5个联合诊断模型对非小细胞肺癌诊断价值的比较

• 作者: 陈小红 杨渝伟 徐鹏 阳伍
• 来源期刊: 中国当代医药
• 学科: 医学
• 关键词: 肺癌 多层感知人工神经网络 径向基函数人工神经网络 决策树 经典判别分析 Logistic回归
• 年，卷（期）: 2022,（2）
• 所属期刊栏目: 论著
• 页码范围: 7-10
• 页数: 4页
• 分类号: R734.2
• 语种: 中文
• DOI: 10.3969/j.issn.1674-4721.2022.02.003

摘要

目的 比较5个联合诊断模型对诊断非小细胞肺癌(NSCLC)的应用价值.方法 回顾性选取2015年1月11日至2019年10月28日电子科技大学医学院附属绵阳医院413例NSCLC患者作为肺癌组,选取同期723例肺部良性疾病者和282例健康体检者分别为良性组和健康对照组.测定血清癌胚抗原,甲胎蛋白,糖类抗原125,糖类抗原199和神经元特异性烯醇化酶,联合建立多层感知人工神经网络(MPL-ANN)、径向基函数神经网络(RBF-ANN)、决策树、logistic回归和经典判别分析(CDA)模型并比较各模型的诊断效能.结果 单项指标中癌胚抗原对NSCLC的诊断价值较高,其AUC为0.76 (95％CI:0.74～0.78),但其特异度较低,为64.9％.所有联合诊断模型中,MPL-ANN模型最佳,其AUC为0.91(95％CI:0.89～0.96),诊断NSCLC的灵敏度为75.3％,特异度为91.1％,对肺癌组和非肺癌组(良性组+对照组)的诊断正确率分别为71.7％(76/106)和94.4％(305/323).结论 采用肿瘤标志物建立的MPL-ANN模型,能较好地诊断和预测NSCLC,为NSCLC的鉴别诊断提供了一种新思路.