论文部分内容阅读
背景与目的:胃癌患病率和病死率迅速上升,发病年龄逐渐提前已引起普遍关注。由于临床上缺乏好的肿瘤标志物检测方法,绝大多数的胃癌患者确诊时已是中晚期。早期诊断、早期治疗是提高胃癌生存率和降低死亡率的关键。本研究旨在联合检测多种血清肿瘤相关标志物,建立基于人工神经网络的胃癌血清标记物诊断模型,并应用于胃癌的早期临床诊断。方法:应用酶联免疫吸附法(enzyme-linked immunosorbent assay,ELISA)分别测定89例胃癌患者和85例健康人的血清标本中癌胚抗原(carcinoembryonic antigen,CEA)、甲胎蛋白(alpha-fetaprotein,AFP)、癌抗原19-9(CA19-9)、癌抗原72-4(CA72-4)、癌抗原242(CA242)、细胞角质蛋白19片段(cytokeratin19fragment,CYFRA21-1)、神经元特异性烯醇化酶(neuro-specific enolase,NSE)和组织多肽抗原(TPA)等8种肿瘤相关标记物含量,结合生物信息学方法进行数据的分析。筛选出最优标记物组合,用134例样本(胃癌70例,健康对照64例)建立诊断模型,并用40例样本(胃癌19例,健康对照21例)作为盲法测试集评估此模型。结果:应用曲线下面积方法结合神经网络筛选出CYFA21-1、CA724、CEA、CA199和NSE5个最优组合的肿瘤标志物,建立的神经网络的胃癌血清标志物诊断模型经盲法验证预测的特异度为89.5%,敏感度为80.9%,阳性预测值81.0%。结论:本研究建立了基于人工神经网络的胃癌多种血清标志物诊断模型,其敏感性和特异性较高,对胃癌的临床诊断具有一定意义,对早期诊断也具有一定价值。