基于数据挖掘技术大肠肿瘤高危人群发病预警研究

• 作者: 江永平 张勇 陆永娟 顾体梅 李明娟 丁林平
• 来源期刊: 中国卫生检验杂志
• 关键词: 大肠肿瘤 APCS评分系统 肿瘤标志物 人工神经网络 ROC曲线
• 年，卷（期）: 2020,（21）
• 所属期刊栏目: 论著|Original Articles
• 页码范围: 2572-2574,2585
• 页数: 4页
• 分类号: R735.3+4
• 语种: 中文

摘要

目的 评价基于肿瘤标志物检测与APCS评分系统筛查的人工神经网络对大肠肿瘤高危人群发病风险预警的价值.方法 经病理确诊大肠癌101例、大肠息肉组110例和对照组96例,进行肿瘤标志物癌胚抗原(CEA)、糖类抗原19-9(CA19-9)联合检测并接受APCS评分系统筛查,同时应用数据挖掘技术(人工神经网络技术)建立肿瘤标志物-APCS评分-人工神经网络模型(简称数据挖掘模型)进行发病风险预测.结果 数据挖掘模型诊断大肠癌敏感度为81.07％、特异度为87.21％、准确度为84.69％、ROC曲线下面积为0.853;APCS评分系统筛查敏感度为86.32％、特异度为74.86％、准确度为70.05％、ROC曲线下面积为0.602;肿瘤标志物联合检测敏感度为92.38％、特异度为60.47％、准确度为67.41％、ROC曲线下面积为0.501.结论 基于肿瘤标志物检测与APCS评分系统筛查的人工神经网络模型提高了对大肠癌的预测准确性.