基于生物信息學(xué)方法的血清標(biāo)記物模型在胃癌診斷中應(yīng)用

韓小宏 毛巧霞 李曉春 沈建法 陸國(guó)峰 余捷凱

1.浙江省桐鄉(xiāng)市中醫(yī)院外科，浙江 桐鄉(xiāng) 314500；2.浙江省桐鄉(xiāng)市中醫(yī)院檢驗(yàn)科，浙江 桐鄉(xiāng) 314500；3.浙江大學(xué)腫瘤研究所，浙江 杭州 310009

基于生物信息學(xué)方法的血清標(biāo)記物模型在胃癌診斷中應(yīng)用

韓小宏1毛巧霞2李曉春1沈建法1陸國(guó)峰1余捷凱3

1.浙江省桐鄉(xiāng)市中醫(yī)院外科，浙江 桐鄉(xiāng) 314500；2.浙江省桐鄉(xiāng)市中醫(yī)院檢驗(yàn)科，浙江 桐鄉(xiāng) 314500；3.浙江大學(xué)腫瘤研究所，浙江 杭州 310009

背景與目的：胃癌患病率和病死率迅速上升，發(fā)病年齡逐漸提前已引起普遍關(guān)注。由于臨床上缺乏好的腫瘤標(biāo)志物檢測(cè)方法，絕大多數(shù)的胃癌患者確診時(shí)已是中晚期。早期診斷、早期治療是提高胃癌生存率和降低死亡率的關(guān)鍵。本研究旨在聯(lián)合檢測(cè)多種血清腫瘤相關(guān)標(biāo)志物，建立基于人工神經(jīng)網(wǎng)絡(luò)的胃癌血清標(biāo)記物診斷模型，并應(yīng)用于胃癌的早期臨床診斷。方法：應(yīng)用酶聯(lián)免疫吸附法（enzyme-linked immunosorbent assay，ELISA）分別測(cè)定89例胃癌患者和85例健康人的血清標(biāo)本中癌胚抗原（carcinoembryonic antigen，CEA）、甲胎蛋白（alpha-fetaprotein，AFP）、癌抗原19-9（CA19-9）、癌抗原72-4（CA72-4）、癌抗原242（CA242）、細(xì)胞角質(zhì)蛋白19片段（cytokeratin 19 fragment，CYFRA21-1）、神經(jīng)元特異性烯醇化酶（neuro-specific enolase，NSE）和組織多肽抗原（TPA）等8種腫瘤相關(guān)標(biāo)記物含量，結(jié)合生物信息學(xué)方法進(jìn)行數(shù)據(jù)的分析。篩選出最優(yōu)標(biāo)記物組合，用134例樣本（胃癌70例，健康對(duì)照64例）建立診斷模型，并用40例樣本（胃癌19例，健康對(duì)照21例）作為盲法測(cè)試集評(píng)估此模型。結(jié)果：應(yīng)用曲線下面積方法結(jié)合神經(jīng)網(wǎng)絡(luò)篩選出CYFA21-1、CA724、CEA、CA199和NSE 5個(gè)最優(yōu)組合的腫瘤標(biāo)志物，建立的神經(jīng)網(wǎng)絡(luò)的胃癌血清標(biāo)志物診斷模型經(jīng)盲法驗(yàn)證預(yù)測(cè)的特異度為89.5%，敏感度為80.9%，陽(yáng)性預(yù)測(cè)值81.0%。結(jié)論：本研究建立了基于人工神經(jīng)網(wǎng)絡(luò)的胃癌多種血清標(biāo)志物診斷模型，其敏感性和特異性較高，對(duì)胃癌的臨床診斷具有一定意義，對(duì)早期診斷也具有一定價(jià)值。

