肿瘤标志物人工神经网络模型对结直肠癌的诊断价值.DOCVIP

临床医学论文-肿瘤标志物人工神经网络模型对结直肠癌的诊断价值 【摘要】? 目的 探讨肿瘤标志物人工神经网络模型对结直肠癌的诊断价值。方法 对7项肿瘤标志物联合检测，利用人工神经网络(ANN)技术建立结直肠肿瘤标志物智能诊断模型。结果 结直肠肿瘤标志物的ANN诊断模型对测试组结直肠癌进行识别的敏感性为0.914，特异性为0.964，准确性为0.939，均显著高于任意单项检验预测结果(P=0.000)。结论 与单一肿瘤标志物相比，利用ANN建立的多种血清肿瘤标志物诊断模型能提高诊断大肠癌的敏感性、特异性和准确性，对结直肠癌的早期诊断具有较高价值。 【关键词】? 人工神经网络;肿瘤标志物;结直肠癌;诊断 　　[Abstract] Objective To investigate the value of an artificial neural network (ANN) model based on tumor marker in serum for diagnosing colorectal carcinoma. Methods A diagnostic model for colorectal carcinoma based on 7 tumor markers which were assayed combinedly was constructed with ANN. Results The sensitivity of the ANN diagnostic model for colorectal carcinoma was 0.914, the specificity was 0.964, and its accuracy was 0.939. All the above three indexes were higher than that of any single tumor marker (P=0.000). Conclusion Compared with a single tumor marker, the ANN model based on multiple tumor markers in serum can markedly increase the sensitivity, specificity and accuracy for detecting colorectal carcinoma. It has a higher value in early diagnosing colorectal carcinoma. 　　[Key words] Artificial neural network (ANN); Tumor marker; Colorectal carcinoma; Diagnosis 　　肿瘤标志物是诊断结直肠癌的常用检测方法之一。但是，目前作为肿瘤标志物的肿瘤抗原多为非特异性相关抗原，单项检查阳性率低、敏感性差，因而其临床应用效果很不理想。本研究应用人工神经网络(artificial neural network，ANN)建立7种肿瘤标志物诊断模型，以提高结直肠癌的血清学诊断效率，现报告如下。 　　1 资料与方法 　　1.1 对象 结直肠癌患者85例，包括右半结肠癌30例、左半结肠癌39例、直肠癌16例，年龄38～64(中位51)岁，为经临床和病理确诊的住院患者。结直肠良性病变78例，包括溃疡性结肠炎37例、克罗恩病15例、结肠息肉14例、肠结核12例，年龄18～65(中位 45)岁，为经过临床和病理确诊的患者。所有患者于治疗前空腹采集静脉血3 mL离心后测定CEA、AFP、CA50、CA125、CA199、CA242和CA724含量。 　　1.2 检测方法 采用日立(罗氏)2010电化学发光仪，试剂盒为仪器配套试剂，由罗氏公司提供，严格按照说明书操作步骤进行检验。正常参考值设定：CEA5.0 ng/mL，AFP10.9ng/mL，CA5020 KU/L，CA12535 U/mL，CA19930 U/mL，CA24220 KU/L，CA7248. 2 U/mL。 　　1.3 ANN模型的结构 结直肠癌ANN模型的建立采用MATLAB7.0中的神经网络工具箱(NeuralNetworkToolbox)编程实现。采用反向传播(BP)算法，即反向传播模型。此模型包括输入层、隐含层和输出层。输入层包括7个输入神经元;隐含层为1个，包括7个神经元;输出层包括1个输出神经元。将结直肠良性病变和结直肠癌患者的期望输出值分别设为0和1，以0.5为判别界点，0～0.5为结直肠良性病变患者，0.6～1为结直肠癌患者。 　　1.4 ANN模型的建立 将结直肠癌和良性病变患者随机分为训练组和盲