摘要:
目的探讨基于人工神经网络（ANN）判别模式的肿瘤标志物联合检测对肝癌辅助诊断的价值。方法 2009年3月-2010年3月解放军159中心医院和郑州大学第一附属医院门诊、住院患者及体检者140例,分别纳入肝癌组（n=50）、肝良性病变组（n=40）和正常人组（n=50）。采用化学发光免疫检测试剂盒测定血清中甲胎蛋白（AFP）、癌胚抗原（CEA）、糖类抗原125（CA125）的含量,采用可见光分光光度法测定血清唾液酸（SA）水平,采用偶氮砷Ⅲ终点法测定血清中的钙（Ca）含量,以此5种肿瘤标志物作为判别变量,运用Fisher判别分析法及反向误差传播ANN技术,建立肝癌智能化辅助诊断模型。结果本研究建立的Fisher判别分析模型对3组样本判别的灵敏度为46.1%,特异度为98.9%,准确度为79.3%,总的阳性预测值为95.8%,总的阴性预测值为76.7%;而ANN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%。结论多个肿瘤标志物联合ANN技术建立的肝癌诊断模型对肝癌的预测效果优于传统的Fisher判别分析方法,更适用于临床数据的判别分析。