胃癌； 神經(jīng)網(wǎng)絡(luò)； 腫瘤標(biāo)記物； 診斷

2.2 篩選5個(gè)血清標(biāo)志物用于預(yù)測(cè)胃癌的血清標(biāo)志物 本研究用逐步增加并驗(yàn)證的方法從8個(gè)腫瘤標(biāo)志物中篩選出建立識(shí)別胃癌模型的優(yōu)化組合。按相關(guān)重要性逐個(gè)腫瘤標(biāo)志物的數(shù)量，神經(jīng)網(wǎng)絡(luò)輸入神經(jīng)元也相應(yīng)的從1個(gè)逐步增加到8個(gè)（1個(gè)標(biāo)志物：CYFA21-1；2個(gè)標(biāo)志物：CYFA21-1和CA724；3個(gè)標(biāo)志物：CYFA21-1、CA724和CEA，依次類推，一直到8個(gè)標(biāo)志物為止，表2中分別對(duì)應(yīng)為標(biāo)志物數(shù)1～8。用神經(jīng)網(wǎng)絡(luò)模型分別計(jì)算建立的8個(gè)模型的準(zhǔn)確率（預(yù)測(cè)正確的樣本數(shù)/樣本總數(shù)），最后篩選出最高準(zhǔn)確率的腫瘤標(biāo)志物組合（表2），準(zhǔn)確率為90.3%的CYFA21-1、CA724、CEA、CA19-9和NSE 5個(gè)腫瘤標(biāo)志物組合。聯(lián)合腫瘤標(biāo)志物的數(shù)目與建立的人工神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)準(zhǔn)確率之間的關(guān)系，可以看出5個(gè)標(biāo)志物聯(lián)合建立模型達(dá)到最優(yōu)化組合。

表 1 各個(gè)標(biāo)記物的曲線下面積分析Tab. 1 Analysis of areas under the curve of each marker

2.3 對(duì)神經(jīng)網(wǎng)絡(luò)模型進(jìn)行驗(yàn)證 本研究同時(shí)用決策樹模型對(duì)篩選的標(biāo)志物進(jìn)行了驗(yàn)證，決策樹為樹結(jié)構(gòu)分類器，由內(nèi)部節(jié)點(diǎn)(包括根節(jié)點(diǎn))和葉節(jié)點(diǎn)構(gòu)成，每個(gè)內(nèi)部節(jié)點(diǎn)表示一個(gè)屬性測(cè)試，測(cè)試的每個(gè)可能結(jié)果將輸出一個(gè)分枝或子樹，最后生成的葉節(jié)點(diǎn)表示一個(gè)類。決策樹的生長(zhǎng)是通過(guò)對(duì)訓(xùn)練樣本不斷分組長(zhǎng)出分枝。當(dāng)一組數(shù)據(jù)的不能再分組時(shí)，相應(yīng)的分枝就停止生長(zhǎng)。當(dāng)所有數(shù)據(jù)都不能再分組時(shí)，決策樹的構(gòu)建就完成了。本研究應(yīng)用決策樹方法篩選到準(zhǔn)確率最高的組合，用CYFA21-1、CA724、NSE和CEA可以達(dá)到86%的預(yù)測(cè)效果，特異度為87.3%，敏感度為91.0%（圖1）。在本研究建立的神經(jīng)網(wǎng)絡(luò)模型中，CYFA21-1、CA724、NSE和CEA也篩選到了，本研究建立的神經(jīng)網(wǎng)絡(luò)模型用到的CA19-9在決策樹模型中沒(méi)有篩選到。但本研究建立的神經(jīng)網(wǎng)絡(luò)模型的準(zhǔn)確為90.2%（121/134），高于決策樹模型的86.0%準(zhǔn)確率，因此本研究以含CA19-9、CYFA21-1、CA724、NSE和CEA 5個(gè)標(biāo)志物的神經(jīng)網(wǎng)絡(luò)模型為最終模型。

