基于人工神经网络的前列腺癌诊断模型对前列腺癌的诊断价值研究

• 作者: 刘靳波 宋敏 李光荣 杭永伦 王开正 田刚
• 来源期刊: 中国全科医学
• 关键词: 前列腺肿瘤 肿瘤标记,生物学 神经网络(计算机) ROC曲线 诊断
• 年，卷（期）: 2012,（35）
• 所属期刊栏目: 论著
• 页码范围: 4061-4063
• 页数: 3页
• 分类号: R737.25
• 语种: 中文
• DOI: 10.3969/j.issn.1007-9572.2012.12.043

摘要

目的 结合前列腺肿瘤标志物检验组套和患者临床信息进行数据挖掘,建立基于人工神经网络(ANN)的前列腺癌诊断模型,为前列腺癌的临床诊断和治疗提供客观的参考信息.方法 通过实验信息系统与医院信息管理系统的数据信息平台检索并统计2010年1月-2011年7月我院前列腺肿瘤标志物检验组套病例365例,其中前列腺癌组60例,非前列腺癌组305例.采用受试者工作特征(ROC)曲线下面积法筛选出有价值的指标,用244例样本(前列腺癌组40例,非前列腺癌组204例)建立ANN模型,并用121例样本(前列腺癌组20例,非前列腺癌组101例)盲法测试和评估此模型.结果 纳入分析的指标有年龄、甲胎蛋白(AFP)、癌胚抗原(CEA)、总前列腺特异抗原(tPSA)和结合前列腺特异抗原(cPSA),各指标的曲线下面积分别为0.623、0.517、0.499、0.907和0.913,其中年龄、tPSA和cPSA与前列腺癌的发病有相关性(P＜0.05);经方差分析前列腺癌组的年龄、tPSA和cPSA与非前列腺癌组比较,差异均有统计学意义(P＜0.05).建立的模型对训练样本预测的特异度为93.63%,敏感度为82.50%;此模型对121例测试样本预测的特异度为93.07%,敏感度为80.00%.结论 数据挖掘技术能够提炼出高效的诊治信息,基于ANN的前列腺癌诊断模型对前列腺癌的早期诊断具有一定价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘靳波	泸州医学院附属医院检验科	35	168	8.0	10.0
2	王开正	泸州医学院附属医院检验科	92	360	9.0	14.0
3	杭永伦	泸州医学院附属医院检验科	32	202	8.0	12.0
4	田刚	泸州医学院附属医院检验科	8	68	6.0	8.0
5	李光荣	泸州医学院附属医院检验科	19	107	6.0	9.0
6	宋敏	泸州医学院附属医院检验科	8	39	4.0	6.0