秦明丽，王定玉，王 旗，李武志，王 琴

    (四川省妇科及乳腺疾病治疗中心/西南医科大学附属医院妇科，四川 泸州 646000)

    卵巢癌(ovarian cancer)是女性生殖系统三大恶性肿瘤之一，其死亡率高居妇科恶性肿瘤之首[1]。据统计，2017 年全球新发卵巢癌病例22.4 万，其中14.1 万患者因该病死亡[2]，而我国年新发卵巢癌5.2万，死亡病例高达2.3 万[3]。由于卵巢位于盆腔深处，部位隐蔽且患者临床症状不典型，故确诊时多为中晚期。研究表明，Ⅱ～Ⅳ期卵巢癌患者5 年生存率仅为15%～45%，而Ⅰ期患者5 年生存率高达90%[4]，故早期、及时诊断对提高患者生存率至关重要。血清肿瘤标志物具有微创、多次采集、快速检测等诸多优点，其中癌胚抗原(CEA)、糖类抗原-125(CA125)和β 人绒毛膜促性腺素(β-HCG)已广泛用于卵巢的鉴别诊断、疗效判断和预后评估。本研究在参考血清CA125、CA153 和HCG 等用于鉴别诊断卵巢癌及卵巢良性疾病患者的基础上[5-7]，从卵巢肿瘤既往 血 清CEA、甲 胎 蛋 白(AFP)、CA125、CA153、CA199，CA724 及β-HCG 等多项肿瘤标志物出发，集主成分分析(PCA)、多层感知器(MPL)及人工神经网络(ANN)等机器学习模型，试为卵巢肿瘤良恶性鉴别诊断提供便利的决策支持，现报道如下。

    1 资料与方法

    1.1 一般资料 回顾性分析西南医科大学附属医院2013 年1 月28 日～2014 年12 月30 日门诊及住院的132例卵巢癌患者及211例卵巢良性肿瘤患者纸质及电子病历信息，并对患者血清CEA、CA125、CA153、CA199、CA724 及β-HCG 等8 项肿瘤标志物测定结果进行分析。卵巢癌患者经病理或影像确诊，年龄21～77 岁 ......