2.4 用5個(gè)血清標(biāo)志物建立胃癌的最佳神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型 用CYFA21-1、CA724、CEA、CA19-9和NSE 5個(gè)腫瘤標(biāo)志物組合建立的神經(jīng)網(wǎng)絡(luò)模型，134例樣本（胃癌70例，健康對(duì)照64例）訓(xùn)練神經(jīng)網(wǎng)絡(luò)，并建立神經(jīng)網(wǎng)絡(luò)模型，另外取40例樣本（胃癌19例，健康對(duì)照21例）作為測(cè)試集，測(cè)試神經(jīng)網(wǎng)絡(luò)模型的準(zhǔn)確率，建立的模型對(duì)訓(xùn)練集預(yù)測(cè)的特異度為 95.7%，敏感度為84.4%，陽(yáng)性預(yù)測(cè)值87.0%（表3）。模型對(duì)134例訓(xùn)練集的樣本具有較高的特異度（95.7%）和敏感度（84.4%），說(shuō)明篩選的5個(gè)腫瘤標(biāo)志物組合能成功的建立的神經(jīng)網(wǎng)絡(luò)模型，但這個(gè)模型能否應(yīng)用于臨床研究更重要的是模型對(duì)于新的樣本是否具有適應(yīng)性，這將直接關(guān)系到模型的臨床應(yīng)用前景，新的樣本模型預(yù)測(cè)準(zhǔn)確率更加重要。因此本研究中隊(duì)40例測(cè)試樣本建立的模型并進(jìn)行盲法驗(yàn)證，以測(cè)試模型對(duì)其他新的樣本預(yù)測(cè)的能力，模型盲法測(cè)試預(yù)測(cè)的特異度為 89.5%，敏感度為80.9%，陽(yáng)性預(yù)測(cè)率81.0%，說(shuō)明本模型對(duì)于新的樣本具有很好的適應(yīng)性（表4）。

表 2 8種血清標(biāo)志物組合建立神經(jīng)網(wǎng)絡(luò)模型分別預(yù)測(cè)胃癌的結(jié)果Tab. 2 The results of 8 kinds of combination of serum markers to establish the respective neural network model predicted gastric cancer

3 討 論

胃癌的發(fā)生和發(fā)展是多基因多步驟的過(guò)程，單一的標(biāo)志物檢測(cè)胃癌存在特異性與敏感性矛盾，所以聯(lián)合多個(gè)標(biāo)記檢測(cè)和診斷胃癌非常有必要。本研究通過(guò)生物信息學(xué)的方法篩選出了檢測(cè)胃癌的最優(yōu)化標(biāo)志物組合：CYFA21-1、CA724、CEA、CA19-9和NSE 5個(gè)腫瘤標(biāo)志物組合。CA72-4屬于黏蛋白類癌抗原，是1981年Colcher等用乳腺癌轉(zhuǎn)移病灶的癌細(xì)胞膜成分免疫小鼠所得的單克隆抗體，識(shí)別TAG72蛋白。它存在于乳腺、結(jié)直腸、胃等的惡性腫瘤組織中，是廣譜腫瘤標(biāo)志，在胃腺癌的患者血清中表達(dá)水平明顯升高［8］；CA19-9為糖類腫瘤相關(guān)抗原；CEA是Gold和Freedman于1965年胎兒及結(jié)腸癌組織中發(fā)現(xiàn)的癌胚性腫瘤相關(guān)蛋白，CEA屬于非器官特異性腫瘤相關(guān)抗原，肺癌、胃癌和乳腺癌有較高表達(dá)；NSE、CYFRA21-1主要應(yīng)用于肺癌。篩選出的標(biāo)志物中CYFA21-1、CA724及CEA與胃癌相關(guān)均有報(bào)道，NSE和CYFA21-1在這個(gè)優(yōu)化組合中對(duì)胃癌的診斷也有一定的貢獻(xiàn)。人工神經(jīng)網(wǎng)絡(luò)（Artificial Neural Networks，ANNs）是近年來(lái)迅速發(fā)展起來(lái)的一門集神經(jīng)科學(xué)、計(jì)算機(jī)科學(xué)、信息科學(xué)及工程科學(xué)為一體的邊緣交叉學(xué)科，具有獨(dú)特的信息存儲(chǔ)方式，良好的容錯(cuò)性，大規(guī)模的并行處理方式以及強(qiáng)大的自組織、自學(xué)習(xí)和自適應(yīng)能力，已被用于信號(hào)處理、模式識(shí)別，在腫瘤的識(shí)別上也有著廣泛的應(yīng)用［9-11］。

