基于血清四项肿瘤标志物的模式识别技术对肺癌的鉴别诊断

摘要：

目的 探讨基于血清癌胚抗原(CEA),神经元特异性烯醇化酶(NSE),糖类抗原125(CA125)和细胞角蛋白片段(Cyfra21-1)的3种模式识别技术对肺癌的鉴别诊断价值.方法 对470例肺癌患者,659例肺部良性疾病患者和343例健康体检者血清四项肿瘤标志物测定结果进行回顾性分析,比较单项指标的诊断价值并联合建立偏最小二乘判别分析(PLS-DA),多层感知器-人工神经网络(MPL-ANN)和支持向量机(SVM)模型.结果 单项指标中CEA对肺癌的诊断价值最佳,受试者工作特征曲线下面积(AUC)为0.813(95％CI:0.789～0.837).PLS-DA、MPL-ANN和精细高斯核SVM(FG-SVM)模型对肺癌组的诊断正确率分别为58.7％(195/332)、71.7％(238/332)和72.9％(242/332),预测正确率分别为55.8％(77/138),71.0％(98/138)和65.2％(90/138);对非肺癌组(良性组+对照组)的诊断正确率分别为96.4％(703/729),92.9％(677/729)和97.8％(713/729),预测正确率分别为91.9％(251/273),94.1％(257/273)和93.8％(256/273).结论 基于血清CEA、NSE、CA25和Cyfra21-1的MPL-ANN和FG-SVM模型能较好地诊断和预测肺癌,为肺癌的鉴别诊断提供了一种新思路.

关键词：肿瘤标志物、偏最小二乘判别分析、多层感知器-人工神经网络、支持向量机

所属期刊栏目：36

分类号：R734.1(肿瘤学)

资助基金：国家自然科学基金青年基金资助项目;四川省科技基础条件平台资助项目

在线出版日期：2020-05-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：655-660