目的联合检测6项血清肿瘤标志,建立人工神经网络(ANN)、分类回归决策树(CART)和Fisherχ2检验判别分析3种分类模型,并对肺癌进行判别,以探讨3种模型在判别肺癌中的差异。方法采用放射免疫学、分光光度法、原子吸收分光光度法等方法,测定50例正常对照、40例肺良性疾病患者及50例肺癌患者血清中癌胚抗原、胃泌素、神经元特异性烯醇化酶、唾液酸、铜锌比值(Cu/Zn)、钙(Ca)6项指标,并建立基于这6项指标的ANN、CART和Fisher判别分析3种诊断肺癌的分类模型。结果ANN、CART和Fisher判别分析模型对肺癌检出的灵敏度分别为100%、93.33%、84.00%,特异度分别为100%、100%、98.89%,对预测集正常、肺良性疾病和肺癌识别的准确度分别为91.67%、86.11%、85.00%,三模型对全部样本判别肺癌的ROC曲线下面积分别为0.964、0.953、0.812,其中ANN与CART模型ROC曲线下面积差异无显著性(P>0.05),而ANN、CART与Fisher判别分析模型ROC曲线下面积差异均有显著性(P<0.05)。结论基于6项肿瘤标志建立的ANN、CART模型判别肺癌的效果优于Fisher判别分析。