关键词:
早期肺癌
肿瘤标志物
流行病学资料
诊断模型
摘要:
目的:基于血液肿瘤标志物水平及流行病学资料构建5种早期肺癌诊断预测模型,并比较分析其诊断效能。方法:选取2022年10月—2024年3月在我院经组织病理学确诊的早期原发性肺癌的患者400例为恶性组,另选取同期400例我院治疗的肺部良性疾病患者为良性组及400例健康体检患者为健康组;收集患者癌胚抗原(CEA)、细胞角蛋白19片段抗原21-1(CYFRA21-1)、胃泌素释放肽前体(ProGRP)、鳞状上皮细胞癌抗原(SCCA)、肿瘤异常蛋白(TAP)、血管内皮生长因子(VEGF)水平和性别、年龄、体质量指数、家族史及烟酒史资料,采用权重法对各肿瘤标志物水平进行标准化处理,使用SPSS Modeler18.0软件分别构建决策树C5.0模型、logistic回归分析模型、多层感知器—人工神经网络、SVM模型及贝叶斯网络模型并进行验证及评价。结果:恶性组患者有家族史、吸烟史、饮酒史者人数及CEA、SCCA、CYFRA21-1、ProGRP、TAP、VEGF水平高于良性组及健康组,通过Spearman相关分析,家族史,吸烟史,饮酒史,CEA、SCCA、CYFRA211、ProGRP、TAP、VEGF水平与早期肺癌呈正相关(相关r系数分别为0.154、0.091、0.140、0.386、0.429、0.426、0.451、0.454、0.441)(P<0.05),而性别、年龄、体质量指数在三组患者间无统计学差异(P>0.05);对CEA、SCCA、CYFRA21-1、ProGRP、TAP、VEGF水平进行均一化处理后各肿瘤标志物分布在[-4,4]之间,构建模型后结果显示,5种模型在测试集中的诊断AUC分别为0.770、0.797、0.790、0.788、0.833,其中贝叶斯网络模型的质量评分(0.78)高于其余4种模型,且贝叶斯网络模型的AUC优于其余4种模型,其准确度(85.56%)、特异度(86.78%)及阳性预测值(75.38%)最高。结论:基于血液CEA、SCCA、CYFRA21-1、ProGRP、TAP、VEGF水平及流行病学资料构建的贝叶斯网络模型的诊断效能较高,在早期肺癌的诊断中具有诊断价值,可为临床决策优化提供参考。