胃癌因其非特異性癥狀而常被臨床忽視,從而延誤治療, 內(nèi)窺鏡等檢查方法不適于普查,腫瘤標(biāo)志物的發(fā)現(xiàn)為診斷胃癌早期帶來(lái)希望。血清腫瘤標(biāo)志物的檢測(cè)較為便捷, 對(duì)診斷胃癌具有重要的臨床意義。近年來(lái), 胃癌標(biāo)志物的研究發(fā)展很快, 但是這些標(biāo)志物都缺乏特異性和敏感性, 尤其是對(duì)于胃癌的早期診斷和篩選不夠理想。因此臨床選定幾種特異性高的指標(biāo),相互補(bǔ)充進(jìn)行聯(lián)合檢測(cè)，從而提高敏感度。

王雪萍等［12］也曾經(jīng)直接用5種標(biāo)志物：CEA、CA19-9、CA242、CA50和CA724 建立人工神經(jīng)網(wǎng)絡(luò)模型檢測(cè)胃癌，但沒(méi)有進(jìn)一步做獨(dú)立測(cè)試檢驗(yàn)準(zhǔn)確率，也沒(méi)有篩選最佳的組合。本研究全面的考察了目前臨床常用的CYFA21-1、CEA、TPA、CA19-9、CA724、AFP、CA242和NSE等8種血清腫瘤標(biāo)志物，并從中篩選出了CYFA21-1、CA724、CEA、CA19-9和NSE等5中最佳標(biāo)志物組合供臨床參考，且本研究除了建立模型外，還進(jìn)一步用獨(dú)立的測(cè)試樣本對(duì)模型的應(yīng)用可靠性和準(zhǔn)確性進(jìn)行了評(píng)估，結(jié)果更加可靠。

表 3 用5個(gè)標(biāo)志物建立的神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)134例訓(xùn)練樣本的結(jié)果Tab. 3 The results of predicting 134 cases training samples by 5 markers neural network model

表 4 用5個(gè)標(biāo)志物建立的神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)40例測(cè)試樣本的結(jié)果（盲法測(cè)試）Tab. 4 The results of predicting 40 cases of test samples by 5 markers neural network model (blind test)

本研究篩選了CYFA21-1、CA724、CEA、CA19-9和NSE作為腫瘤標(biāo)志物的優(yōu)化組合對(duì)134例樣本（胃癌70例，健康對(duì)照64例）建立診斷神經(jīng)網(wǎng)絡(luò)模型，并用40例樣本（胃癌19例，健康對(duì)照21例）作為盲法測(cè)試集評(píng)估此模型，盲法測(cè)試得到模型預(yù)測(cè)胃癌樣本的特異性為 89.5%，敏感度為80.9%，陽(yáng)性預(yù)測(cè)值81.0%?？朔藛蝹€(gè)標(biāo)志物特異性和敏感性不能兼顧的問(wèn)題，極大的改善了血清標(biāo)志物在胃癌中的診斷中的價(jià)值。同時(shí)為臨床診斷提供了標(biāo)志物組合的參考。用本研究篩選的5種標(biāo)志物的組合可以更好的診斷，可以減少臨床經(jīng)常對(duì)患者進(jìn)行腫瘤標(biāo)志物全套檢測(cè)次數(shù)，降低患者經(jīng)濟(jì)負(fù)擔(dān)，有很好的社會(huì)效益。

總之，本研究建立基于人工神經(jīng)網(wǎng)絡(luò)的胃癌血清標(biāo)記物診斷模型，對(duì)胃癌血清腫瘤標(biāo)志進(jìn)行了篩選，提高了診斷效果，為胃癌的標(biāo)志物檢測(cè)方案提供了參考。

［1］李巖. 血清胃癌腫瘤標(biāo)志物的臨床價(jià)值［J］. 胃腸病學(xué)雜志, 2006, 11(6): 323-326.

