田剛 張章 劉靳波 曾章銳 舒靜 周明術(shù) 李光榮

西南醫(yī)科大學(xué)附屬醫(yī)院醫(yī)學(xué)檢驗(yàn)部（四川瀘州646000）

肺癌是嚴(yán)重威脅人類健康的疾病，2018年全球新發(fā)肺癌患者近210萬，其中176.6萬死亡［1］。根據(jù)我國(guó)癌癥中心2016年公布的數(shù)據(jù)，肺癌在我國(guó)的發(fā)病率和病死率均居首位［2］。吸煙、乙肝病毒感染，基因和環(huán)境以及衰老等因素都與肺癌的發(fā)生、發(fā)展相關(guān)［3-4］。臨床上，近70%的肺癌患者確診時(shí)已處于中、晚期，失去了最佳治療時(shí)機(jī)，故早期診斷并及時(shí)治療至關(guān)重要［5］。近年來，正電子發(fā)射計(jì)算機(jī)斷層顯像（positron emission tomogra?phy?computerized tomography，PET?CT）和核磁共振成像（magnetic resonance imaging，MRI）等技術(shù)也被用于肺癌的鑒別診斷，但較昂貴的檢查費(fèi)用限制了臨床的廣泛應(yīng)用［5］。血清腫瘤標(biāo)志物如癌胚抗原（carcino?embryonic antigen，CEA）、神經(jīng)元特異性烯醇化酶（neuro specific enolase，NSE）、糖類抗原（carbohydrate antigen，CA125）和細(xì)胞角蛋白片段19（cyfra21?1）是臨床常用的肺癌輔助診斷指標(biāo)，但單項(xiàng)指標(biāo)的靈敏度或特異度欠佳，而常用的串聯(lián)或并聯(lián)診斷模式犧牲了靈敏度或特異度，且較難對(duì)患者進(jìn)行預(yù)測(cè)分析［6-7］。因此，尋找新穎的數(shù)據(jù)處理和疾病診斷、預(yù)測(cè)模型有助于挖掘更多有用的數(shù)據(jù)信息，給臨床醫(yī)生提供輔助診斷建議。近年來，決策樹、判別分析和人工神經(jīng)網(wǎng)絡(luò)等模型已用于肺癌的鑒別診斷，為腫瘤標(biāo)志物的臨床應(yīng)用提供了一種模式診斷新思路［8?10］。本研究擬采用三種模式識(shí)別技術(shù)—偏最小二乘判別分析（par?tial least squares?discrimination，PLS?DA），多層感知器?人工神經(jīng)網(wǎng)絡(luò)（multiplayer?artificial neural net?work，MPL?ANN）和支持向量機(jī)（support vector ma?chine，SVM）構(gòu)建肺癌診斷和預(yù)測(cè)模型，對(duì)肺癌相關(guān)腫瘤標(biāo)志物與肺癌、肺部良性疾病的相關(guān)性及診斷、預(yù)測(cè)價(jià)值進(jìn)行深入研究。

1 資料與方法

1.1 一般資料 納入2010年1月19日至2014年3月7日西南醫(yī)科大學(xué)附屬醫(yī)院470例肺癌患者（肺癌組），其中男357例，女113例，年齡18～99歲，平均年齡（61.0±13.7）歲。其中鱗癌168例，腺癌207例，小細(xì)胞癌74例，未定型肺癌21例。本研究中肺癌患者均按照2007年世界肺癌大會(huì)“第7版肺癌患者綜合分期評(píng)定標(biāo)準(zhǔn)”分類，包括Ⅰ期肺癌患者18例，Ⅱ期94例，Ⅰ-Ⅱ期140例，Ⅲ期48例，Ⅳ57例，Ⅲ-Ⅳ期50例，未知63例。早期患者（Ⅰ、Ⅱ及Ⅰ-Ⅱ期）、晚期患者（Ⅲ、Ⅳ及Ⅲ-Ⅳ）和未知分期肺癌患者的比例分別為53.6%、33.0%和13.4%。排除重復(fù)入院行放、化療肺癌及臨床資料不完整患者。肺部良性疾病患者659例（良性組），包括肺部感染102例，肺結(jié)核169例，肺炎113例，慢性阻塞性肺病170例，支氣管哮喘105例，其中男453例，女206例，年齡12～94歲，平均年齡（61.4±14.7）歲。肺癌組和良性組患者經(jīng)臨床、組織病理學(xué)或影像學(xué)等確診。另選取343例健康體檢者為對(duì)照（對(duì)照組），年齡12～90歲，平均年齡（60.2±13.8）歲。對(duì)照組肝、腎功能和腫瘤標(biāo)志物水平未見明顯異常。3組年齡比較，差異無統(tǒng)計(jì)學(xué)意義（F=0.846，P=0.429）。由于本研究回顧性分析2010年1月～2014年3月本院住院患者臨床數(shù)據(jù)，參照《體外診斷試劑臨床研究指導(dǎo)原則》中“客觀上不可能獲得受試者知情同意或該臨床研究對(duì)受試者幾乎沒有風(fēng)險(xiǎn)，可不提交倫理委員會(huì)的審評(píng)意見及受試者的知情同意書”進(jìn)行［11］。

