基于10项肿瘤标志的决策树模型在肺癌诊断中的应用

• 作者: 吴拥军 周晓蕾 张曼林 李尊税 王献红 袁彦丽
• 来源期刊: 中国医药导刊
• 学科: 医学
• 关键词: 决策树 肺癌 诊断 肿瘤标志 表观遗传学
• 年，卷（期）: 2018,（11）
• 所属期刊栏目: 临床医学
• 页码范围: 641-645
• 页数: 5页
• 分类号: R734.2
• 字数: 4393字
• 语种: 中文

摘要

目的:联合6项肿瘤标志及4项表观遗传学指标构建决策树C5.0模型对肺癌进行判别,以寻找诊断肺癌的最优模型.方法:在180例肺癌患者及243例肺良性疾病患者中,采用放射免疫法应用血清癌胚抗原(CEA)试剂盒和胃泌素试剂盒测定患者CEA及胃泌素;采用双抗体夹心法应用神经元特异性烯醇化酶(NSE)测定试剂盒测定NSE;采用邻甲酚酞络合酮比色法应用钙(Ca)测定试剂盒测定血清Ca的浓度;采用分光光度法通过改进的对比色法测定唾液酸(SA)的浓度;采用原子吸收分光光度法(ABS)测定血清铜(Cu)、锌(Zn)的浓度;采用酶联免疫吸附试验(ELISA)测定血清样本中DNA甲基转移酶1(DNA methyl-transferase 1,DNMT1)、DNA甲基转移酶3A(DNA methyltransferase 3A,DNMT3A)、DNA甲基转移酶3B(DNA methyltransferase 3B,DNMT3B)、组蛋白去乙酰化酶1(histone deacetylase,HDAC1)的含量,并构建诊断模型.结果:决策树C5.0模型在纳入6项肿瘤标志、4项表观遗传学指标、10项肿瘤标志的灵敏度分别是0.383、0.378、0.944,特异度分别为0.905、0.864、0.934,准确度分别为0.683、0.657、0.939,ROC曲线下面积(AUC)分别为0.644、0.621、0.939.其中纳入10项肿瘤标志的决策树C5.0模型的灵敏度、特异度、准确度及AUC均在90％以上,且优于只纳入6项肿瘤标志、4项表观遗传学指标,各组数据的差异均有统计学意义(P＜0.05).结论:基于10项肿瘤标志的肺癌判别模型优于纳入6项生物肿瘤标志及4项表观遗传学标志的模型,提高了肺癌诊断率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吴拥军	郑州大学公共卫生学院	173	1075	16.0	23.0
2	张曼林	河南省胸科医院呼吸内科	28	128	6.0	10.0
3	李尊税	郑州大学公共卫生学院	3	5	2.0	2.0
4	王献红		12	1	1.0	1.0
5	周晓蕾	河南省胸科医院呼吸内科	10	9	2.0	2.0
6	袁彦丽	河南省胸科医院呼吸内科	3	4	1.0	2.0