价值研究
周志强;田刚
【摘 要】Objective To evaluate the combined diagnostic values of CEA ,Cyfra21‐1 ,NSE ,SCC and Pro‐GRP for patients with lung
cancer .Methods Totally 127 cases with lung cancer were selected in the hospital from Feb .2014 to Mar .2016 ,which were di‐vided as lung cancer group .And 154 patients with benign pleural effusion were selected as control group .Concentrations of CEA , Cyfra21‐1 ,NSE ,SCC and Pro‐GRP in pleural effusion were measured by the electrochemiluminescence and chemiluminescence as‐says .The methods of principal component analysis (PCA) and orthogonal partial least squares‐discriminant analysis (OPLS‐DA) were used for evaluation the diagnostic performances of five tumor markers in pleural effusion for patients with lung cancer .Results Concentrations of CEA ,Cyfra21‐1 ,NSE ,SCC and Pro‐GRP in pleural effusion in the lung cancer group were significantly higher than that in the control group (P< 0 .01) .PCA model revealed that there was different metabolic profiling between lung cancer group and control
group ,showing a tendency of discrimination .The lung cancer and other benign lung diseases were effectively dis‐criminated by the OPLS‐DA model with 88 .6% (124/140) of sensitivity ,90 .9% (140/154) of specificity and 89 .8% (264/294) of accuracy ,respectively .Conclusion Based on tumor markers of CEA ,Cyfra21‐1 ,NSE ,SCC and Pro‐GRP in pleural effusion ,the
PCA and OPLS‐DA models are helpful for the diagnosis of lung cancer .%目的：探讨联合检测胸腔积液中癌胚抗原（CEA）、细胞角蛋白19片段（Cyfra21‐1）、神经元特异性烯醇化酶（NSE）、鳞状细胞癌抗原（SCC）和胃泌素释放肽前体（Pro‐GRP）对肺癌的诊断价值。方法选择西南医科大学附属医院2014年2月至2016年3月127例肺癌患者为肺癌组，随机选择154例良性胸腔积液患者为对照组。采用电化学发光法和化学发光法测定胸腔积液中CEA、Cyfra21‐1、NSE和SCC和Pro‐GRP水平。应用主成分分析（PCA）法和正交偏最小二乘判别分析（OPLS‐DA）法评估联合检测胸腔积液5种肿瘤标志对肺癌的诊断价值。结果肺癌患者胸腔积液中CEA、Cyfra21‐1、NSE ，SCC和Pro‐GRP水平均显著高于对照组，差异有统计学意义（P＜0．01）。PCA模型表明，两组个体的代谢轮廓各不相同，有分离趋势。OPLS‐DA能较好地鉴别肺癌和肺部良性疾病，具有88．6％（124／140）的灵敏度、90．9％（140／154）的特异性和89．8％（264／294）的准确率。结论基于胸腔积液CEA 、Cyfra21‐1、NSE 和SCC 和Pro‐GRP 的PCA 和OPLS‐DA 模型有助于肺癌的鉴别诊断。 【期刊名称】《检验医学与临床》 【年(卷),期】2016(013)021 【总页数】3页(P3032-3033,3036) 【关键词】肺癌;诊断;肿瘤标志物;胸腔积液 【作 者】周志强;田刚
【作者单位】北京市昌平区妇幼保健院检验科 102200;西南医科大学附属医院检验科，四川泸州646000
【正文语种】中 文