1.2 儀器與檢測(cè)方法 所有患者在診斷、放療或化療前空腹靜脈采血3～5 mL（避免溶血），標(biāo)本采集后盡快送至檢驗(yàn)部分離血清、檢測(cè)。采用Roche全自動(dòng)電化學(xué)發(fā)光儀（Elecsys 2010）及配套試劑盒，按標(biāo)準(zhǔn)操作規(guī)程在質(zhì)控在控下檢測(cè)血清CEA、NSE、CA125和Cyfra21?1水平。參照分析儀及試劑盒的參考范圍制定血清CEA、NSE、CA125和Cy?fra21?1的參考區(qū)間，其中NSE為0～35.0 ng/mL，CEA為0～3.4 ng/mL，CA125為0～15.2 ng/mL，Cy?fra21?1為0～3.3 ng/mL。

1.3 訓(xùn)練和測(cè)試數(shù)據(jù)的選擇 利用SPSS 25.0軟件隨機(jī)抽取70%樣本為訓(xùn)練集，建立診斷模型（729例非肺癌患者、332例肺癌患者），30%為測(cè)試集（273例非肺癌患者、138例肺癌患者）用于預(yù)測(cè)分析，分別在MPL?ANN、SVM和PLS?DA模型中驗(yàn)證。

1.4 數(shù)據(jù)的標(biāo)準(zhǔn)化 血清CEA、NSE、CA125和Cyfra21?1經(jīng)歸一化處理［（測(cè)定值?均值）/標(biāo)準(zhǔn)差］，以消除測(cè)定項(xiàng)目數(shù)量級(jí)和單位的差異，測(cè)定結(jié)果在［?1～1］之間。

1.5 統(tǒng)計(jì)學(xué)方法 采用SPSS 25.0軟件對(duì)數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析并建立MPL?ANN模型。3組年齡成正態(tài)分布，用均數(shù)±標(biāo)準(zhǔn)差表示，方差齊（F=2.422，P=0.089），3組比較采用單因素方差分析。血清CEA、NSE、CA125和Cyfra21?1水平呈偏態(tài)分布，以中位數(shù)M（P25，P75）表示，3組間兩兩比較采用Mann?WhineyU檢驗(yàn)，校正P值，差異有統(tǒng)計(jì)學(xué)意義（P<0.017）。采用受試者工作特征曲線（receiver operating characteristic curve，ROC）下面積（area un?der the ROC，AUC）評(píng)估各指標(biāo)的診斷效能，P<0.05差異有統(tǒng)計(jì)學(xué)意義。采用SIMCA 13.0軟件構(gòu)建PLS?DA模型，采用MATLAB（R 2019b）建立SVM模型。

2 結(jié)果

2.1 血清CEA、NSE、CA125和Cyfra21?1水平比較 與對(duì)照組比較，肺癌組和良性組血清CEA、NSE、CA125和Cyfra21?1水平均升高，差異有統(tǒng)計(jì)學(xué)意義（P<0.017）。肺癌組與良性組比較，血清CEA、NSE、CA125和Cyfra21?1水平也顯著升高（P<0.017），見表1。

表1 3組血清CEA、NSE、CA125和Cyfra21?1水平比較Tab.1 Comparison of CEA，NSE，CA125 and cyfra21?1 levels in three groups ［M（P25，P75）］

