优化肿瘤标志物群建立的决策树模型对肝癌辅助诊断的价值

• 作者: 周百中 宋瑜 崔卫东 张永 李晓勇 杨华 杨战锋 赵甦 郜宇 陈艳军
• 来源期刊: 郑州大学学报（医学版）
• 学科: 医学
• 关键词: 肝癌 血清肿瘤标志物 决策树 辅助诊断
• 年，卷（期）: 2015,（6）
• 所属期刊栏目: 论著
• 页码范围: 794-797
• 页数: 4页
• 分类号: R735.7
• 字数: 2812字
• 语种: 中文
• DOI: 10.13705/j.issn.1671-6825.2015.06.016

摘要

目的：探讨血清肿瘤标志物检测结合决策树模型在肝癌诊断中的价值。方法：运用肿瘤标志物定量检测试剂盒对119例肝部良性疾病及98例肝癌患者血清中9项肿瘤标志[甲胎蛋白（ AFP）、癌胚抗原（ CEA）、CA125、CA242、CA199、神经元特异性烯醇化酶（ NSE）、铁蛋白（ Ferritin）、人生长激素（ HGH）和CA153]水平进行检测，应用logistic回归筛选肿瘤标志物，并于筛选前后建立决策树模型和Fisher判别分析模型。结果：肝癌组9项血清肿瘤标志物水平均高于肝良性疾病组（P＜0．05）。筛选前基于9项肿瘤标志物、筛选后基于3项肿瘤标志物分别建立Fisher判别分析模型、决策树模型，其预测准确度分别为76．5％、91．2％、74．4％、90．8％。筛选前后决策树模型ROC曲线的AUC分别为0．912和0．908，高于Fisher判别分析的0．745和0．727（Z＝4．512和4．589，P均＜0．05）；但决策树模型和Fisher判别分析筛选前后自身相比，差异均无统计学意义（Z＝1．855和1．122，P均＞0．05）。结论：基于3项血清肿瘤标志物建立的决策树模型诊断肝癌的效果优于 Fisher 判别分析。