目的：食管癌是我国高发的消化系统恶性肿瘤,经手术治疗后的五年生存率仍然偏低,约8%-30%,严重威胁着人类的身体健康。近年,对于肿瘤患者选择个体化的治疗方案由于表现出了较好的近期和远中期疗效而受到越来越多的关注。肿瘤患者个体化治疗方案的选择有赖于准确的肿瘤病理分化程度的临床诊断。对于食管癌患者准确的食管癌病理分化程度的临床诊断,可以为食管癌患者的个体化治疗的选择提供有益的依据。蛋白质谱技术是一种基于蛋白质芯片结合质谱技术的多种疾病标志物的分析平台,通过测定蛋白质的质量来判别蛋白质的种类,有助于筛选食管癌病变的相关蛋白变化。本研究依据食管癌患者血清蛋白质质谱的特异性表达,利用人工神经网络软件(artificial neural networks,ANNs)建立食管癌病理分化程度人工神经网络诊断模型,研究在食管癌病理分化程度的临床诊断中血清学诊断中的意义。方法：收集实验组(60例食管癌患者,其中食管癌低分化者23例、中分化者11例、高分化者26例)、对照组(30例正常健康人)共90例的血清标本,利用表面增强激光解析离子化-飞行时间质谱仪(Surface-enhanced laser desorption ionization time of flight mass spectrometry, SELDI-TOF-MS)结合金芯片作为检测仪器来检测所有的血清样本；利用Ciphergen Proteinehip软件和Biomarker Wizard 3.1软件对获得的混合对照血清图谱进行统计分析并计算其差异性,以筛选出特异表达蛋白的质荷比；利用筛选出的特异表达蛋白的质荷比结合人工神经网络软件,建立食管癌病理分化程度人工神经网络诊断模型；利用双盲法来验证所建立的食管癌病理分化程度人工神经网络诊断模型的灵敏度和特异度。结果：经过检测分析后,本实验从60例血清样本中共筛选出4个具有明显特异表达的蛋白质质谱峰(P<0.05),其质荷比(mass/charge,M/Z)分别为2332.2、4051.1、4260.0和4267.1,利用筛选出的4个特异蛋白质质荷比结合人工神经网络软件建立食管癌病理分化程度的人工神经网络诊断模型；然后利用双盲法对建立的食管癌病理分化程度人工神经网络诊断模型进行统计学检测,以验证该诊断模型的灵敏度和特异度。统计结果分析显示,本实验建立的食管癌病理分化程度人工神经网络诊断模型在cut-off为0.3时得到最佳诊断效果,食管癌病理分化程度临床诊断的灵敏度为87%,特异度83.8%,阳性预测值为76.9%,阴性预测值为91.2%,诊断正确率为85%。结论：1.本研究成功筛选出4个在食管癌患者血清中特异表达的蛋白质质荷比；2.成功地建立了食管癌病理分化程度人工神经网络诊断模型,同时予以双盲法验证,并从客观指标上获得满意的灵敏度和特异度；3.从实验建立的食管癌病理分化程度ANNs模型预测值诊断效率分析的结果可以看出,当cut-off取值为0.3时,ANNs模型的灵敏度和特异度较高,故可以用于食管癌病理分化程度的临床诊断。