宋敏，王开正，杭永伦，李光荣，田刚，刘靳波

    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

    宋敏，王开正，杭永伦，李光荣，田刚，刘靳波

    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。

    前列腺肿瘤;肿瘤标记，生物学;神经网络(计算机);ROC曲线;诊断

    前列腺癌是男性生殖系统最常见的恶性肿瘤。我国前列腺癌的发病率虽然低于西方国家，但随着我国人口老龄化及生活方式的改变，近年来发病率呈显著增长趋势。早期诊断、早期治疗是提高前列腺癌患者生存率和降低病死率的关键，因此提高前列腺癌早期诊断有着重要意义。随着医疗技术的发展，越来越多的实验室检查、临床检查、医学影像和病理活检技术用于前列腺癌的诊断。为了突破基于单一指标的诊断模式的局限性和临床医生诊断的局限性，本研究联合检测前列腺癌的多种相关指标，建立基于人工神经网络(ANN)的前列腺癌诊断模型，将有限的检验数据提炼为高效的诊治信息，试图从技术层面上更好地协同临床医生对前列腺癌进行诊断和治疗。

    1 资料与方法

    1.1 一般资料检索并统计2010年1月—2011年7月我院检验科信息管理系统中前列腺肿瘤标志物检验组套病例共558例 ......