文献类型：期刊文章

作　　者：纪鹏慧[1] 段书音[1] 李尊税[1] 王静[2] 吴拥军[1]

JI Penghui;DUAN Shuyin;LI Zunshui;WANG Jing;WU Yongjun(Department of Health Toxicology,College of Public Health,Zhengzhou University,Zhengzhou 450001;Department of Respiratory Medicine,the First Affiliated Hospital,Zhengzhou University,Zhengzhou 450052)

机构地区：[1]郑州大学公共卫生学院卫生毒理学教研室,郑州450001 [2]郑州大学第一附属医院呼吸内科,郑州450052

出　　处：《郑州大学学报（医学版）》

基　　金：国家自然科学基金面上项目(81573203)

年　　份：2019

卷　　号：54

期　　号：3

起止页码：398-402

语　　种：中文

收录情况：BDHX、BDHX2017、CAS、CSA、IC、JST、RCCSE、ZGKJHX、核心刊

摘　　要：目的:探讨支持向量机模型结合肿瘤标志物联合检测在肺癌辅助诊断中的价值。方法:选择肺癌患者180例、肺良性疾病患者243例,采用放射免疫法检测血清中癌胚抗原(CEA)、神经元特异性烯醇化酶(NSE)和胃泌素的含量;采用改良的间苯二酚显色法测定血清中唾液酸含量;采用电感耦合等离子体质谱法测定血清中铜、锌的含量;采用邻甲酚酞络合酮比色法测定血清钙含量;采用酶联免疫吸附法测定DNA甲基转移酶(DNMT) 1、DNMT3A、DNMT3B和组蛋白去乙酰化酶1(HDAC1)含量。从全部样本中随机抽取75%作为训练集(肺癌135例,肺良性疾病182例),以全部样本作为测试集,基于上述肿瘤标志物运用支持向量机建模。结果:肺癌组血清CEA、NSE、DNMT3A和DNMT3B含量均高于肺良性疾病组(P <0. 05)。联合10项血清指标建立的支持向量机模型的准确度为90. 3%,AUC为0. 901(0. 758～0. 836),而Fisher判别模型则为79. 7%和0. 799(0. 868～0. 927)。结论:基于多项肿瘤标志物建立的支持向量机模型对肺癌预测效果较佳,应用到临床诊断更有价值。

关 键 词：肿瘤标志物 肺癌 支持向量机 辅助诊断  

分 类 号：R734.2]