巨乳头状乳腺癌是临床中罕见的乳腺癌病理类型,迫切需要研究该疾病的生物学特征并寻找新的治疗药物,在我们的研究中,我们收集了一例63岁巨乳头状乳腺癌病例的新鲜肿瘤标本,体外构建了能够传代6个月以上的患者源性类器官模型,HE染色结果显示类器官保持了与原发肿瘤相同的组织学特性,免疫组织化学分析结果表明类器官维持了较高的保真度。然后,我们进行药物敏感性实验,实验结果显示,氟维司群（IC50=0.275umol）,帕博西尼（IC50=2.21umol）,BKM120（IC50=3.81umol）,伊维莫司（IC50=4.45umol）,他莫昔芬（IC50=19.13umol）。结果显示,我们的巨乳头状乳腺癌类器官模型能够用于研究其病理特征并在体外模拟可行的给药方案,对临床决策有着一定的参考价值。另一部分,为了筛选影响乳腺癌患者预后的预测因素,构建评价乳腺癌患者预后的模型,我们从从SEER数据库获得2010-2015年119779名乳腺癌患者的临床和随访数据,将所有病例随机分为70%（83854名）的训练集以及30%（35925名）的验证集。利用Lasso回归筛选出对预测乳腺癌患者预后有意义的预测因子,并构建Cox比例风险模型,利用受试者工作曲线（ROC）曲线分别在训练集以及验证集中评价模型的鉴别能力,并与单纯纳入TNM预后分期因素（原发肿瘤大小、区域淋巴结以及远处转移）以预测患者预后的准确性进行对比。利用校准图评价模型的准确性,最终将模型的结果以诺莫图的方式可视化呈现。结果表明,年龄、种族、肿瘤分级、肿瘤大小、分子分型、手术治疗、淋巴结状态、远处转移是能够预测患者生存的独立预测因子。在训练集中,一年、三年、五年受试者工作曲线下面积分别为0.84、0.812、0.797,在验证集中为0.712、0.707、0.684。与单纯依靠传统的TNM预后因素预测预后相比,该模型能够更准确的量化、评估患者的预后,可为医生、病人以及医疗政策制定者提供直观、理性的信息。