目的:联合检测多种血清肿瘤相关标记物,建立基于人工神经网络的肺癌血清标记物诊断模型.方法:应用酶联免疫吸附法分别测定100例肺癌患者和113例健康人对照的血清标本中癌胚抗原(CEA)、甲胎蛋白(AFP)、癌抗原19-9(CA19-9)、癌抗原72-4(CA72-4)、癌抗原242(CA242)、癌抗原21-1(CA21-1)、神经元特异性烯醇化酶(NSE)和组织多肽抗原(TPA)等8种肿瘤相关标记物含量,结合生物信息学方法进行数据的分析.筛选出最优标记物组合,用150例样本(肺癌70例,健康对照80例)建立诊断模型,并用63例样本(肺癌30例,健康对照33例)盲法测试集评估此模型.结果:应用曲线下面积方法结合神经网络筛选出CA211、CEA两个最优组合的肿瘤标志物,建立的神经网络的肺癌血清标记物诊断模型经盲法验证预测的特异性为92.9
作者：韩小宏；毛巧霞；陆国峰；余捷凯
来源：中国肿瘤临床 2010 年 37卷 10期
