數(shù)據(jù)挖掘預測模型在焦爐工肺癌高危個體篩查中的應用.pdf

1、目的
　　由于肺癌發(fā)病率及死亡率逐年增長，已成為嚴重威脅人類健康的惡性腫瘤，也成為亟待解決的公共衛(wèi)生難題。數(shù)據(jù)挖掘技術在解決大樣本和多參數(shù)問題的優(yōu)勢使其在醫(yī)學領域得到廣泛研究。本課題組近年來一直致力于肺癌輔助診斷的研究，篩選出癌胚抗原(carcinoembryonicantigen，CEA)、神經(jīng)元特異性烯醇化酶(neuronspecificenolase，NSE)、胃泌素(gastrin)、唾液酸(sialicacid，SA)、

2、銅鋅比值(Cu/Zn)和血清鈣離子等6種肺癌標志組成肺癌生物標志群，并應用人工神經(jīng)網(wǎng)絡(artificialneuralnetwork，ANN)技術建立了肺癌輔助診斷系統(tǒng)。此研究將探討這6項指標作為焦爐作業(yè)工人暴露標志的可能性;同時重建ANN模型，并與決策樹C5.0模型和支持向量機(supportvectormachine，SVM)模型比較;并嘗試將模型用于焦爐工人高危個體的篩選，對其應用性進行初試，為后續(xù)研究建立隊列。
　　對象

3、與方法
　　1.研究對象:暴露組為安陽鋼鐵集團有限公司焦化廠的焦爐作業(yè)工人183例。建模樣本包括111例正常對照樣本、93例肺良性疾病患者和117例肺癌樣本，該樣本均取自鄭州大學第一附屬醫(yī)院，為課題組前期工作所得。
　　2.實驗方法:采用放射免疫法檢測CEA、NSE和胃泌素，原子吸收分光光度法檢測血清銅、血清鋅的濃度，運用課題組改進的間苯二酚顯色法測定唾液酸，血清鈣濃度由全自動化分析儀測定。
　　3.數(shù)據(jù)挖掘:樣本按3

4、∶1的比例隨機分成訓練集和預測集，運用ANN技術、C5.0技術和SVM建模，然后對預測樣本進行預測，并結合診斷試驗評價指標及ROC曲線對這三種模型的預測結果進行比較，3種模型均采用SPSSClementine12.0軟件實現(xiàn)。
　　4.運用SPSS21.0軟件進行統(tǒng)計學分析。根據(jù)具體的資料分布類型選擇統(tǒng)計學檢驗方法，定性資料組間比較用x2檢驗。檢驗水準α=0.05。
　　結果:
　　1.暴露組和對照組中CEA、Cu/Z

5、n和Ca差異有統(tǒng)計學意義(P＜0.05)，其中暴露組CEA水平和Cu/Zn高于對照，血清鈣水平則低于對照組。工齡對CEA水平有影響，工齡超過16年組CEA水平比小于16年組高(P＜0.05)，未發(fā)現(xiàn)爐側、爐頂和爐底工人間的差異。
　　2.數(shù)據(jù)挖掘模型及其評價:ANN模型的靈敏度、特異度和準確度分別是90.91％、97.92％和93.81％，表明其有良好的重現(xiàn)性。C5.0和SVM模型靈敏度、特異度和準確度分別為93.94％、91.6

6、7％、88.8％和90.91％、93.75％和91.36％;三者ROC曲線下面積(AUC)及其95％置信區(qū)間分別為0.969(0.916-1.000)、0.944(0.892-0.996)和0.947(0.897-0.997)，但差異無統(tǒng)計學意義(P＞0.05)。
　　3.數(shù)據(jù)挖掘模型預警結果:ANN模型將01252號歸類到肺癌預警對象;SVM模型將01085號和01239號樣本分類到肺癌預警對象;C5.0模型則是將01073號、