郑丽媛¹ 冯向荣¹ 张妍妍¹ 李昊鑫²

1.河南科技学院；2.豫北医学院日新书院

摘要(Abstract)：

精准预测癌症患者生存期有利于辅助医生制定个性化的治疗方案，改善患者生存状态。本研究通过对比多种算法，选择了最优的机器学习与神经网络模型相融合的算法，使用临床数据、基因表达、mRNA和拷贝数变异数据，对乳腺癌患者生存期进行预测。通过对比不同方法的预测性能，本文提出的融合算法AUC值为0.936，性能较好，是一种有效提高预测性能的算法。

关键词(KeyWords)：

数据融合；生存期预测；机器学习；神经网络

参考文献(References)：

［1］Bray F ，Laversanne M ，Sung H ， et al.Global cancer statistics 2022: GLOBOCAN estimates of incidence and mortality worldwide for 36 cancers in 185 countries［. J］.CA: a cancer journal for clinicians，2024，74（3）:229-263. 

［2］李挺.乳腺癌异质性的分子遗传学基础及临床应用［J］. 中华外科杂志，2017，55（02）：104-8. 

［3］叶娴，郭翠萍，张国君.基因全基因组关联研究的乳腺癌预后预测研究现状［J］.中华乳腺病杂志：电子版，2019，13 （04）：239-241. 

［4］翟羽佳，李冠鹏，丛金玉，等.深度学习在癌症生存期预测中的研究进展［J］.生物医学工程研究：2024，43（5）：394-401. 

［5］J M V D V ，D Y H ，J L V V ， et al.A gene-expression signature as a predictor of survival in breast cancer.［J］.The New England journal of medicine，2002，347（25）:1999-2009. 

［6］Wang Y ，Klijn G J ，Zhang Y ， et al.Gene-expression profiles to predict distant metastasis of lymph-node-negative primary breast cancer［J］.The Lancet，2005，365（9460）:671-679. 

［7］Wang C ，Guo J ，Zhao N ，et al. A cancer survival prediction method based on graph convolutional network［J］. IEEE transactions on NanoBioscience，2019，19（1）：117-126. ［8］何宗真.基于多组学数据整合的癌症分型及预后方法研究［D］.西安：西安电子科技大学，2021. ［9］薛婧瑶.基于深度学习的乳腺癌患者生存期预测方法［D］. 北京：北京邮电大学，2024. 

［10］丁可歆.基于机器学习方法的肝癌生存期预测研究［D］. 武汉：华中农业大学，2022 

［11］方秋莲，周仪璇，伍幸.融合多组学数据的乳腺癌生存期预测模型研究［J］.湘潭大学学报（自然科学版），2023，45 （6）：44-51 

［12］任泽裕，王振超，柯尊旺，等.多模态数据融合综述［J］. 计算机工程与应用，2021，57（18）：49-64.