［2］蔡方, 趙文麗, 武彤彤. 胃癌病人血清β2-微球蛋白含量變化的臨床意義［J］. 實(shí)用醫(yī)學(xué)雜志, 2006, 22(11): 1255-1256.

［3］楊國(guó)良, 薄雋杰. 尿液中膀胱腫瘤標(biāo)志物檢測(cè)的研究進(jìn)展［J］. 中國(guó)癌癥雜志, 2009, 19(7): 557-558.

［4］吳方, 魏旭倩, 孫璟, 等. 腸癌患者外周血中腫瘤標(biāo)志物聯(lián)合檢測(cè)的臨床研究［J］. 中國(guó)癌癥雜志, 2009, 19(5): 353-357.

［5］王雪琴. 四種腫瘤標(biāo)志物對(duì)肺癌、胃癌、腸癌的診斷價(jià)值［J］. 放射免疫學(xué)雜志, 2008, 21(2): 394-395.

［6］張毅敏, 夏文進(jìn), 毛彩萍, 等. 血清標(biāo)志物CYFRA21-1、NSE、CEA、CA19-9、CA125、SCC聯(lián)合檢測(cè)在肺癌診斷中的應(yīng)用價(jià)值［J］. 中國(guó)癌癥雜志, 2008, 18(04): 306-309.

［7］Moller MF. A scaled conjugate gradient algorithm for fast supervised learning ［J］. Neural Networks, 1993, 6: 525-533.

［8］王子偉, 王克義. 腫瘤的化驗(yàn)［M］. 杭州出版社, 2001:77-78.

［9］Lebrecht A, Boehm D, Schmidt M, et al. Surface-enhanced laser desorption/ionisation time-of-flight mass spectrometry to detect breast cancer markers in tears and serum ［J］. Cancer Genomics Proteomics, 2009, 6(2): 75-83.

［10］Lancashire LJ, Lemetre C, Ball GR. An introduction to artificial neural networks in bioinformatics--application to complex microarray and mass spectrometry datasets in cancer studies ［J］. Brief Bioinform, 2009, 10(3): 315-329.

［11］Caron J, Mangé A, Guillot B, et al. Highly sensitive detection of melanoma based on serum proteomic profiling ［J］.Cancer Res Clin Oncol, 2009, 135(9): 1257-1264.

［12］王雪萍, 佟素香. 血清腫瘤標(biāo)志物人工神經(jīng)網(wǎng)絡(luò)模型在胃癌診斷中的臨床應(yīng)用［J］. 實(shí)用醫(yī)學(xué)雜志, 2007, 23(12):1821-1822.

Application of bioinformatics combining serum tumor markers in gastric carcinoma diagnosis

HAN Xiao-hong,MAO Qiao-xia,LI Xiao-chun,SHEN Jian-fa,LU Guo-feng,YU Jie-kai(Department of Surgery,Tongxiang City Traditional Chinese Medicine Hospital,Tongxiang Zhejiang 314500，China)

