基于人工神经网络的前列腺癌诊断模型对前列腺癌的诊断价值研究

摘要：

目的 结合前列腺肿瘤标志物检验组套和患者临床信息进行数据挖掘,建立基于人工神经网络(ANN)的前列腺癌诊断模型,为前列腺癌的临床诊断和治疗提供客观的参考信息.方法 通过实验信息系统与医院信息管理系统的数据信息平台检索并统计2010年1月-2011年7月我院前列腺肿瘤标志物检验组套病例365例,其中前列腺癌组60例,非前列腺癌组305例.采用受试者工作特征(ROC)曲线下面积法筛选出有价值的指标,用244例样本(前列腺癌组40例,非前列腺癌组204例)建立ANN模型,并用121例样本(前列腺癌组20例,非前列腺癌组101例)盲法测试和评估此模型.结果 纳入分析的指标有年龄、甲胎蛋白(AFP)、癌胚抗原(CEA)、总前列腺特异抗原(tPSA)和结合前列腺特异抗原(cPSA),各指标的曲线下面积分别为0.623、0.517、0.499、0.907和0.913,其中年龄、tPSA和cPSA与前列腺癌的发病有相关性(P＜0.05);经方差分析前列腺癌组的年龄、tPSA和cPSA与非前列腺癌组比较,差异均有统计学意义(P＜0.05).建立的模型对训练样本预测的特异度为93.63%,敏感度为82.50%;此模型对121例测试样本预测的特异度为93.07%,敏感度为80.00%.结论 数据挖掘技术能够提炼出高效的诊治信息,基于ANN的前列腺癌诊断模型对前列腺癌的早期诊断具有一定价值.

关键词：前列腺肿瘤、肿瘤标记、生物学、神经网络(计算机)、ROC曲线、诊断

所属期刊栏目：15

分类号：R737.25(肿瘤学)

资助基金：四川省卫生厅科研课题[2010]493号100258

在线出版日期：2013-01-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：4061-4063