人工神經(jīng)網(wǎng)絡(luò)技術(shù)聯(lián)合腫瘤標志在纖維支氣管鏡診斷肺癌中的應(yīng)用.pdf

1、背景與目的：肺癌為當今世界各地最常見的惡性腫瘤之一,全世界每年有超過100萬人死于肺癌。在中國,肺癌的發(fā)病率已上升為惡性腫瘤的第二位,肺癌病死率上升幅度居各類腫瘤之首,主要原因為目前缺乏有效的早期診斷手段。由于絕大多數(shù)肺癌臨床確診時已屬晚期,因此,肺癌早期診斷是決定患者預(yù)后的關(guān)鍵因素。早發(fā)現(xiàn)、早診斷、早治療是提高肺癌患者生存率、降低死亡率的關(guān)鍵,但是由于多種相關(guān)因素,使早期診斷有一定的局限性,如何提高肺癌的早期診斷率是一個迫切的問題。目

2、前肺癌診斷的3種主要方法:影像診斷、化學(xué)診斷(血清學(xué)和免疫學(xué))及細胞學(xué)與組織學(xué)診斷。人工神經(jīng)網(wǎng)絡(luò)(artificial neural network,ANN)是在對人腦組織結(jié)構(gòu)和運行機制認識理解的基礎(chǔ)之上模擬其結(jié)構(gòu)和智能行為的一種非線性信息處理工程系統(tǒng),人工神經(jīng)網(wǎng)絡(luò)具有大規(guī)模的并行處理能力和分布式的信息存儲能力,并有良好的自適應(yīng)、自組織性以及很強的學(xué)習功能、聯(lián)想功能和容錯功能。目前,人工神經(jīng)網(wǎng)絡(luò)已經(jīng)被廣泛應(yīng)用在金融、商業(yè)、信息、醫(yī)學(xué)等各

3、個領(lǐng)域。人工神經(jīng)網(wǎng)絡(luò)在醫(yī)學(xué)領(lǐng)域里已被用在疾病臨床診斷(專家系統(tǒng))、疾病篩查和輔助診斷、疾病相關(guān)因素研究、預(yù)測疾病的發(fā)病風險、生存分析、基因識別和DNA、RNA序列分析、蛋白質(zhì)結(jié)構(gòu)分析等。腫瘤標志對肺癌的早期發(fā)現(xiàn)和早期診斷的價值在臨床上已廣泛受到重視,腫瘤標志成為從事腫瘤基礎(chǔ)研究和臨床工作者十分關(guān)注的熱點,而且早期肺癌治愈率明顯好于晚期者。纖維支氣管鏡(纖支鏡)檢查是呼吸內(nèi)科較常規(guī)的檢查方法,與其他的有創(chuàng)檢查手段相比,并發(fā)癥少,患者容易接

4、受,纖支鏡的檢查結(jié)果與患者臨床表現(xiàn)相結(jié)合,能進一步提高疾病的診斷水平,但是纖支鏡鏡下圖像復(fù)雜加上臨床醫(yī)師在操作時不熟練使得在觀察有些肺癌纖支鏡鏡下特征時不容易做出正確的判斷。人工神經(jīng)網(wǎng)絡(luò)在醫(yī)學(xué)影像診斷中的應(yīng)用是基于人工神經(jīng)網(wǎng)絡(luò)的自學(xué)習、自適應(yīng)、容錯性、非線性處理等功能而建立的一種計算機輔助診斷系統(tǒng)。如果能建立一個人工輔助診斷系統(tǒng)既能避免醫(yī)師由知識和經(jīng)驗不足帶來的主觀性,又能對鏡下圖像的特點進行特征分析,就能大大提高鏡下檢查的效果,有助于

5、提高肺癌的診斷率。本研究試將人工神經(jīng)網(wǎng)絡(luò)技術(shù)聯(lián)合腫瘤標志應(yīng)用到纖維支氣管鏡檢察診斷肺癌中,建立一個輔助診斷模型,以增強診斷的準確性和客觀性,為臨床提供更準確、更有效的參考資料,并與課題組前期研究及傳統(tǒng)的統(tǒng)計模型方法相比,討論該模型的發(fā)展前景。
　　材料和方法：1.119例(良性64例、肺癌55例)患者纖維支氣管鏡(纖支鏡)圖像、血清標本。2.4個腫瘤標志為癌胚抗原(CEA)、神經(jīng)元特異性烯醇酶(NSE)、鱗癌抗原(SCC-Ag)、