2.2 肺癌組、良性組和對(duì)照組血清四項(xiàng)指標(biāo)的診斷效能比較 四項(xiàng)血清腫瘤標(biāo)志物中CEA、NSE和Cyfra21?1對(duì)肺癌的診斷效能較高（AUC均>0.70），CA125的診斷效能較低0.50

圖1 血清CEA、NSE、CA125和Cyfra21?1的ROC曲線Fig.1 ROC curves of CEA,NSE,CA125 and cyfra21?1 in serum

表2 3組血清CEA、NSE、CA125和Cyfra21?1的ROC曲線比較Tab.2 ROC curve comparison of serum CEA，NSE，CA125 and cyfra21?1 in three groups

2.3 基于血清CEA、NSE、CA125和Cyfra21?1的PLS?DA模型分析 以隨機(jī)選取的70%患者的四項(xiàng)腫瘤標(biāo)志物建立PLS?DA模型，并提取前兩個(gè)PLS成分（即t1=29.5%和t2=14.9%），該模型對(duì)肺癌和非肺癌患者的診斷正確率分別為58.7%（195/332）和96.4%（703/729）。以另選取的273例非肺癌患者和138例肺癌患者進(jìn)行預(yù)測(cè)，該模型的t1和t2分別為36.0%和20.1%，對(duì)肺癌和非肺癌患者的預(yù)測(cè)正確率分別為55.8%（77/138）和91.9%（251/273），見圖2。

圖2 基于血清CEA、NSE、CA125和Cyfra21?1的PLS?DA預(yù)測(cè)模型（肺癌組；非肺癌組）Fig.2 PLS?DA prediction model based on serum CEA，NSE，CA125 and cyfra21?1（lung cancer group；non?lung cancer group）

2.4 基于血清CEA、NSE、CA125和Cyfra21?1的MPL?ANN模型 以血清CEA、NSE、CA125和Cy?fra21?1建立MPL?ANN診斷模型，以概率值P>0.50判斷為肺癌，反之為非肺癌。該模型的隱含層數(shù)為2，訓(xùn)練時(shí)間0：00：00：210，交叉熵錯(cuò)誤率為5.90，對(duì)肺癌和非肺癌患者的診斷正確率分別為71.7%（238/332）和92.9%（677/729）。MPL?ANN預(yù)測(cè)模型的隱含層數(shù)2，訓(xùn)練時(shí)間為0：00：00：160，交叉熵錯(cuò)誤率為4.93，對(duì)肺癌和非肺癌患者的預(yù)測(cè)正確率分別為71.0%（98/138）和94.1%（257/273），MPL?ANN預(yù)測(cè)模型見圖3。

圖3 基于血清CEA、NSE、CA125和Cyfra21?1的MPL?ANN預(yù)測(cè)模型Fig.3 MPL?ANN prediction model based on serum CEA,NSE,CA125 and cyfra21?1

2.5 基于血清CEA、NSE、CA125和Cyfra21?1的SVM模型分析 以血清四項(xiàng)腫瘤標(biāo)志物依次建立線性核SVM（line SVM，L?SVM），二次核SVM（Quadratic SVM，Q?SVM），三 次 核SVM（Cubic SVM，C?SVM），精細(xì)高斯核SVM（Fine Gaussian SVM），中高斯核SVM（Medium Gaussian SVM，MG?SVM）和粗高斯核SVM（Coarse Gaussian SVM，C?SVM）6種模型。6種SVM模型對(duì)肺癌和非肺癌的總診斷正確率依次為FG?SVM（90.0%）>MG?SVM（85.2%）>L?SVM（84.8%）>Q?SVM（83.7%）>C?SVM（82.0%）>CG?SVM（81.8%），結(jié)果見表3。以診斷正確率最高的FG?SVM建立診斷模型，該模型對(duì)肺癌和非肺癌組的診斷正確率依次為72.9%（242/332）和97.8%（713/729）。以另選取138例肺癌和273例非肺癌患者進(jìn)行預(yù)測(cè)，該模型對(duì)肺癌和非肺癌組的預(yù)測(cè)正確率分別為65.2%（90/138）和93.8%（256/273）。

