摘要：目的：联合检测多种血清肿瘤相关标记物，建立基于人工神经网络的肺癌血清标记物诊断模型。方法：应用酶联免疫吸附法分别测定100例肺癌患者和113例健康人对照的血清标本中癌胚抗原（CEA）、甲胎蛋白（AFP）、癌抗原19—9（CA19—9）、癌抗原72—4（CA72—4）、癌抗原242（CA242）、癌抗原21—1（CA21-1）、神经元特异性烯醇化酶（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150例样本（肺癌70例，健康对照80例）建立诊断模型，并用63例样本（肺癌30例，健康对照33例）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CA211、CEA两个最优组合的肿瘤标志物，建立的神经网络的肺癌血清标记物诊断模型经盲法验证预测的特异性为92．9％，敏感度为86．O％，阳性预测值85．5％。结论：本研究建立了基于人工神经网络的肺癌多种血清标记物诊断模型，其敏感性和特异性较高，对肺癌的临床诊断具有一定意义，对早期诊断也具有一定价值。

原文链接:http://www.cqvip.com/QK/71135X/201107/34055240.html

送人玫瑰，手留余香~如您已下载到该资源，可在回帖当中上传与大家共享，欢迎来CDA社区交流学习。（仅供学术交流用。）