恶性胸腔积液是肺癌常见的并发症，严重影响肺癌患者的生存质量[1]。研究表明，肿瘤导致的胸腔积液患者生存周期不足一年，而肺癌导致的胸腔积液其生存周期仅半年[2]。肺癌是目前发病率和病死率最高的恶性肿瘤[3]，但胸腔积液癌胚抗原(CEA)[4]和细胞角蛋白19片段(Cyfra21-1)[5]鉴别诊断肺癌的灵敏度较低。联合检测胸腔积液肿瘤标志有助于肺癌的鉴别诊断[6]，尽管串联或并联试验提高了诊断试验的效能但效果并不理想[7]。代谢靶标分析是代谢组学的一个层次，通过分析特定组分的代谢变化能更全面地了解疾病状态下机体特定组分的代谢变化[8]。主成分分析(PCA)法和正交偏最小二乘判别分析(OPLS-DA)法是代谢组学中常用的模式识别技术，有助于疾病的鉴别诊断和寻找潜在的标志物。本研究拟建立基于胸腔积液肿瘤标志CEA、Cyfra21-1、神经元特异性烯醇化酶(NSE)、鳞状上皮细胞癌抗原(SCC)和组织多肽抗原(Pro-GRP)的PCA和OPLS-DA模型用于肺癌的诊断价值研究，为肺癌的鉴别诊断提供新思路。
1.1 一般资料 选择西南医科大学附属医院2014年2月至2016年3月首次入院患者127例为肺癌组，以病理或脱落细胞学确诊，其中男96例，女31例。肺癌组平均(55.7±19.9)岁，其中鳞癌50例，腺癌46例，大细胞癌6例，小细胞肺癌25例。随机选择154例良性胸腔积液患者为对照组，对照组平均(49.7±22.8)岁，其中原发性肺结核93例、肺炎34例、慢性支气管炎19例、肺气肿8例。 1.2 方法 采用罗氏电化学发光全自动免疫分析仪(Elecsys，1010)和配套试剂测定胸腔积液中CEA、Cyfra21-1、NSE和SCC水平。采用雅培(I2000SR)化学发光免疫分析仪及配套试剂检测胸腔积液中Pro-GRP水平。CEA、Cyfra21-1、NSE，SCC和Pro-GRP的参考区间：CEA 0～4.7 ng/mL、Cyfra21-1 0～3.33 ng/mL 、NSE 0～33.3 ng/mL、SCC 0～1.60 ng/mL和Pro-GRP 0～10.0 ng/mL。 1.3 统计学处理 采用SPSS 18.0对数据进行分析。CEA、Cyfra21-1、NSE，SCC
和Pro-GRP肿瘤标志水平以中位数(M)和四分位数间距(P25，P75) 表示，组间比较采用独立样本的秩和检验。PCA和OPLS-DA模型的建立采用SIMCA-P12.0软件完成。以P<0.05为差异有统计学意义。
2.1 肺癌组与对照组胸腔积液中CEA、Cyfra21-1、NSE，SCC和Pro-GRP肿瘤标志水平比较 肺癌组患者胸腔积液中CEA、Cyfra21-1、NSE，SCC和Pro-GRP的水平均显著高于对照组，差异有统计学意义(P<0.01)，其中CEA水平达到对照组4倍。见表1。
2.2 基于胸腔积液5种肿瘤标志的PCA模型 本研究中，为消除胸腔积液不同肿瘤标志的量纲和数量级的影响，将数据标准化处理[(测定值-均值)/标准差]后建立PCA模型，该模型中前两个主成分能揭示数据81.8%的综合信息[第一主成分(PC1)=59.3%，λ1=3.97，第二主成分(PC2)=22.5%，λ2=1.31]，提示PCA模型构建成功。基于胸腔积液CEA、Cyfra21-1，NSE、SCC和Pro-GRP肿瘤标志的PCA模型表明，多数肺癌和肺部良性疾病患者都位于95%置信区间(95%CI)的Hotelling′s T2椭圆形内，肺癌组患者个体分布离散而对照组患者个体差异较小且能明显聚类。部分肺癌组患者和对照组个体的空间分布相似，提示基于胸腔积液CEA、Cyfra21-1、NSE、SCC和Pro-GRP的PCA模型尚不足以完全鉴别诊断肺癌。见图1。
2.3 基于胸腔积液5种肿瘤标志的OPLS-DA模型 OPLS-DA模型中以R2Y和Q2Y分别表示累积的自变量(X)对Y的解释能力和模型的预测能力，Q2Y>0.50且0 本研究首次报道了胸腔积液CEA、Cyfra21-1、NSE、SCC和Pro-GRP对肺癌的鉴别诊断价值，肺癌患者胸腔积液中CEA、Cyfra21-1、NSE、和SCC水平均显著高于对照组患者(P<0.01)，这与陈新等[11]报道一致。Pro-GRP是小细胞癌的自主生长因子，是诊断小细胞肺癌较好的肿瘤标志物[12]。研究发现，肺癌患者胸腔积液Pro-GRP水平显著高于对照组患者(P<0.001)，与刘云秋等[13]的研究结果一致。 PCA是常用的无监督的模式识别技术，在数据信息损失最少的原则下将多指标综合为几个指标(即主成分)，以主成分揭示原始数据的综合信息[14]。PCA以总方差不变的原则提取主成分且满足特征根(λ)≥1，其中PC1揭示最多数信息PC2次之[15]。因此，以PC1对PC2作图，可在二维空间显示个体的综合代谢变化和空间分布特征。本研究发现，肺癌患者胸腔积液5种肿瘤标志代谢明显紊乱与肺部良性疾病有分离趋势，表明PCA模型有助于肺癌的鉴别诊断。OPLS-DA模型是常用的有监督的模式识别技术，通过正交信号矫正去掉与分类变量(Y)无关的变量信息，有助于建立诊断模型和寻找潜在的标志物[16]。基于胸腔积液中五种肿瘤标志OPLS-DA模型对肺癌的诊断取得了较好的灵敏度、特异性和准确率。