基于智能算法的卵巢惡性腫瘤標記物組模型的建模分析

劉偉靚 姚 麗▲ 曹士紅 侯箐嵐 賈秀改

1.鄭州人民醫院婦產科，河南鄭州 450003；2.河南省人民醫院，河南鄭州 450003

近年來，全球婦科腫瘤的發病率逐年上升，嚴重危害女性的健康，其中，卵巢惡性腫瘤的發病率在婦科惡性腫瘤中位列第三，其死亡率更是居于首位[1]。卵巢惡性腫瘤的早發現、早治療是醫生和患者的共同心愿。利用單一血清標記物作為診斷治療依據往往具有局限性，容易誤診，本文利用八種血清標記物聯合建立支持向量機算法模型對卵巢惡性腫瘤、良性腫瘤和健康婦女進行分類，旨在提高卵巢惡性腫瘤的早期預測、診斷準確率，從而及時制定有效的治療方案，提高患者生存率。

1 資料與方法

1.1 一般資料

2012年6月～2015年1月在鄭州人民醫院醫院婦科行手術治療的并經病理學確診的卵巢惡性腫瘤患者143例，卵巢良性腫瘤患者98例和同期來醫院體檢的健康婦女120例。卵巢惡性腫瘤組年齡21～ 70歲，平均（48.5±10.4）歲，卵巢良性腫瘤組年齡20～69歲，平均（49.7±9.9）歲，健康婦女組年齡19～72歲，平均（46.3±11.2）歲，三組年齡無統計學差異（P＞0.05）。其中，健康婦女為經超聲檢查證實無卵巢腫瘤或子宮肌瘤等婦科疾病。

1.2 方法

卵巢惡性腫瘤和良性腫瘤患者均在術前3d內，取清晨空腹肘靜脈血5mL，健康婦女組于同期空腹抽取靜脈血5mL。2min內行3000r/min離心20min，取上清液，于-20℃冰箱保存。

表1 三組臨床資料和血清標記物含量比較（±s）

表1 三組臨床資料和血清標記物含量比較（±s）

注：惡性腫瘤組與健康婦女組比較aP＜0.05;惡性腫瘤組與良性腫瘤組比較bP＜0.05;良性腫瘤組與健康婦女組比較cP＜0.05

組別 n CA125（U/mL） HE4（pmol/L） TSGF（U/mL） TNF-α（ng/mL） VEGF（pg/mL） CA153（U/mL） CA199（U/mL） IL-6（pg/mL）惡性腫瘤組 143356.83±203.47ab356.83±203.47ab356.83±203.47ab356.83±203.47ab 356.83±203.47ab356.83±203.47ab356.83±203.47ab356.83±203.47ab良性腫瘤組 98 31.85±18.07c 31.85±18.07c 31.85±18.07c 31.85±18.07c 31.85±18.07cQ 31.85±18.07c 31.85±18.07c 31.85±18.07c健康婦女組 120 9.65±5.00 9.65±5.00 9.65±5.00 9.65±5.00 9.65±5.00 9.65±5.00 9.65±5.00 9.65±5.00 F 298.016 298.016 298.016 298.016 298.016 298.016 298.016 298.016

采用酶聯免疫吸附法（ELISA）法測定血清中 HE4、TSGF、TNF-α、VEGF 、IL-6的水平。其中，儀器為BIORAD 550型酶標儀（美國），試劑盒購自R＆D Systems公司。血清CA125、CA153和CA199水平測定采用全自動電化學發光免疫分析法，儀器為瑞士羅氏公司的Cobas601，試劑盒為其配套的試劑盒。操作步驟嚴格按照說明書進行。

1.3 統計學分析

采用SPSS19.0進行統計學分析，計量資料以（）表示，組間比較采用方差分析，P＜0.05為差異有統計學意義。

1.4 支持向量機

運用支持向量機算法建立卵巢腫瘤良惡性判斷的輔助診斷模型，將結果分為健康婦女、卵巢良性腫瘤和卵巢惡性腫瘤三類，分別為0、1、2，隨后對每個類別分為兩組，重新組合數據，一組作為訓練集，另一組作為測試集。使用MATLAB軟件構建SVM0、SVM1、SVM2三個分類器，以血清標記物特征向量作為輸入向量，以病理分型結果作為輸出變量。

2 結果

2.1 三組臨床資料和血清標記物測定檢測結果

惡性腫瘤組、良性腫瘤組及健康組血清CA125、HE4、TSGF、TNF-α、VEGF、CA153、CA199、IL-6的測定結果比較見表1，由表1可知，惡性腫瘤組及良性腫瘤組IL-6水平與健康組相比，差異均顯著；而惡性腫瘤組、良性腫瘤組及健康組的其他指標水平兩兩相比，均具有統計學差異。見表1。

2.2 支持向量機模型

隨機選取123例卵巢惡性腫瘤患者、78例卵巢良性腫瘤患者以及100例健康婦女作為訓練組，用訓練組數據建立SVM模型，將剩余60例（20例卵巢惡性腫瘤患者、20例卵巢良性腫瘤患者以及20例健康婦女）測試樣本輸入到SVM模型進行訓練及仿真。仿真結果見圖1。圖中，橫坐標為測試樣本，縱坐標為模型輸出結果，“0”表示健康婦女，“1”表示卵巢良性腫瘤患者，“2”表示卵巢惡性腫瘤患者，空心圓圈表示目標輸出，“*”為SVM的實際仿真輸出。可以看出，支持向量機模型仿真測試病理結果和實際病理結果擬合程度較高，效果較理想。

