论文部分内容阅读
目的：肿瘤是一种多基因参与、多步骤发展、内外环境交互作用下形成的复杂疾病,肿瘤标记物的血清水平一般与恶性肿瘤的发生、消退、复发等密切相关。使用单项肿瘤标记物对癌症进行早期诊断的阳性率和准确率都不高,不能更好地为临床提供参考,多项肿瘤标记物的联合检测可以避免上述缺点,并增加不同肿瘤检出的敏感性及特异性[2-7]。目前运用生物信息学方法综合多种肿瘤标记物信息来相对全面地反映肿瘤特征以达到更好的诊断效果,已为大多数学者所认同,本研究进一步发现此种方法能更好地区分疑似肿瘤。临床研究显示,对恶性肿瘤而言早晆疯●□晆燳●(?)□(?)層(?)□(?)愀(?)摧(?)%□转移的恶性肿瘤的原发部位中的应用价值。人工神经网络(Artificial Neural Network,ANN)是现代神经生物学研究基础上提出的模拟生物过程以反映人脑某些特性的计算结构。它由一系列类似于人脑神经元一样的称之为节点(Node)的处理单元组成,节点通过网络彼此连接确定数据模式的工作原理。它有很强的容错抗造能力以及对未知数据分类模拟的能力。实验数据进入网络经过反复迭代建立一个反映实验数据内在联系的数据模型。应用人工神经网络(ANN)的前馈式反向传播算法,建立几种肿瘤的血清肿瘤标记物诊断模型,以验证此联合检测模型在鉴别恶性肿瘤和提示未知原发灶转移的恶性肿瘤的原发部位中的应用价值[14]。输入数据从输入层正向传递到隐含层,经过计算后到达输出层,如果输出层的数据没有达到预定的理想值,则系统自动计算输出层的误差,然后误差沿原来的连接通路反向传播,通过修改各层神经元的权值反复迭代进行数据计算并输出,直至达到期望目标。随着计算机技术和人工神经网络的发展,人工智能技术辅助医疗诊断将越来越广泛。材料和方法：1.采集73例肺癌、60例肝癌、76例肠癌、78例胃癌及51例乳腺癌患者血清2.用酶联免疫吸附法及时间分辨法分别测定血清标本中8种肿瘤标记物[癌胚抗原(CEA),甲胎蛋白(AFP),癌抗原19-9(CA199),癌抗原242(CA242),癌抗原724(CA724),癌抗原21-1(CA211),神经元特异性烯醇化酶(NSE)及组织多肽抗原(TPA)]的含量3.结合ANN的Matlab软件的前馈式反向传播(Feed Forward Back Propagation)算法进行数据建模分析,并用盲法验证模型的鉴别准确率,并进一步研究此方法在原发灶不明肿瘤中的应用价值。其中每种模型都经过交叉验证,使训练样本尽可能地产生各种组合的训练集和验证集,最大程度减少误差。结果：1.肺癌和肝癌模型(见图4)：计算机随机从133例患者中选取89例肺癌和肝癌(肺癌51例、肝癌38例)作为训练集,进行神经网络模型化。网络中将肝癌设为0,将肺癌设为1；结果在0～0.5之间对应为肝癌,0.5～1之间对应为肺癌。用建好的模型对剩余44例患者(肺癌22例、肝癌22例)作盲法诊断分析,得出肺癌的诊断敏感度为95.5%,肝癌的诊断敏感度为86.4%。44例患者中只误判4例,识别准确率[8]为90.9%,阳性预测值为95.0%,对肺癌和肝癌的鉴别准确率达90.9%;2.肠癌和肝癌模型(见图5)：计算机随机从136患者中选取91例肠癌和肝癌(肠癌56例、肝癌35例)作为训练集,建立神经网络模型。网络中将肠癌设为0,将肝癌设为1；结果在0～0.5之间对应为肠癌,0.5～1之间对应为肝癌。用建好的模型对剩余45例患者(肠癌20例、肝癌25例)作盲法检验分析,得出肠癌的诊断敏感度为85.0%,肝癌的诊断敏感度为92.0%。45例患者中误判5例,识别准确率为88.9%,阳性预测值为89.5%,对肠癌和肝癌的鉴别准确率为88.9%；3.胃癌和肝癌模型(见图6)：计算机从138例患者中随机选取92例胃癌和肝癌(胃癌52例、肝癌40例)作为训练集,建立神经网络模型。网络中将胃癌设为0,将肝癌设为1；结果在0～0.5之间对应为胃癌,0.5～1之间对应为肝癌。用已建的模型对剩余46例患者(胃癌26例、肝癌20例)作盲法检测分析,得出胃癌的诊断敏感度为92.3%,肝癌的诊断敏感度为95.0%。46例患者中误判3例,识别准确率为93.5%,阳性预测值为90.5%,对肝癌和胃癌的鉴别准确率为91.3%；4.乳腺癌和肺癌模型(见图7)：计算机随机从乳癌和肺癌的总共124个病例中选取83例(乳腺癌34例、肺癌49例)进行训练,建立神经网络模型。网络中将乳腺癌设为0,将肺癌设为1；结果在0～0.5之间对应为乳腺癌,0.5～1之间对应为肺癌。用已建模型对剩余41例(乳腺癌17例、肺癌24例)进行盲法测试,得到乳腺癌的诊断敏感度为70.6%,肺癌的诊断敏感度为87.5%。41例样本中识别错了8例,识别准确率为80.5%,阳性预测值为80.8%,对乳腺癌和肺癌的鉴别准确率为80.5%；5.用肠癌和肝癌模型鉴别2例原发灶不明肿瘤判别为肠癌,与术后病理诊断相符；用肝癌和胃癌模型鉴别另2例原发灶不明肿瘤判别为胃癌,与术后病理诊断相符。结论：ANN结合肿瘤标记物建模分析法可有效鉴别某些恶性肿瘤,使原发灶不明恶性肿瘤的原发部位得到一定的提示。由于现有病例数目有限,只能进行粗略研究,待以后标本数目扩增,本结论也将进一步推进,对辅助临床也将更有意义。