基于“优选肿瘤标志群”建立的决策树模型对肺癌辅助诊断的价值

目的:应用决策树技术联合肿瘤标志蛋白芯片建立基于"优选肿瘤标志群"的决策树模型,实现对肺癌的快速诊断。方法:运用肿瘤标志定量检测试剂盒测定201例肺部良性疾病及199例肺癌患者血清中9项肿瘤标志[癌胚抗原、糖原类抗原19-9(CA199)、神经元特异性烯醇化酶、CA242、铁蛋白、CA125、甲胎蛋白、人生长激素和CA153]水平,应用logistic回归对肿瘤标志进行筛选以获得"优选肿瘤标志群",分别于筛选前后建立决策树模型和Fisher判别分析模型。结果:肺癌组9项血清肿瘤标志水平均高于肺良性疾病组(P<0.05)。筛选前基于9项肿瘤标志分别建立的Fisher判别分析模型、决策树模型和筛选后基于6项肿瘤标志建立的Fisher判别分析模型、决策树模型,其预测准确度分别为86.0%、92.5%、84.5%、91.5%。筛选前和筛选后决策树模型ROC曲线的AUC分别为0.925和0.915,均高于Fisher判别分析的0.860和0.845(Z=4.462和4.575,P均<0.01);但决策树模型和Fisher判别分析筛选前后自身相比,差异均无统计学意义(Z=1.914和1.074,P均>0.05)。结论:基于6项肿瘤标志建立的决策树模型诊断肺癌的效果优于Fisher判别分析。