基于胸腔积液肿瘤标志物的PLS-DA和ANN-MPL模型对肺癌的诊断价值分析

• 作者: 刘靳波 周明术 宋敏 杭永伦 王开正 田刚
• 来源期刊: 成都医学院学报
• 学科: 医学
• 关键词: 肺癌 肿瘤标志物 诊断 偏最小二乘判别分析 人工神经网络
• 年，卷（期）: 2013,（5）
• 所属期刊栏目: 检验与临床专题
• 页码范围: 521-524
• 页数: 4页
• 分类号: R734.2
• 字数: 3264字
• 语种: 中文
• DOI: 10.3969/j.issn.1674-2257.2013.05.004

摘要

目的 探讨联合检测胸腔积液中癌胚抗原(CEA)、神经元特异性烯醇化酶(NSE),细胞角蛋白19片段(CYFRA21-1)和CA125对肺癌的诊断价值.方法 应用电化学发光免疫分析法测定53例肺癌和52例肺部良性疾病患者胸腔积液中4种肿瘤标志物(CEA、NSE、CYFRA21-1和CA125),结合偏最小二乘判别分析(PLS-DA)线性模型和人工神经网络多层感知(ANN-MPL)非线性模型进行建模诊断和预测分析.结果 PLS-DA模型不能完全鉴别肺癌组和对照组,具有58.5%的灵敏度、98.1%的特异性,78.1%的准确性和84.6%的预测能力.在ANN-MPL中,联合检测4种胸腔积液肿瘤标志物的受试者工作特征曲线下面积(AUC)均优于单一的肿瘤标志物,具有更高的诊断价值(AUC=0.997).ANN-MPL诊断模型的灵敏度、特异性和准确性分别为93.9%、100.0%和96.8%.ANN-MPL预测模型的灵敏度和特异性分别为90.0%和95.5%,具有92.9%的预测准确性.结论 PLS-DA和ANN-MPL模型在肺癌的鉴别诊断中均取得了较好的效果,ANN-MPL模型更有助于肺癌的鉴别诊断和预测分析.PLS-DA和ANN-MPL模型从数据建模分析的角度证明了肿瘤标志物联合检测的重要性和临床应用价值.

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	周明术	泸州医学院附属医院检验科	16	98	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