应用人工神经网络建立肺癌血清肿瘤标记物诊断模型的研究

山东大学学报(医学版) ›› 2010, Vol. 48 ›› Issue (8): 88-.

应用人工神经网络建立肺癌血清肿瘤标记物诊断模型的研究

姜曼1，耿凌云1，蔡宏飞1，王明明2，王东芳1，王家林3，韩明勇1

1.山东大学附属省立医院肿瘤中心, 济南 250021; 2.山东大学附属齐鲁医院中心实验室, 济南 250012；
3.山东省肿瘤医院中心实验室, 济南 250117

收稿日期:2010-05-01 出版日期:2010-08-16 发布日期:2010-08-16
通讯作者: 韩明勇（1971- ），男，博士后，副主任医师，主要从事肿瘤化疗和生物治疗研究。 E-mail：hanmingyong@sina.com
作者简介:姜曼（1987- ），女，山东大学医学院学生，主要从事肿瘤化疗和生物治疗学习及研究。
基金资助:
山东省科技发展计划资助项目(2007GG20002007)；山东省优秀中青年科学家科研奖励基金资助项目（博士基金BS2009SW050）；山东省医药卫生科技发展计划，资助项目（2009HZ063）；山东省自然科学基金资助项目（Y2005C24）。

Diagnostic model of lung cancer established with tumor markers and artificial neural network

JIANG Man1， GENG Ling-yun1， CAI Hong-fei1， WANG Ming-ming2， WANG Dong-fang1, WANG Jia-lin3， HAN Ming-yong1

1. Cancer Center, Provincial Hospital Affiliated to Shandong University, Jinan 250021, China;
2. Central Laboratory, Qilu Hospital of Shandong University, Jinan 250012, China;
3. Central Laboratory of Shandong Tumor Hospital, Jinan 250117, China

Received:2010-05-01 Online:2010-08-16 Published:2010-08-16

摘要/Abstract

摘要：

目的检测肺癌患者血清中的肺癌肿瘤标记物，应用人工神经网络建立肺癌血清肿瘤标记物诊断模型。方法应用酶联免疫吸附法（ELISA）分别测定86例肺癌和80例健康人血清细胞角蛋白211片段(CYFRA211)、神经元特异性烯醇化酶(NSE)、组织多肽特异性抗原(TPS)、可溶性白细胞介素2受体(sIL2R)、癌胚抗原(CEA)、糖抗原242（CA242）、抑癌基因p53抗体共7种肿瘤标记物含量。用曲线下面积结合人工神经网络建立诊断模型，并将此诊断模型用于肺癌的诊断。结果根据血清肿瘤标记物的测定结果，计算出每个肿瘤标记物的曲线下面积，应用人工神经网络建立肺癌血清肿瘤标记物诊断模型，该模型预测肺癌样本的诊断准确率84.1%，敏感性为86.3%，特异性94.8%。结论本研究建立的肺癌诊断模型对肺癌的诊断具有较高的敏感性和特异性。

关键词: 肺癌；人工神经网络；肿瘤标记物；诊断模型

Abstract:

Objective To establish a diagnostic model for lung cancer with artificial neural network(ANN) and tumor markers. Methods Serum levels of CYFRA21-1、NSE、TPS、sIL2R、CEA、CA242 and p53-Ab were detected in 86 lung cancer patients and 80 healthy subjects. The tumor markers were evaluated by area under curves anda diagnostic model with artificial neural network was further established. Results The levels of CYFRA-211、NSE、TPS、SIL-2R、CEA、CA242 and p53-Ab were detected; The diagnostic mode of lung cancer was built with artificial neural network. Accuracy, sensitivity and specificity of this model were84.1%, 86.3% and 94.8%, respectively, in the diagnosis of lung cancer. Conclusion ANN model of tumor markers has a high sensitivity and specificity in diagnosis of lung cancer.

Key words: Lung cancer； Artificial neural network； Tumor marker； Diagnostic model

中图分类号:

R322.81

姜曼1，耿凌云1，蔡宏飞1，王明明2，王东芳1，王家林3，韩明勇1. 应用人工神经网络建立肺癌血清肿瘤标记物诊断模型的研究[J]. 山东大学学报(医学版), 2010, 48(8): 88-.

JIANG Man1， GENG Ling-yun1， CAI Hong-fei1， WANG Ming-ming2， WANG Dong-fang1, WANG Jia-lin3， HAN Ming-yong1. Diagnostic model of lung cancer established with tumor markers and artificial neural network[J]. JOURNAL OF SHANDONG UNIVERSITY (HEALTH SCIENCES), 2010, 48(8): 88-.

参考文献

相关文章 7

[1]	刘学文1，朱锦莉2，田步先1，李熙东1，蔡爱民1，邢瑞仙1，张雪杰1，李秋实1. p38MAPK磷酸化水平及Caspase-3在NMDA诱导的体外培养神经元中的激活及SB203580的保护作用[J]. 山东大学学报(医学版), 2012, 50(6): 51-56.
[2]	赵伟. 电针对脊髓损伤后硫酸软骨素蛋白多糖表达的影响[J]. 山东大学学报(医学版), 2011, 49(3): 73-.
[3]	赵伟. 电针对脊髓损伤后硫酸软骨素蛋白多糖表达的影响[J]. 山东大学学报(医学版), 2011, 49(3): 73-.
[4]	刘志安1, 2，赵娓娓3，吕春娥2，李梅2，徐铁军1, 2. AD样大鼠海马NMDAR亚单位2B和2A的表达及其与细胞凋亡的关系[J]. 山东大学学报(医学版), 2011, 49(2): 14-18.
[5]	韩允，杨伟，范胜强，徐广明. 血管生成拟态在颅内血管外皮细胞瘤中的表达及其意义[J]. 山东大学学报(医学版), 2010, 48(4): 113-115.
[6]	. GFP转基因鼠胚胎神经上皮 干细胞的体外培养[J]. 山东大学学报(医学版), 2009, 47(9): 49-52.
[7]	. 应用蛋白质芯片与人工神经网络建立胃癌诊断模型[J]. 山东大学学报(医学版), 2009, 47(8): 111-113.

多维度评价

Viewed

Full text

Abstract

Cited

Shared

Discussed