应用人工神经网络建立肺癌血清肿瘤标记物诊断模型的研究

摘要

目的检测肺癌患者血清中的肺癌肿瘤标记物,应用人工神经网络建立肺癌血清肿瘤标记物诊断模型。方法应用酶联免疫吸附法(ELISA)分别测定86例肺癌和80例健康人血清细胞角蛋白21-1片段(CYFRA21-1)、神经元特异性烯醇化酶(NSE)、组织多肽特异性抗原(TPS)、可溶性白细胞介素2受体(sIL-2R)、癌胚抗原(CEA)、糖抗原242(CA242)、抑癌基因p53抗体共7种肿瘤标记物含量。用曲线下面积结合人工神经网络建立诊断模型,并将此诊断模型用于肺癌的诊断。结果根据血清肿瘤标记物的测定结果,计算出每个肿瘤标记物的曲线下面积,应用人工神经网络建立肺癌血清肿瘤标记物诊断模型,该模型预测肺癌样本的诊断准确率84.1%,敏感性为86.3%,特异性94.8%。结论本研究建立的肺癌诊断模型对肺癌的诊断具有较高的敏感性和特异性。