基于数据挖掘技术实现早期乳腺癌的个体化预后预测

乳腺癌的个体化预后预测，即提前发现并找到预后差的患者予以积极治疗，避免对预后好的患者进行过度治疗，既可以避免化疗的毒副作用，又可以节约大量宝贵的医疗资源，具有重要的科学及社会意义，也是当前研究的热点和难点。基于前期的工作基础[1]和"微弱预后预测能力放大效应"假说，我们拟利用组织芯片和免疫组织化学技术，结合我们医院大样本量的治疗规范、随访良好的乳腺癌患者资料，引入合适的关键特征选择方法筛选和优化与乳腺癌预后相关的免疫组织化学分子标志物及其组合，运用数据挖掘方法，构建稳定性和重复性好、费用低廉、易于推广、适合我国国情的乳腺癌个体化预后预测模型，实现乳腺癌患者预后的个体化预测。

目的：本研究试图利用多个分子标记物组合来个体化预测乳腺癌的预后。.方法：我们对425例乳腺癌的癌组织进行了36种分子标记物的检测。然后利用其中200例病人的临床病理特征及预后资料，结合36种分子标记物的表达状态，用支持向量机方法筛选构建了乳腺癌个体化预后预测模型。最后利用剩余的225例病人对以上模型进行了验证。.结果：我们对425例乳腺癌的癌组织进行了36种分子标记物的检测。然后利用其中200例病人的临床病理特征及预后资料，结合33种分子标记物的表达状态，用支持向量机方法筛选构建乳腺癌个体化预后预测模型。最后利用剩余的225例病人对以上预后预测模型进行了验证。模型由病人年龄、病理类型和8种分子标记物（HER2、Twsit、HtrA1、EMA、Ki67、RKIP、p21WAF1和Carcinoembryonic）构成，单因素和多因素分析证明是乳腺癌独立的预后因子，模型将全组225例病人分为高风险组67例vs. 低风险组158例，高风险组1、3、5年总的累计生存率分别是85.7%、68.1%和61.8%，低风险组1、3、5年总的累计生存率分别是93.1%、82.8%和82.8%。.结论：我们构建的基于免疫组化和支持向量机的模型能够较好的实现乳腺癌的个体化预后预测。