陈小红 杨渝伟 徐 鹏 阳 伍

    电子科技大学医学院附属绵阳医院检验科，四川绵阳 621000

    肺癌是严重威胁人类健康的恶性肿瘤，其发病率和死亡率居肿瘤疾病首位[1]。其中，约85%为非小细胞肺癌(non-small cell lung cancer，NSCLC)，5年生存率仅18%且晚期或转移性NSCLC 的存活率仅有4%，故早期诊断及治疗至关重要[2]。糖类抗原125(carbohy drate antigen 125，CA125)和神经元特异性烯醇化酶(neuro specific enolase，NSE) 通常被认为是较为特异的肺癌辅助诊断标志物，同时临床发现癌胚抗原(carcino-embryonic antigen，CEA)、甲胎蛋白(alpha fetoprotein，AFP)和糖类抗原199(carbohydrate antigen 199，CA199)也常在肺癌患者中增高，但单项诊断或传统串联/并联诊断模式，预测分析效能均欠佳[3-4]。近年来，多种模式识别技术如人工神经网络(artificial neural network，ANN)，决策树，经典判别分析(classical discriminant analysis，CDA)等模型也被用于肺癌的鉴别诊断，为肿瘤诊断提供了新的模式[5-7]。本研究基于血清5 项肿瘤标志物，构建多层感知器-ANN(multiplayer-ANN，MPL-ANN)、径向基函数-ANN(radial basis function-ANN，RBF-ANN)决策树、logistic回归分析和CDA 五种模式，初步探讨不同模式对NSCLC 的诊断和预测价值。

    1 资料与方法

    1.1 一般资料

    回顾性选取2015年1月11日至2019年10月28日电子科技大学医学院附属绵阳医院413 例NSCLC 患者作为肺癌组，其中男279 例，女134 例；平均年龄(66.3±11.6)岁；鳞癌219 例，腺癌186 例 ......