6、細胞角質(zhì)素片段抗原(CYFRA21-1)。3名纖支鏡檢查醫(yī)師根據(jù)11項圖像特征對119例患者纖支鏡圖像觀察后評分,然后分別以纖支鏡資料和4個腫瘤標志作為輸入,對網(wǎng)絡(luò)進行訓(xùn)練,構(gòu)建人工神經(jīng)網(wǎng)絡(luò)模型,并盲法仿真。其中,分別從肺癌患者、肺良性病變患者中隨機取30例和35例作為訓(xùn)練集,其余作為預(yù)測集。3.Matlab6.5,SPSS12.04.利用訓(xùn)練好的人工神經(jīng)網(wǎng)絡(luò)模型對預(yù)測集樣本進行預(yù)測診斷,比較腫瘤標志模型、纖支鏡資料模型與聯(lián)合資料模型預(yù)

7、測效果,比較人工神經(jīng)網(wǎng)絡(luò)與Logistic回歸對訓(xùn)練集和預(yù)測集所有樣本的預(yù)測效果。
　　結(jié)果：1.人工神經(jīng)網(wǎng)絡(luò)訓(xùn)練結(jié)果采用附加動量的反向傳播算法(Back-Propagation,BP算法),人工神經(jīng)網(wǎng)絡(luò)經(jīng)迭代達到預(yù)期目標后,訓(xùn)練停止。2.建立的3個模型對預(yù)測集預(yù)測的結(jié)果比較用血清腫瘤標志建立的BP網(wǎng)絡(luò)模型、用纖支鏡資料建立的BP網(wǎng)絡(luò)模型、聯(lián)合腫瘤標志和纖支鏡資料建立的BP網(wǎng)絡(luò)模型對預(yù)測集預(yù)測的靈敏度分別為64.0％、68.0％和

8、88.0％;特異度分別為82.8％、82.8％和93.1％;總的準確度分別為74.1％、75.9％和90.7％;陽性預(yù)測值分別為76.2％、77.3％和91.7％;陰性預(yù)測值分別為72.7％、75.0％和90.0％;ROC曲線下面積分別為0.782、0.890和0.897,P>0.05。3.人工神經(jīng)網(wǎng)絡(luò)模型與Logistic回歸模型對樣本的預(yù)測結(jié)果比較聯(lián)合血清腫瘤標志及纖支鏡資料運用BP網(wǎng)絡(luò)模型和Logistic回歸模型對訓(xùn)練集和預(yù)測集

9、所有樣本預(yù)測的靈敏度、特異度、準確度分別為94.5％、96.9％、95.8％和74.5％、85.9％、80.7％,ROC曲線下面積分別為0.950(95％CI:0.894-0.982)和0.848(95％CI:0.778-0.917),P<0.054.本研究建立的BP網(wǎng)絡(luò)模型與課題組前期研究預(yù)測結(jié)果比較本研究建立的BP模型對肺癌輔助診斷的靈敏度、特異度、準確度分別為94.5％、96.9％、95.8％,陽性預(yù)測值、陰性預(yù)測值分別為96.3

10、％、95.4％;前期研究建立的模型對肺癌輔助診斷的靈敏度、特異度、準確度分別為100％、98.5％、96.9％,陽性預(yù)測值、陰性預(yù)測值分別為97.9％、100％。
　　結(jié)論：1.運用人工神經(jīng)網(wǎng)絡(luò)技術(shù)聯(lián)合纖維支氣管鏡資料和腫瘤標志指標建立模型對肺癌的預(yù)測性能優(yōu)于單獨用纖維支氣管鏡資料或腫瘤標志指標建立的模型。2.基于人工神經(jīng)網(wǎng)絡(luò)的腫瘤標志和纖維支氣管鏡資料模型對肺癌的判別效果優(yōu)于傳統(tǒng)的Logistic回歸分析。3.人工神經(jīng)網(wǎng)絡(luò)可以作