HAN Xiao-hong E-mail：hxh_74@163.com

Background and purpose：Gastric cancer morbidity and mortality are rapidly increasing due to a lack of good clinical tumor marker detection methods, leaving the vast majority of gastric cancer patients to be diagnosed in their terminal phase. Early diagnosis and early treatment, which are the keys to reducing mortality, are needed to improve gastric cancer survival rates. The purpose of this study was to fi nd the best serum tumor markers combination, combine them and establish a pattern for the diagnosis of gastric carcinoma.Methods：CEA, AFP,NSE, CA19-9, CA242, CA72-4, CYFRA21-1 and TPA levels were detected in 89 gastric carcinoma patients and 85 healthy serums. The samples were divided into 2 groups. Group A contained 134 samples (70 patients and 64 healthy test subjects) and Group B contained 40 samples (19 patients and 21 healthy test subjects).Results：The serum tumor markers were evaluated the by area under curves. Then, the optimal serum tumor markers combinations were selected to build the diagnosis patterns with artificial neural networks. As a result, CYFA21-1, CA724, CEA, CA199 and NSE were selected to be the optimum serum tumor markers combination and were therefore used to build the artificial neural network. The pattern for diagnosing gastric carcinoma has a specificity of 89.5%, sensitivity of 80.9% and positive value of 81.0%.Conclusion：The combination of optimum serum tumor markers could establish patterns with a high

胃癌發(fā)病率和病死率迅速上升，發(fā)病年齡逐漸提前已引起普遍關(guān)注［1-2］，絕大多數(shù)的患者確診時(shí)已屬中晚期，臨床上缺乏敏感性和特異性均高的腫瘤標(biāo)志物檢測(cè)方法；另外早期診斷、早期治療是提高胃癌生存率和降低死亡率的關(guān)鍵，因此提高胃癌早期診斷對(duì)胃癌的防治有著重要意義。腫瘤標(biāo)志物在腫瘤診斷、檢測(cè)腫瘤復(fù)發(fā)與轉(zhuǎn)移、判斷療效、預(yù)后、群體隨訪與腫瘤普查等方面都有較大的實(shí)用價(jià)值。腫瘤標(biāo)志物的檢測(cè)較影像學(xué)診斷費(fèi)用低廉，較細(xì)胞學(xué)檢查簡(jiǎn)便無(wú)損傷，患者易于接受，便于推廣。目前，胃癌的腫瘤標(biāo)志物診斷主要有胃癌相關(guān)抗原（如CA15-3）及CEA等，但許多相關(guān)文獻(xiàn)［3-6］都表明以上標(biāo)志物診斷胃癌的敏感性和特異性均不高。

本研究應(yīng)用生物信息學(xué)方法從多個(gè)腫瘤標(biāo)志物中篩選最優(yōu)組合并用人工神經(jīng)網(wǎng)絡(luò)聯(lián)合多個(gè)標(biāo)志物在胃癌的診斷上做了應(yīng)用研究，同時(shí)為腫瘤普查、診斷及高危人群提供參考指標(biāo)。

1 材料和方法

1.1 樣本 89例胃癌患者血清均取自2002年—2008年，于浙江省桐鄉(xiāng)市中醫(yī)院住院的患者，均經(jīng)手術(shù)治療，并經(jīng)病理報(bào)告確診。患者TNM分期為分期為Ⅰ～Ⅲ期，平均年齡56.3歲（33～72歲），89例樣本分為2組，70例胃癌作為訓(xùn)練組，建立神經(jīng)網(wǎng)絡(luò)模型，19例胃癌作為測(cè)試組，測(cè)試模型準(zhǔn)確率。85例健康人的血清標(biāo)本取自經(jīng)本院同時(shí)期體檢的志愿健康人群，以年齡和性別配對(duì)，平均年齡51.2歲（30～74歲）。所有的血清標(biāo)本均在清晨空腹下抽取，胃癌的血清標(biāo)本均在進(jìn)行治療前留取。134例樣本（胃癌70例，健康對(duì)照64例）訓(xùn)練神經(jīng)網(wǎng)絡(luò)，40例樣本（胃癌19例，健康對(duì)照21例）作為測(cè)試集，測(cè)試模型準(zhǔn)確率。

