基于人工神经网络技术的肿瘤标志联合检测在肝癌诊断中的应用

摘要

目的 多个肿瘤标志联合检测,用人工神经网络技术,构造一种肝癌辅助诊断智能化模型,以期提高肝癌的阳性诊断率.方法 联合检测肝癌、肝良性疾病患者及正常对照者血清中的甲胎蛋白(AFP)、癌胚抗原(CEA)、糖类抗原125(CA125)、唾液酸及钙水平,采用化学发光免疫分析试剂盒测量血清中AFP、CA125、CEA;用可见分光光度法测定血清中的唾液酸；用钙离子测定试剂盒(偶氮砷Ⅲ终点法)测定血清中的钙水平.运用反向传播神经网络算法(BP),将分组随机选取的35例肝癌、30例肝良性疾病、35例正常人的5种肿瘤标志实验数据作为训练集,然后用训练好的模型对相应的测试集进行盲法预测.结果 本文建立的人工神经网络模型对3组样本判别的灵敏度为96.0％,特异度为98.9％,准确度为94.3％,阳性预测值为98.0％,阴性预测值为97.8％.结论 人工神经网络联合5种肿瘤标志建立模型对肝癌的预测准确性优于单个或多个肿瘤标志联合检测,并且可以很好地区分肝癌和良性病变及正常者.