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
