肺癌的四种肿瘤标志物人工神经网络模型的建立及应用研究

目的:用人工神经网络(ANN)建立肺癌的4种血清肿瘤标志物(TM)诊断模型,提高诊断肺癌灵敏度的同时保证较高的特异性。方法:检测57例肺癌患者、30例肺部良性疾病患者和29例健康体检者血清标本中癌胚抗原(CEA)、糖类抗原125(CA125)、糖类抗原199(CA199)、鳞状细胞癌相关抗原(SCC)的含量,结合ANN进行数据建模分析。结果:肺癌组与正常组、肺良性疾病组的CEA水平差别有统计学意义(P<0.05),肺癌组与正常组的CA125水平差别有统计学意义(P<0.05),而肺良性疾病组与正常组CA199,SCC水平与肺癌组无差别无统计学意义(P>0.05)。结论:ANN结合4种TM建立的诊断模型分析法提高了肺癌的灵敏度,并保证了较高的特异性,提高了4种TM的临床诊断价值。