基于统计学习方法的肿瘤标志物联合诊断研究

目的基于统计学习方法探讨癌胚抗原(carcinoembryonic antigen,CEA)、糖链抗原(carbohydrate antigen,CA)125、CA15-3和CA19-9四种肿瘤标志物的不同联合对鉴别良恶性胸腔积液的诊断价值。方法收集北京和武汉两家医院共319例患者的胸腔积液标本及配对血清标本,应用化学发光法检测CEA、CA125、CA15-3及CA19-9在血清及胸腔积液中的浓度,采集患者的性别、年龄等协变量信息,分别应用logistic回归、随机森林和支持向量机三种方法建立联合诊断模型,通过受试者工作特征(receiver operating characteristics,ROC)曲线分析比较其诊断价值。结果使用支持向量机方法,获得胸腔积液中CEA+CA19-9的联合诊断对应的ROC曲线下面积(areas under the curve,AUC)值最大(0.92,P<0.001),灵敏度最高(0.82),特异度为0.96,AUC值比单一肿瘤标志物诊断最优值提高了1.6%,灵敏度提高了3.8%;使用logistic回归方法,获得胸腔积液中CEA+CA15-3+CA19-9联合诊断对应的AUC值达到0.91(P<0.001),比单一肿瘤标志物最优模型AUC值提高了5.7%,灵敏度提高13.2%,特异度提高4.3%;3.使用随机森林方法,最优灵敏度达到0.82,最高AUC值为0.89(P<0.001),比单一肿瘤标志物最优模型AUC值提高了5.1%,灵敏度提高6.5%,特异度提高3.3%。结论相比单一肿瘤标志物诊断,联合多肿瘤标志物的诊断能够提高诊断精度,但是提高幅度不大。基于支持向量机方法,使用胸腔积液中单一肿瘤标志物CEA即可达到较好的良、恶性胸腔积液诊断效果。综合考虑患者就医的经济负担和就医体验等因素,本研究不推荐使用多肿瘤标志物的联合诊断。