前期研究表明[17]，基于胸腔积液CEA、NSE，Cyfra21-1和糖类抗原CA125的偏最小二乘判别分析(PLS-DA)有助于肺癌的鉴别诊断。本研究利用OPLS-DA模型全面分析了肺癌和肺部良性疾病胸腔积液中CEA、Cyfra21-1，NSE、SCC和Pro-GRP的代谢变化，也取得了较好的诊断效果。 目前，尚未见PCA和OPLS-DA模型用于评估胸腔积液CEA、Cyfra21-1，NSE、SCC和Pro-GRP对肺癌的诊断价值。因此，本研究为肺癌的诊断提供了一种新思 路。 【相关文献】 [1]Sugiura S,Ando Y,Minami H,et al. Prognosticvalueofpleuraleffusioninpatientswithnon-smallcelllungcancer[J].ClinCancerRes,1997,3(1):47-50. [2]KolschmannS,BallinA,GillissenA.Clinicalefficacyandsafetyofthoracoscopictalcpleurodesisinmalignantpleuraleffusions[J].Chest,2005,128(3):1431-1435. [3]SiegelR,NaishadhamD,JemalA.Cancerstatistics,2013[J].CACancerJClin,2013,63(1):11-30. [4]LiangQL,ShiHZ,QinXJ,etal.Diagnosticaccuracyoftumourmarkersformalignantpleuraleffusion:ameta-analysis[J].Thorax,2008,63(1):35-41. [5]GuP,HuangG,ChenYM,etal.DiagnosticutilityofpleuralfluidcarcinoembryonicantigenandCYFRA21-1inpatientswithpleuraleffusion:asystematicreviewandmeta-analysis[J].JClinLabAnal,2007,21(6):398-405. [6]刘凤琴．CEA、NSE、CYFRA21肿瘤标志物联合检测在胸腔积液中肺癌辅助诊断的应用价值[J]．齐齐哈尔医学院学报，2012，33(19)：2658-2659． [7]贾成瑶，王莉，毛志刚，等．急性心肌梗死诊断中心肌损伤标志物联合应用的临床价值[J]．四川大学学报(医学版)，2009，40(6)：1082-1085． [8]许国旺，杨军．代谢组学及其研究进展[J]．色谱，2003，21(4)：316-320． [9]ErikssonI,JohanssonE,Kettaneh-WoldN,etal.Multi-andmegavariatedataanalysis:principleandapplications[M].Umeå:UmetricsAcademy,2001. [10]WiklundS,JohanssonE,SjostromL,etal.VisualizationofGC/TOF-MS-basedmetabolomicsdataforidentificationofbiochemicallyinterestingcompoundsusingOPLSclassmodels[J].AnalChem,2008,80(1):115-122. [11]陈新，李宝重，何明，等．胸腔积液中CEA、CYFRA21-1、NSE、SCC-Ag水平变化及意义[J]．山东医药，2013，53(16)：63-65． [12]ShibayamaT,UeokaH,NishiiK,etal.Complementaryrolesofpro-gastrin-releasingpeptide(ProGRP)andneuronspecificenolase(NSE)indiagnosisandprognosisofsmall-celllungcancer(SCLC)[J].LungCancer,2001,32(1):61-69. [13]刘运秋，于立群，林江涛．检测肿瘤标志物ProGRP、NSE、CYFRA21-1、CEA对胸腔积液鉴别诊断价值的研究[J]．中国肺癌杂志，2006，9(3)：273-276． [14]JolliffeIT.Principalcomponentanalysis[M].NewYork:Springer-VerlagInc,1986:85. [15]LindsayI.Atutorialonprincipalcomponentsanalysis[M].NewYork:Springer-VerlagInc,2002. [16]李娟．运输相关压力对羊新陈代谢影响的代谢组学研究[D]．上海：华东师范大学，2011． [17]田刚，周明术，宋敏，等．基于胸腔积液肿瘤标志物的PLS-DA和ANN-MPL模型对肺癌的诊断价值分析[J]．成都医学院学报，2013，8(5)：521-524． 因篇幅问题不能全部显示，请点此查看更多更全内容