试析胃肠肿瘤标志物诊断大肠癌之检验

陈丽云

农安卫校附属医院

试析胃肠肿瘤标志物诊断大肠癌之检验

陈丽云

农安卫校附属医院

信息技术和生命科学是当代标志性学科，数据挖掘，又称为数据库中知识发现，医学是与试验和信息结合非常紧密的科学，将有限的检验信息提炼为高效的诊治信息，利用人工神经网络为数据挖掘工具，以项血清标志物检验诊断大肠癌为例，检验报告客观提供了检测结果参考价值。

胃肠肿瘤；数据库；血清标志

一、一些相关的概念

我国在检验医学教育、质量保证等方面有了很大的发展，但值得思索的是在技术层面还有待进步。利用数据挖掘技术可以实现这一目标，评价和肯定检验项目的临床价值，在技术上可以根据它的工作过程应用于临床实践工作。它可以分为数据抽取、数据存储和管理、数据展现。

从技术层面上来说，数据的抽取是数据进入仓库的入口。数据仓库的组织管理方式在数据展现方面主要的方式有：查询、报表、可视化、统计和挖掘。

诊断试验含义是广泛的，利用数据挖掘等方法，并行处理大量的数据。它包括各种化验室检查，询问病史，从数据中得到关于数据关系，体检所获得的资料，使系统更便于管理和维护，得到各种影像诊断和仪器诊断等。

尤登指数又称正确指数，灵敏度又称真阳性率，特异度又称真阴性率，因此，尤登指数是指灵敏度和特异度之和减去1，灵敏度和特异度是矛盾的统一体，是综合评价真实性指标，理想实验应为1。计算机动画技术表现复杂数据及其相互关系。

准确度：试验的准确度，也称效率。反应检出患者的能力，是真阳性与真阴性人数之和占受试人数%，随着诊断阂值的变化而变化，理想的实验应为1。

阳性预测值是另外一项指标，具体地说，它是指真阳性人数占实验结果阳性人数的百分比，可用以描述诊断性试验阳性时患病的机率。预测值又称预告值，预示值，在不同患病率的人群中，一个诊断方法有其一定的特异度和灵敏度，阳性结果的预测值不同，应用它筛检或诊断患病率不同的人群时，患病率低时，阳性预测值很低。

重复做试验时获得相同结果的稳定程度，我们称这项指标为可靠性。绘制ROC曲线以实验灵敏度为纵坐标，随机的数据集中识别有效的，依照连续分组测定的数据，潜在有用的以及最终可理解的模式，利用曲线下的面积，根据数据挖掘的方法，评价不同检验项目或不同检测方法，调节各处理单元间的连接权值，曲线下面积越大，其诊断价值越大。

二、试验的技术路线及目的

选择有代表性的联合检验项目，通过医院信息系统和检验医学信息系统，选取临床诊治具有指导意义的肿瘤标志物，收集检验结果数据，认真详细记录检验结果相关信息，并进行分类整理，主要是临床诊断和治疗信息。分析评价各组病例检验项目实际临床价值，根据合适的方法，构建ROC曲线，对联合试验项目进行数据挖掘，应用诊断模型仿真预测值，采用人工神经网络模型等进行处理，验概率注释检验报告的临床实践，然后根据实际情况随访统计，在患病率高的人群中筛查较有意义。

通过对胃肠肿瘤标志物数据的整理，采用数理统计等方法将确诊大肠癌的数据分别提炼出来，对组合检验结果进行数据处理，进行数据分析，以胃肠肿瘤标志物诊断大肠癌为例，计算出灵敏度和特异度，从技术层面画出ROC图形，在应用人工神经网络后，选择最佳数学模型，进行筛查诊断，要求最少有五组连续分组测定数据，ROC曲线下的面积大小显而易见，在诊断性试验中，对筛查和诊断大肠癌都有更好的效果，并开辟一条检验医学临床实践，这对临床实践有很好的帮助。

三、实验的材料与方法

检验组合共计2000份。

分组为：健康对照组、大肠癌组、其他疾病组。

所有研究对象抽取空腹静脉血3ml。利用检验科信息管理系统分类统计，采用目前最先进的标记免疫测定技术。以Microsoft-Excel形式导出，方法具有敏感，快速和稳定的特点。

采用基于误差反传原理多层前馈神经网络。各组经过筛查模型或诊断模型仿真预测，计算各个标本胃肠肿瘤标志物检验结果，分别存入大肠癌筛查、癌诊断ROC数据集。

通过全息条形码实验室信息系统，建立的人工神经网络诊断模型，输入筛查模型得到ANN计算值，得出诊断预测值（验后概率）的计算公式，体检标本查阅筛查模型的ROC数据集，得出本地区大肠癌的患病率，之后定期随访和不断修正ROC数据集，其临床实践方法可存储于检验医师工作站共享。

四、临床意义

肿瘤标志物是指存在于肿瘤细胞内的物质，研究中引起肿瘤标志物假阳性有很多因素，随着肿瘤研究深入，肿瘤标志物增多，如常见的大肠癌的血清标志物。肿瘤的发现有赖于肿瘤标志物的辅助检查，胃肠肿瘤发病因素主要与生活习惯有关。如高脂饮食、缺少运动、在血吸虫疫区的不洁生活方式等。

检验医学是一个为临床服务的二级学科，但如何运用好的技术提供临床依据，提高临床对疾病的诊断效率，意义重大。

人工神经网络简称神经网络，是肿瘤标志物检测技术的发展，能对肿瘤标志物进行多次训练，并通过它自身的特点，得出最佳临界值，经过计算机相应处理后，对此临界值进行ROC曲线分析，能够最终使联合试验提高诊断效率。目前发现肿瘤标志物的方法有很多，但随着医学信息化的建设，证实了这种方法预测胃肠癌的敏感性要比其它技术高的多，即人工神经网络的诊断效率最高。对疾病的诊断有很大帮助，在医学领域良好的应用前景。

［1］袁成斌，赵任.结肠直肠肿瘤标志物的临床价值认识及新进展［J］.外科理论与实践，2009，14（6）

［2］仲崇明，张子龄，蔡培培.ROC曲线评估相关肿瘤标志物对肺癌的诊断临界值［J］.标记免疫分析与临床，2009，16（5）

［3］靳晓亮，杨波，关方霞，宋来君等.肿瘤与肿瘤标志物研究中证据的思考.医学与哲学（临床决策论坛版），2009，2（30）

［4］解庭波，张蕾.人工神经网络在消化道肿瘤检测和诊断中的应用进展.长江大学学报，2009，6

［5］顾克东，张雅青.肿瘤标志物最新研究技术及其临床检测方法.西北民族大学学报（自然科学版），2005，26（59）