基于“最优肿瘤标志群”建立的人工神经网络模型对肺癌辅助诊断的作用
目的:建立基于最优肿瘤标志群及联合临床基本资料的人工神经网络(ANN)模型,并探讨其在肺癌辅助诊断中的作用。 方法:收集67例肺癌患者、53例肺良性疾病患者及61例正常对照基本临床资料,并测定其血清中癌胚抗原、胃泌素、神经元特异性烯醇化酶、唾液酸、铜锌比值(Cu/Zn)、钙(Ca)6项指标,并建立此6项指标以及联合临床资料的ANN肺癌诊断模型。 结果:19项临床资料中筛选出吸烟史、化学毒物接触史、厨房燃料、排风设施、咳嗽、咳血和胸闷胸痛7项肺癌危险因素;6项肿瘤标志建立的ANN模型,对总样本诊断肺癌的灵敏度、特异度及准确度分别为92.5％,99.1％,94.5％,且其联合基本资料和数据合并建立的ANN模型诊断肺癌的效果均优于单一肿瘤标志建立的ANN模型。 结论:最优肿瘤标志群建立的人工神经网络模型可以作为肺癌辅助诊断的方法,且增加基本资料或扩大样本量效果更好。
人工神经网络模型 最优肿瘤标志群 肺癌 辅助诊断
冯斐斐 吴拥军 聂广金 吴逸明
郑州大学公共卫生学院,郑州 450001
国内会议
洛阳
中文
109-120
2009-09-22（万方平台首次上网日期，不代表论文的发表时间）