1.2 檢測(cè)方法 應(yīng)用酶聯(lián)免疫吸附法（enzyme-linked immunosorbent assay，ELISA）測(cè)定血清標(biāo)本中癌胚抗原（CEA）、甲胎蛋白（AFP）、癌抗原19-9（CA19-9）、癌抗原72-4（CA72-4）、癌抗原242（CA242）、細(xì)胞角質(zhì)蛋白19片段（cytokeratin 19 fragment，CYFRA21-1）、神經(jīng)元特異性烯醇化酶（NSE）和組織多肽抗原（TPA）含量。CEA、AFP、NSE、CA19-9和CA242試劑盒由ConAg診斷公司提供，CA72-4、CYFRA21-1試劑盒由BioKey公司提供，TPA試劑盒由IDL生物技術(shù)公司提供。具體操作按試劑盒說(shuō)明進(jìn)行。

1.3 生物信息學(xué)方法 應(yīng)用SPSS 10.0軟件分別對(duì)8個(gè)標(biāo)記物做曲線下面積分析，建立受試者工作特征曲線（receiver operating characteristic，ROC），其中縱坐標(biāo)為特異度，橫坐標(biāo)為敏感度，并計(jì)算ROC曲線下面積，并以曲線下面積的大小排列8個(gè)腫瘤標(biāo)志物，以此來(lái)評(píng)價(jià)各個(gè)標(biāo)志物與胃癌的相關(guān)性。然后用逐步增加并驗(yàn)證的方法從8個(gè)腫瘤標(biāo)志物中篩選出建立識(shí)別胃癌模型的優(yōu)化組合。按相關(guān)重要性逐個(gè)腫瘤標(biāo)志物的數(shù)量，神經(jīng)網(wǎng)絡(luò)輸入神經(jīng)元也相應(yīng)的從1個(gè)逐步增加到8個(gè)。用神經(jīng)網(wǎng)絡(luò)模型分別計(jì)算建立的8個(gè)模型的準(zhǔn)確率，最后篩選出最高準(zhǔn)確率的腫瘤標(biāo)志物組合。用篩選出來(lái)的優(yōu)化標(biāo)志物組合用以建立人工神經(jīng)網(wǎng)絡(luò)，并用盲法測(cè)試評(píng)價(jià)模型的效果。

1.4 神經(jīng)網(wǎng)絡(luò)設(shè)置 人工神經(jīng)網(wǎng)絡(luò)模型在腫瘤的識(shí)別上有著廣泛的應(yīng)用，人工神經(jīng)網(wǎng)絡(luò)運(yùn)用共厄梯度學(xué)習(xí)方法（scaled conjugate gradient）改善的反向傳播算法［7］，4層結(jié)構(gòu)，除輸入層外還包括2個(gè)分別含10個(gè)神經(jīng)元的隱含層和含1個(gè)神經(jīng)元的輸出層。每層都采用sigmoid傳遞函數(shù)，隨機(jī)初始化。輸出神經(jīng)元為1個(gè)，對(duì)應(yīng)健康人和胃癌患者的期望輸出值，分別設(shè)為0和1。共進(jìn)行1 000次迭代。在樣本劃分時(shí)，將總樣本集隨機(jī)劃分，將所有樣本隨機(jī)分出2/3用來(lái)訓(xùn)練神經(jīng)網(wǎng)絡(luò)，剩余的1/3作為測(cè)試集，用測(cè)試集的準(zhǔn)確率來(lái)評(píng)價(jià)模型。預(yù)測(cè)輸出以0.5為閾值，輸出值＜0.5被模型識(shí)別為健康人，≥0.5被模型識(shí)別為胃癌患者。

2 結(jié) 果

2.1 8個(gè)常見血清腫瘤標(biāo)記物與胃癌相關(guān)性的評(píng)估 對(duì)8個(gè)標(biāo)記物做曲線下面積分析，得到胃癌的相關(guān)性按大小排序依次為CYFA21-1、CEA、TPA、CA19-9、CA724、AFP、CA242和sensitivity and specificity for the detection of gastric carcinoma.

gastric carcinoma; artificial neural network; serum tumor markers; diagnosis NSE（表1）。

R735.2；R730.43

A

1007-3639(2010)05-0364-05

韓小宏 E-mail:hxh_74@163.com

2009-12-07

2010-02-08）