目的 应用Logistic回归分析方法和人工神经网络（artificial neural network,ANN）技术，评估血清（serum,S-）和胸腔积液（pleural effusion,P-）中的癌胚抗原（CEA）、铁蛋白（FRT）、神经元特异性稀醇化酶（NSE）、鳞状细胞癌相关抗原（SCC）、糖类抗原50(CA50)、糖类抗原125(CA125)和细胞角蛋白19片段（CY21-1）在鉴别肺癌性胸腔积液（malignant pleural effusion of lung cancer,LC-MPE）与良性胸腔积液（benign pleural effusion,BPE）中的应用价值，建立通过肿瘤标志物诊断LC-MPE的诊断模型。方法 对临床初诊的LC-MPE和BPE患者的血清和胸腔积液肿瘤标志物结果进行分析，应用Logistic回归分析和ANN技术分别建立诊断LC-MPE的诊断模型。结果 S-NSE、S-CY21-1、P-CEA和P-NSE4项指标被筛选出并用于建模，研究建立的诊断LC-MPE的Logistic回归模型的灵敏度为93.23%，特异度为97.46%,ROC曲线下面积为0.992。建立的ANN模型的灵敏度为95.35%，特异度为97.22%,ROC曲线下面积为0.990 (P <0.05)。结论 在通过肿瘤标志物诊断LCMPE方面，建立的Logistic回归模型和ANN模型均有较好的诊断性能，上述2个模型均可辅助临床医生提高诊断准确率。