官精确识别气体种类和浓度方面的能力，可以对不同的VOCs进行有效识别，并且其快响应、低成本、可携带等优势自开展研发以来一直受到科学界和工业界的广泛关注。但是，电子鼻应用于尿液气味检测和诊断膀胱癌的电子鼻装置检测的灵敏度和准确性低（70%），无法满足临床需求。

(a) 收集膀胱癌患者的尿液样本及过滤细菌 (b) 将尿液样品鼓泡到电子鼻系统 (c) SVM 模型的机制 (d) SVM模型分析结果 (e) ROC曲线

本研究报道了一种基于化学电阻型气敏传感器阵列的高性能电子鼻，通过“嗅”出临床尿液样本实现快速、无创和高准确性地诊断膀胱癌，并可对术后复发患者进行监测。首先，电子鼻传感单元在室温下分别针对膀胱癌相关的11种VOCs进行了交叉敏感性传感性能研究。随后，传感单元根据筛选评分算法构建电子鼻系统，对临床尿液样本进行检测和诊断。该项研究共有94名志愿者参与，分为76名膀胱癌患者（60名早期和16名晚期）和18名健康对照组。最后，研究人员通过模式识别算法，在支持向量机（SVM）的帮助下，实现了对健康对照组和膀胱癌患者的高准确性（96.67%）、高灵敏度（100%）和高特异性（83.33%）诊断。此外，术后复发的患者也可以成功被快速诊断，诊断过程中的干扰因素（年龄、性别、生活习性等）对电子鼻系统诊断准确性不造成影响。

该研究成果可用于大规模筛查、临床诊断和预后监测，为膀胱癌早诊早治提供一种可能的技术路径。同时，该研究解决了面对混合被测物时，如何通过单一组分的传感结果，实现最优传感器阵列组合的预测算法；通过尿液气味诊断疾病的临床标准流程两个关键问题；并且研究这公布了所有算法的源代码供同行借鉴和使用。

PS：西安电子科技大学“智能传感”团队依托先进材料与纳米科技学院应用化学系、前沿交叉研究院“智能传感”前沿交叉研究中心共同建设，团队面向化学传感器制备与应用，纳米材料、分析化学、半导体物理、流体力学等多学科交叉融合，系统解决化学传感器特征值如何产生、如何提取和如何识别的关键科学问题。近年来在Nano-Micro Letters（国产旗舰期刊）、Nano Research（国产旗舰期刊）、Chemical Reviews、Advanced Materials、Advanced Functional Materials等Top期刊发表多项工作。

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.

论文连接：
https://pubs.acs.org/doi/10.1021/acssensors.2c00467

审核编辑 ：李倩