3种人工神经网络模型预测大肠癌的初步研究

目的探讨大肠癌血清蛋白标志物、肿瘤标志物及联合多标志物人工神经网络(ANN)模型在预测大肠癌中的价值。方法大肠癌与健康对照血清样本106例,利用表面增强激光解吸电离飞行时间质谱(SELDI-TOF-MS)检测血清蛋白质谱并筛选大肠癌蛋白标志物,电化学发光法检测癌胚抗原(CEA)、甲胎蛋白(AFP)、糖类抗原72-4(CA72-4)和CA19-9分别建立蛋白标志物、肿瘤标志物及蛋白标志物与肿瘤标志物结合的多标志物ANN模型。结果大肠癌患者和对照组间比较差异有统计学意义(P<0.001),筛选4个质荷比(m/z)分别为4 095、5 6404、4807、620 m/z蛋白建立ANN模型,预测大肠癌敏感度和特异度为92.3%和83.3%;肿瘤标志物模型预测大肠癌的敏感度为73.1%,特异度86.7%;联合筛选的4个标志蛋白和CEA、CA72-4建立的模型诊断大肠癌敏感度和特异度分别为92.3%和96.7%。结论联合蛋白标志物和肿瘤标志物建立ANN模型,在预测大肠癌中显示高通量、高敏感性和高特异性的特点,具有潜在应用价值。