人工神经网络肿瘤标志物模型的建立及应用研究

• 作者: 余捷凯 姜铁军 杨美琴 郁琳琳 郑树
• 来源期刊: 中华检验医学杂志
• 学科: 医学
• 关键词: 肿瘤标志物 人工神经网络 诊断模型
• 年，卷（期）: 2005,（5）
• 所属期刊栏目: 肿瘤实验诊断研究
• 页码范围: 492-494
• 页数: 3页
• 分类号: R73
• 字数: 2285字
• 语种: 中文
• DOI: 10.3760/j:issn:1009-9158.2005.05.010

摘要

目的建立8种血清肿瘤标志物(TM)人工神经网络(ANN)诊断模型,以验证其在鉴别恶性肿瘤和提示原发灶不明肿瘤的原发部位中的应用价值.方法用酶联免疫吸附法及时间分辨荧光分析法分别测定73例肺癌、60例肝癌、76例肠癌、78例胃癌和51例乳腺癌患者,4例原发灶不明恶性肿瘤患者血清标本中,癌胚抗原(CEA)、α-甲胎蛋白(AFP)、糖抗原19-9(CA199)、糖抗原242(CA242)、癌抗原72-4(CA724)、细胞角蛋白19片段(CA211)、神经元特异性烯醇化酶(NSE)和组织多肽抗原(TPA)的含量,结合ANN进行数据建模分析,并用盲法验证模型,对原发灶不明肿瘤的鉴别准确率进行评价.结果肺癌和肝癌ANN模型,对肺癌和肝癌的鉴别准确率达90.9%;肠癌和肝癌ANN模型,对肠癌和肝癌的鉴别准确率为88.9%;肝癌和胃癌ANN模型,对肝癌和胃癌的鉴别准确率为93.5%;乳腺癌和肺癌ANN模型,对乳腺癌和肺癌的鉴别准确率为80.5%;用肠癌和肝癌ANN模型鉴别2例原发灶不明肿瘤(术后病理诊断为肠癌)为肠癌;用肝癌和胃癌ANN模型鉴别2例原发灶不明肿瘤(术后病理诊断为肠癌)为胃癌.结论 ANN结合8种TM建立的诊断模型分析法可有效鉴别肺癌等5种肿瘤,并且可能提示原发灶不明的恶性肿瘤的原发部位.