基于两种判别模式的肿瘤标志物联合检测对肝癌辅助诊断的价值

？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。