2.6 MPL?ANN、PLS?DA和FG?SVM模型比較 基于血清CEA、NSE、CA125和Cyfra21?1的FG?SVM和MPL?ANN模型診斷肺癌患者的正確率均高于PLS?DA模型（P<0.05）。FG?SVM模型正確率最高，MPL?ANN模型最低，差異有統(tǒng)計(jì)學(xué)意義（P<0.05）。3種模型中MPL?ANN模型預(yù)測(cè)肺癌組和非肺癌組患者的準(zhǔn)確率均最高，分別為71.0%和94.1%，MPL?ANN和FG?SVM模型預(yù)測(cè)肺癌患者的準(zhǔn)確率均高于PLS?DA模型（P<0.05），見表4。

表3 基于血清CEA、NSE、CA125和Cyfra21?1的六種SVM模型比較Tab.3 Comparison of six SVM models based on serum CEA，NSE，CA125 and cyfra21?1

表4 基于血清CEA、NSE、CA125和Cyfra21?1的3種模型診斷和預(yù)測(cè)正確率比較Tab.4 Comparison of diagnosis and prediction accuracy of three models based on serum CEA，NSE，CA125 and cyfra21?1

3 討論

血清腫瘤標(biāo)志物是早期診斷肺癌的有效手段，具有簡(jiǎn)單、快速、創(chuàng)傷小且成本較低等優(yōu)點(diǎn)，但目前尚無理想的肺癌標(biāo)志物［12］。CEA是肺癌常用的腫瘤標(biāo)志物，在肺癌的篩查、診斷、轉(zhuǎn)移和療效監(jiān)測(cè)中扮演著重要角色［6］。Cyfra21?1是細(xì)胞角蛋白19片段，與鱗狀細(xì)胞癌抗原、硫氧還蛋白聯(lián)合檢測(cè)有助于肺癌的診斷、轉(zhuǎn)歸和病理組織分型［13］。NSE是公認(rèn)的小細(xì)胞肺癌較特異的標(biāo)志物，有助于評(píng)估抗腫瘤藥物對(duì)小細(xì)胞肺癌的治療效果［14］。CA125在肺腺癌中的含量和陽性率均顯著高于小細(xì)胞肺癌和肺鱗癌，有助于肺癌的病理分型和指導(dǎo)治療［10，15］。本研究中，肺癌組患者血清CEA、NSE、CA125和Cyfra21?1水平均顯著高于良性組和對(duì)照組，表明四項(xiàng)腫瘤標(biāo)志物有助于肺癌的鑒別診斷，與馬志紅等［16］報(bào)道一致。本研究中，四項(xiàng)標(biāo)志物的AUC均較低（0.578～0.796）且診斷肺癌的靈敏度也不理想（42.1%～61.5%），可能與研究中有較多早期肺癌患者（53.6%）有關(guān)。四項(xiàng)標(biāo)志物的診斷效能均較低也提示單項(xiàng)指標(biāo)輔助診斷肺癌效果較差，需聯(lián)合檢測(cè)提高肺癌診斷的正確率。

