血清肿瘤标志物人工神经网络模型在胃癌诊断中的临床应用

目的:建立多种血清肿瘤标志物人工神经网络(ANN)模型并探讨其在胃癌诊断中的应用价值。方法:用酶联免疫吸附法分别测定69例良性胃病患者和72例胃癌患者血清标本中癌胚抗原(CEA)、糖类抗原(CA)199、CA242、CA50和CA724的含量,并用ANN建立5种血清肿瘤标记物诊断模型。结果:CEA、CA199、CA242、CA50、CA724对胃癌患者诊断的敏感性依次为58.3%、72.2%、77.8%、33.3%、30.6%,对胃癌患者诊断的特异性依次为89.9%、85.5%、84.1%、89.9%、91.3%,准确性分别为73.8%、78.7%、80.9%、61.0%、60.3%。ANN诊断模型的敏感性、特异性及准确性分别为88.9%、94.2%、91.5%。结论:与单一肿瘤标记物比较,血清肿瘤标志物ANN模型能显著提高诊断胃癌的敏感性、特异性与准确性,对胃癌的诊断具有较高的价值。