胃肠肿瘤标志物诊断

摘　要：目的：从有限的检验信息中归纳和提炼出更有价值的诊治信息，并通过技术手段来探索检验医学应用于临床实践新的方法。方法：通过CA199、CEA 、CA72-4三种标志物为例，依托ANN (Artificial Neural Network)以及SPSS统计软件，对胃肠肿瘤标志物的检测数据进行验后概率解释。结果：大肠癌组CA19-9、CEA 、CA72-4三种标志物浓度均明显高于高于其他疾病组以及健康对照组（p<0.05）。验后概率的检验报告能够比较科学地提供检测参考。结论：ANN (Artificial Neural Network)验后概率的检验报告诊断效率较高，是临床检验实践的一个新途径。

关键词：胃肠肿瘤；标志物；检验；验后概率；ANN

    1 资料与方法
    1.1 临床资料
    检索统计2010年3月-2012年3月我院进行胃肠肿瘤标志物检验的数据。其中健康对照组来自体检数据，无任何器质性病变，共120例；大肠癌研究组为经病理组织学确诊的病例，共63例；其他疾病组为本院内科其他患者，其中胃癌27例，胰腺癌2例，食道癌13例，肝癌4例，胃肠溃疡21例，胃炎112例，肝炎94例，腹泻112例。共385例。
    1.2实验方法
    对三组研究对象均采取空腹采静脉血3ml，做5分钟3000rpm离心处理，并进行血清含量检测。实验分析仪器采用ECL-2010型（美国罗氏公司）电化学发光免疫分析仪。分析剂采用ECL-2010型分析仪专用的全封闭试剂盒。该分析仪采用了当前世界上较先进的标记免疫测定技术，具有灵敏度高、用标本量少、线性宽、检验快速可靠，耗时短等诸多优点。
    1.3数据统计
    采用SPSS13.0软件进行系统分析，并通过ANN (Artificial Neural Network)建立相应的诊断模型。
    1.4临床实践
    将CA19-9、CA72-4、CEA三种标志物的检测结果通过筛查模型以及诊断模型获得ANN计算值。阅筛查模型ROC和ANN预测值，获得验后概率检验报告。在定期回访的基础上，不断修正ROC数据集，并实现院内数据共享。
    2结果
    胃肠肿瘤标志物检验中，三组检测结果呈现非正态分布。通过标志物对比，可发现大肠癌组三种标志物均明显 其他两组，具体结果如下表。p<0.05具有统计学意义。

    3讨论
    从当代医学发展史看，检验医学大致已经走出了三个关键步骤。一是化学方式检验，主要用于检验蛋白以及钙、钾等离子浓度，人体酶糖等物质代谢情况，并以此来对患者病情进行判断。二是免疫学检验，主要是通过人体自身免疫系统所产生系列淋巴细胞以及特异性球蛋白和患者体内病原体的特异性相结合，据此来对病原体进行判断。三是进行基因检验，也就是通过分子生物学手段对人体基因进行探查据此进行基因缺陷诊断。可以说临床医学诊断的发展一直同检验技术密切相连。近年来，检验医学发展十分迅速，给临床医学的高度发展奠定的坚实的基础。同时临床医学发展也有对检验新技术的出现起到了有力的推动作用。随着检验项目的增多以及临床检验的日趋复杂多样，检验和临床的关系出现了某种相悖情况。因此进一步密切检验医学和临床医学的结合显得尤为重要，两者更加紧密地联系，充分合作和交流，不仅有利于提高检验质量，避免和减少医疗事故，同时有利于更好地发挥检验医学对临床诊断的支撑作用。
    本研究中可以发现，大肠癌组CA19-9、CEA 、CA72-4三种标志物浓度均明显高于高于其他疾病组以及健康对照组（p<0.05）。验后概率的检验报告能够比较科学地提供检测参考。ANN (Artificial Neural Network)验后概率的检验报告诊断效率较高，是临床检验实践的一个新途径。通过检验医师的密切协作，对各项检验项目深入分析和挖掘，构建ROC数据集，可以形成更加高效的检验医学系统。可以真正将有限的医学数据转化为服务临床的诊疗信息。
    参考文献：
    [1] 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,(05) .
    [2] 秦耀春. 检验医学面临的挑战[J]. 当代医学, 2009,(28) .
    [3] 汤素丽,罗宇锋. 人工神经网络技术的发展与应用[J]. 电脑开发与应用, 2009,(10) .
    [4] 刘靳波,余晓林,夏乾峰,涂植光. ROC曲线及Logistic回归评价肿瘤标志物在胃结肠肿瘤的诊断价值[J]. 第四军医大学学报, 2008,(14) .
    [5] 王华妮,陈文旭. 肿瘤标志物检测技术及应用[J]. 福建医药杂志, 2009,(05) .
    [6] 陈俊. 神经网络的应用与展望[J]. 佛山科学技术学院学报(自然科学版), 2009,(05) .
    [7] 赵一鸣. 诊断试验中的先验概率和后验概率[J]. 华西医学, 1999,(03) .
    [8] 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[J]. 长江大学学报(自科版)医学卷, 2009,(03) .
    [9] 严丽丽. 肿瘤分子标记物检测的进展[J]. 局解手术学杂志, 2007,(06) .
    [10] 秦晓光. 诊断性试验临床应用——验后概率的探讨[J]. 江西医学检验, 2003,(02) .
    [11] 杨浏,黎增文. 用Excel制作ROC曲线[J]. 现代检验医学杂志, 2005,(04) .
    [12] 叶维洁,金冶宁. 结直肠恶性肿瘤的新标志物—肿瘤型丙酮酸激酶[J]. 现代肿瘤医学, 2009,(10) .

本文链接：http://www.qk112.com/lwfw/yxlw/jichuyixue/91264.html