PLS?DA、MPL?ANN和SVM模型是多維數(shù)據(jù)分析中常用的有監(jiān)督模式識(shí)別技術(shù)。該技術(shù)與多指標(biāo)聯(lián)合檢測(cè)的主成分分析或因子分析相比，最大的優(yōu)點(diǎn)是能綜合多指標(biāo)進(jìn)行診斷和預(yù)測(cè)分析，避免單一指標(biāo)絕對(duì)值增加或降低對(duì)臨床的誤導(dǎo)、使結(jié)論更科學(xué)、合理［15］。ANN以大腦神經(jīng)元的活動(dòng)規(guī)律為背景，通過抽象、簡(jiǎn)化和模仿人腦的某些特征提高分析、處理數(shù)據(jù)信息的效率，有助于解決肺癌精準(zhǔn)醫(yī)學(xué)發(fā)展遇到的問題［18］。MPL?ANN相對(duì)于單層感知器不僅能很好地處理線性問題，還能處理非線性可分離問題，在肺癌的鑒別診斷中顯示了一定的應(yīng)用潛力。前期研究表明，MPL?ANN模型對(duì)肺癌有較好的診斷準(zhǔn)確率（80.7%，100/124）和預(yù)測(cè)準(zhǔn)確率（82.3%，102/124）［19］。NARESH等［20］采用ANN模型實(shí)現(xiàn)了92.7%肺癌患者的鑒別診斷和95.1%患者的預(yù)后分析。FENG等［21］聯(lián)合CEA、NSE等六種腫瘤標(biāo)志物建立ANN模型，能有效鑒別診斷肺癌、肺良性疾病和三種胃腸腫瘤。本研究中MPL?ANN對(duì)肺癌的診斷和預(yù)測(cè)準(zhǔn)確率分別為73.0%（336/460）和93.2%（934/1002），診斷和預(yù)測(cè)結(jié)果與以上報(bào)道相似。PLS?DA是代謝組學(xué)中常用的數(shù)據(jù)處理模型，該模型可以減少變量間多重共線性，在樣本數(shù)目小于測(cè)量指標(biāo)時(shí)仍有很好的分類效果。課題組前期研究發(fā)現(xiàn)，基于血清中CEA、NSE、CA125和Cyfra21?1的PLS?DA模型對(duì)肺癌和肺良性疾病均有較好的鑒別診斷價(jià)值［19］。本研究中PLS?DA模型的診斷正確率低于前期小樣本探索研究，可能與增大樣本量和納入更多早期肺癌患者和對(duì)照人群有關(guān)。

SVM使用核函數(shù)將輸入特征從低維空間映射到高維空間，實(shí)現(xiàn)比傳統(tǒng)線性分類方法更好的分類能力，已用于醫(yī)學(xué)領(lǐng)域。王洪凱等［22］利用SVM模型，實(shí)現(xiàn)了PET?CT影像中非小細(xì)胞肺癌縱膈淋巴結(jié)良、惡性分類。紀(jì)鵬慧等［23］建立血清10項(xiàng)指標(biāo)的SVM模型并通過內(nèi)代法驗(yàn)證，該模型的預(yù)測(cè)正確率為90.3%，優(yōu)于Fisher線性判別分析模型。本研究發(fā)現(xiàn)，利用不同核函數(shù)建立SVM模型對(duì)肺癌的診斷正確率均有差異，基于非線性核函數(shù)建立5種SVM模型中有3種的診斷正確率均高于線性核函數(shù)模型（L?SVM）。此外，基于FG?SVM模型和MPL?ANN的非線性模型的診斷準(zhǔn)確率也優(yōu)于PLS?DA線性模型。以上結(jié)果表明，模式識(shí)別技術(shù)的應(yīng)用效果與數(shù)據(jù)類型密切相關(guān)，尋找最優(yōu)的模型才能挖掘更多有價(jià)值的數(shù)據(jù)信息，提高診斷和預(yù)測(cè)的正確率。

大數(shù)據(jù)時(shí)代，由于海量數(shù)據(jù)不斷產(chǎn)生，采用多種模型對(duì)比分析更有助于數(shù)據(jù)的合理利用和臨床精準(zhǔn)診斷。本研究基于血清CEA、NSE、CA125和Cyfra21?1構(gòu)建了3種數(shù)據(jù)挖掘模型，其中FG?SVM和MPL?ANN模型在診斷和預(yù)測(cè)中顯示了更優(yōu)的效果，為模型識(shí)別技術(shù)在肺癌的鑒別診斷和預(yù)測(cè)分析提供了參考依據(jù)。但是，本研究也有一定的應(yīng)用局限性。由于本研究采用臨床上常見的腫瘤標(biāo)志物且類型偏少，3種模型對(duì)肺癌診斷的正確率最高僅有73%。因此，本實(shí)驗(yàn)室在后續(xù)肺癌的數(shù)據(jù)挖掘和構(gòu)建診斷、預(yù)測(cè)模型時(shí)需要考慮增加新檢測(cè)指標(biāo)及樣本量，提高肺癌診斷的正確率和實(shí)用性。此外，本研究中研究對(duì)象主要為肺癌患者，未能納入其它腫瘤患者進(jìn)行對(duì)比研究，還需后續(xù)需增加非肺癌患者進(jìn)行對(duì)比研究，使結(jié)論更嚴(yán)謹(jǐn)、準(zhǔn)確可靠。