基于血清四项肿瘤标志物的模式识别技术对肺癌的鉴别诊断

• 作者: 刘靳波 周明术 张章 曾章锐 李光荣 田刚 舒静
• 来源期刊: 实用医学杂志
• 学科: 医学
• 关键词: 肿瘤标志物 偏最小二乘判别分析 多层感知器-人工神经网络 支持向量机
• 年，卷（期）: 2020,（5）
• 所属期刊栏目: 医学检查与临床诊断
• 页码范围: 655-660
• 页数: 6页
• 分类号: R734.1
• 字数: 4911字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-5725.2020.05.022

摘要

目的 探讨基于血清癌胚抗原(CEA),神经元特异性烯醇化酶(NSE),糖类抗原125(CA125)和细胞角蛋白片段(Cyfra21-1)的3种模式识别技术对肺癌的鉴别诊断价值.方法 对470例肺癌患者,659例肺部良性疾病患者和343例健康体检者血清四项肿瘤标志物测定结果进行回顾性分析,比较单项指标的诊断价值并联合建立偏最小二乘判别分析(PLS-DA),多层感知器-人工神经网络(MPL-ANN)和支持向量机(SVM)模型.结果 单项指标中CEA对肺癌的诊断价值最佳,受试者工作特征曲线下面积(AUC)为0.813(95％CI:0.789～0.837).PLS-DA、MPL-ANN和精细高斯核SVM(FG-SVM)模型对肺癌组的诊断正确率分别为58.7％(195/332)、71.7％(238/332)和72.9％(242/332),预测正确率分别为55.8％(77/138),71.0％(98/138)和65.2％(90/138);对非肺癌组(良性组+对照组)的诊断正确率分别为96.4％(703/729),92.9％(677/729)和97.8％(713/729),预测正确率分别为91.9％(251/273),94.1％(257/273)和93.8％(256/273).结论 基于血清CEA、NSE、CA25和Cyfra21-1的MPL-ANN和FG-SVM模型能较好地诊断和预测肺癌,为肺癌的鉴别诊断提供了一种新思路.

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	西南医科大学附属医院医学检验部	37	98	5.0	7.0
2	田刚	西南医科大学附属医院医学检验部	11	36	4.0	6.0
3	周明术	西南医科大学附属医院医学检验部	3	4	1.0	2.0
4	张章	西南医科大学附属医院医学检验部	1	1	1.0	1.0
5	曾章锐	西南医科大学附属医院医学检验部	6	19	3.0	4.0
6	舒静	西南医科大学附属医院医学检验部	6	23	4.0	4.0
7	李光荣	西南医科大学附属医院医学检验部	7	14	2.0	3.0