圖1 SVM仿真測試結果

對支持向量機建立的數學診斷模型的診斷準確率進行檢測，結果顯示支持向量機的診斷準確率則為95%（57/60），模型準確率較高。

3 討論

由于卵巢惡性腫瘤種類繁多、組織類型復雜，且發病隱匿、預后性差，造成早期診斷困難，大部分卵巢惡性腫瘤患者發現時已經發展為晚期，能否早期診斷、盡早治療是提高患者生存率的關鍵。

支持向量機在解決小樣本、非線性和高維模式識別問題中表現出許多特有的優勢，并在很大程度上克服了“維數災難”和“過學習”等問題[2]。支持向量機是機器學習中較為先進的學習方法，在腫瘤圖像處理和圖像分類方向應用較多[3-5]，但在結合血清標記物進行癌癥診斷方面應用還很少。

CA125是目前臨床上診斷卵巢惡性腫瘤最常用的腫瘤標記物，但是它的特異性比較低，常采用和其他標記物一起聯合診斷[6-7]。HE4在卵巢惡性腫瘤患者血清中高水平表達，相比CA125它的敏感度更高，特異度更強，特別是在疾病初期階段，對卵巢惡性腫瘤的診斷意義重大[7-9]。TSGF是由腫瘤細胞產生的一種獨立的特殊物質，黃文成等[10]的研究結果顯示，TSGF在婦科惡性腫瘤中高水平表達，對卵巢癌等惡性腫瘤的診斷有一定的價值。TNF-α做為腫瘤標記物近年來已得到了廣泛的應用，可作為鑒別診斷卵巢腫瘤的一個標準。VEGF與卵巢惡性腫瘤的侵襲性行為有關，生成旺盛的腫瘤組織需氧量大，缺氧是引起VEGF 表達上調的原因之一，因此，在惡性腫瘤患者中，VEGF往往高表達[11]。許多學者認為CA153 的變化對于卵巢癌患者的診斷也存在著一定的影響[12]，但具體機制仍有待于進一步的研究。CA199在卵巢惡性腫瘤中有著較高的陽性率，常和CA125一起聯合檢測，可提高對卵巢惡性腫瘤診斷的準確率[13]。IL-6在免疫調節、血細胞生成、炎癥和腫瘤的發生方面的重要作用，已發展成為抗腫瘤治療中的重要細胞因子之一[14]。

支持向量機作為一種輔助診斷工具，屬于計算機輔助診斷的范疇，尚不能完全代替臨床醫師的診斷[15]。我們利用這8種血清標記物和分組結果建立的卵巢惡性腫瘤標記物組模型，模型的準確率可以達到95%，結果較好，可作為臨床醫生的輔助工具，雖然不能完全代替醫生的診斷，但在卵巢癌的預測方面具有重要的意義。

[1] 劉芳.應用Logistic回歸模型評價超聲在鑒別卵巢腫瘤良惡性中的價值[J].現代腫瘤醫學，2015，23（2）：264-266.

[2] 丁世飛.支持向量機理論與算法研究綜述[J].電子科技大學學報，2011，40（1）：2-10.

[3] 張海燕，藍集明.基于粗糙集和支持向量機的腫瘤圖像識別 [J].四川理工學院學報，2014，27（6）：38-42.

[4] 周濤，陸惠玲，陳志強，等.基于兩階段集成支持向量機的前列腺腫瘤識別[J].光學精密工程，2013，21（8）：2137-2145.

[5] 王曉春，黃靖，楊豐，等.基于SVM模型參數優化的多模態MRI圖像腫瘤分割方法[J].南方醫科大學學報，2014（5）：641-645.

[6] 高玉香，劉誠明.血清腫瘤標志物CA125、CA724在卵巢癌診斷中的應用[J].中國婦幼保健，2009，24（20）：2881.

[7] Park Y，Lee JH，Hong DJ，et al.Diagnostic performances of HE4 and CA125 for the detection of ovarian cancer from patients with vaarious gynecologic and non-gynecologic diseaases[J].Clin Biochem，2011，44（10）：884-888.

[8] 陳靜波.人附睪蛋白4在卵巢癌中的應用研究進展[J].國際檢驗醫學雜志，2012，33（18）：2233-2235.

[9] 禹夜，林仲秋.人附睪分泌蛋白4在婦科腫瘤中的研究進展[J].國際婦產科學雜志，2013，40（3）：251-254.

[10] 黃文成，黃玲莎，王英，等.CA125和TSGF聯合檢測在婦科腫瘤診斷中的應用價值[J].現代腫瘤醫學，2005，13（5）：621-623.

[11] 蔣欽，潘斌，何鵬飛.血清血管內皮細胞生長因子、HE4、CA153 與CA125聯合檢測對卵巢腫瘤的診斷價值 [J].醫藥前沿，2014，5：183-184.

[12] 張輝，韓波 .檢測 CA125、CA153和 CA72-4對卵巢癌診斷及療效觀察的臨床價值[J].臨床和實驗醫學雜志，2010， 9（8）：568-569.

[13] 周曉，陳紅舟，施曉.癌抗原125、癌抗原199聯合檢測對卵巢惡性腫瘤的診斷價值[J].中國基層醫藥，2011，18（4）：555-556.

[14] Grivennikov S，Karin M.Autocrine IL-6 signaling:a key event in tumorigenesis[J].Cancer Cell，2008，13（1）：7-9.

[15] Harders SW.LUCIS：lung cancer imaging studies[J].Dan Med J，2012，59（11）：B4542.