Una nuova strada per la diagnosi precoce del cancro alla prostata passa dall’odore dell’urina e dall’uso combinato di biosensori olfattivi e machine learning. Il modello sviluppato da un gruppo di ricerca coreano ha raggiunto un’accuratezza pari a 0,890, distinguendo i pazienti con tumore alla prostata dai soggetti sani con una probabilità dell’89%.
Il lavoro è stato condotto dal professor Koo Kyo-cheol, del Dipartimento di Urologia del Gangnam Severance Hospital della Yonsei University, insieme alla professoressa Park Tae-hyun, del Dipartimento di Food and Nutrition della Ewha Womans University. Il team ha presentato i risultati di uno studio dedicato all’utilità di un modello diagnostico capace di leggere, attraverso sensori artificiali, i segnali chimici presenti nei campioni urinari.
Il punto di partenza è il limite del test dell’antigene prostatico specifico, il PSA, che presenta una bassa specificità e può portare a biopsie di controllo dolorose anche in pazienti che non hanno un tumore alla prostata. Il percorso diagnostico tradizionale può quindi generare carichi fisici ed economici non trascurabili. Da qui l’interesse verso un metodo non invasivo, semplice e potenzialmente utilizzabile come integrazione o alternativa in alcune fasi dello screening.
Per costruire il sistema, i ricercatori sono partiti da studi precedenti in cui cani addestrati, compresi pastori tedeschi, erano riusciti a distinguere con alta accuratezza l’odore dell’urina di pazienti con cancro alla prostata. Il gruppo ha tradotto questo principio biologico in una piattaforma di olfatto artificiale: sei proteine recettrici olfattive umane sono state estratte e legate a nanodischi, minuscole nanoparticelle di membrana cellulare artificiale costituite da componenti lipidici.
Quando le molecole odorose presenti nell’urina interagiscono con i sensori, i segnali di fluorescenza si riducono. Il sistema misura queste variazioni sottili e le combina con un algoritmo di apprendimento automatico basato sull’analisi dei pattern. In questo modo il modello viene addestrato a riconoscere le configurazioni caratteristiche dei campioni urinari associati al cancro alla prostata, trasformando una traccia chimica difficilmente interpretabile a occhio nudo in un segnale diagnostico leggibile.
La validazione ha seguito un processo selettivo. Il team ha inizialmente esaminato 143 potenziali partecipanti applicando criteri di esclusione rigorosi, arrivando poi a un gruppo composto da 40 pazienti con cancro alla prostata e 33 controlli, per un totale di 73 partecipanti. Per migliorare ulteriormente la precisione del modello di AI, i ricercatori hanno costruito anche un dataset di 290 campioni di urina e condotto una cross-validation.
Nel processo sono emersi tre recettori chiave, OR2W1, OR51E1 e OR51E2, indicati come i più determinanti nel rilevare le molecole associate al cancro alla prostata. Il modello ha inoltre ottenuto un valore di AUC pari a 0,964±0,01, parametro che riflette insieme sensibilità e specificità. Il risultato colloca il sistema in una fascia statistica elevata e indica una forte capacità predittiva nella distinzione tra pazienti oncologici e individui sani.
Koo ha sottolineato che l’analisi dell’urina consente di immaginare una diagnosi mediante un metodo indolore, semplice e non invasivo. Ha aggiunto che il sistema non si limita a mostrare un alto tasso di identificazione, ma può anche fornire informazioni sull’aggressività del tumore misurata tramite Gleason score, un elemento che non può essere confermato attraverso il solo test PSA. Il passaggio successivo indicato dal gruppo riguarda studi clinici su larga scala, necessari per trasformare il modello in una tecnologia diagnostica utilizzabile nei contesti medici reali. Il paper è stato pubblicato su ACS Biosensors, rivista del settore della chimica analitica.