目的:应用人工神经网络( ANN)技术联合肿瘤标志蛋白芯片建立人工智能辅助诊断模型,探讨其对肺癌诊断的价值。方法:采用蛋白芯片(化学发光法)测定201例肺良性疾病患者、202例肺癌患者血清中9项血清肿瘤标志( CA199、Ferritin、AFP、CA153、CEA、NSE、CA242、CA125、HGH)的水平,logistic回归筛选,建立ANN和Fisher判别分析肺癌诊断模型。结果:4项肿瘤标志( CEA、NSE、Ferritin、CA153)建立的ANN模型的ROC曲线下面积(0.850)高于4项 Fisher、6项(CEA、NSE、Ferritin、CA153、AFP、CA125) Fisher 和6项 ANN的ROC 曲线下面积(0.793、0.767和0.825)。结论:基于4种肿瘤标志的ANN模型判别诊断肺癌的效果优于Fisher判别分析,优于6种肿瘤标志建立的ANN模型;ANN模型诊断效果优于Fisher判别分析。
作者:李尊税;魏小玲;何其栋;张红巧;吴拥军
来源:郑州大学学报(医学版) 2014 年 5期