数据挖掘技术联合血浆CEA、CYFRA21-1、AOC3、CLEC3B及流行病学资料构建的模型对肺癌的诊断价值

目的 分析基于数据挖掘技术联合血浆癌胚抗原(CEA)、细胞角蛋白19片段抗原21-1(CYFRA21-1)、血管粘连蛋白1(AOC3)、四连接素蛋白(CLEC3B)及流行病学资料构建的模型对肺癌的诊断价值。方法 经匹配年龄、性别、吸烟史、饮酒史、肿瘤家族史与肺癌家族史,该研究共收集肺癌患者(肺癌组)与健康对照者(健康对照组)各68例。采用ELISA检测血浆CEA、CYFRA21-1、AOC3与CLEC3B的表达水平;采用数据挖掘技术中的决策树C5.0模型、人工神经网络(ANN)模型、支持向量机(SVM)模型与传统Fisher判别分析模型联合4种蛋白及流行病学资料构建肺癌诊断模型。结果 肺癌组血浆CEA与AOC3表达水平高于健康对照组(P<0.05),CLEC3B表达水平低于健康对照组(P<0.05),CYFRA21-1表达水平在两组之间差异无统计学意义(P>0.05)。决策树C5.0模型、ANN模型、SVM模型与Fisher判别分析模型诊断肺癌的准确率分别为72.09%、90.70%、81.40%与76.74%,灵敏度分别为50.00%、87.50%、70.83%与62.50%,特异度分别为100.00%、94.74%、94.74%与94.74%,曲线下面积分别为0.750、0.911、0.828与0.786;经对比,ANN模型对肺癌的诊断效能最好。结论 基于血浆CEA、CYFRA21-1、AOC3、CLEC3B与流行病学资料构建的ANN模型对肺癌的诊断效能较高,具有潜在的临床应用价值。