食管癌是一种消化道恶性肿瘤疾病,其发病率和死亡率在我国的排名仅次于肺癌、肝癌和胃癌,与西方食管腺癌不同,食管鳞癌在我国比较常见。但由于个体的差异性,手术治疗并不总能很好地延长患者寿命。本文主要基于食管鳞癌患者的临床表型数据,准确预测食管鳞癌患者生存风险,为患者治疗方案的选取提供指导。主要研究内容如下:针对临床表型数据变量多且基于全变量建立的生存风险模型预测效果差的问题,提出了基于自适应最小绝对收缩和选择算子(Adaptive Least Absolute Shrinkage and Selection Operator,Ada LASSO)的食管鳞癌生存风险预测模型。采用卡方检验和信息熵筛选与TNM相关的病理检查指标,并构建早期癌和中晚期癌决策树分类器。采用Ada LASSO方法筛选与早期癌、中晚期癌生存相关的血液指标,利用逻辑回归(Logistic Regrsssion,LR)分析分别建立早期癌和中晚期癌的线性生存风险预测模型。所构建的风险预测模型能够有效预测食管鳞癌的五年生存状况,为患者的临床治疗提供指导意见。针对TNM模型与阳性淋巴结对数比(Log Odds of Positive Lymph Nodes,LODDS)模型风险预测准确率低的问题,提出了基于Ada LASSO和列线图的生存风险预测模型。首先采用单因素COX分析采用风险比筛选与生存率相关的病理检查指标,进一步采用Ada LASSO进一步优化重要变量。根据确定的重要变量,构建生存风险的概率预测模型,采用列线图方法图形化表示概率预测模型。与TNM和LODDS模型相比,所构建的模型大幅提高了风险预测准确率,为食管鳞癌预后分析提供了思路。针对线性风险预测模型预测准确率低的问题,提出了基于Ada LASSO-改进密度峰值聚类(Modify Density Peaks Clustering,MDPC)-反向传播(Back Prapagation,BP)神经网络的非线性生存风险预测模型。采用Ada LASSO筛选与生存显著相关的临床表型变量。考虑到患者之间存在个体差异,借助余弦距离改进DPC算法,实现了患者的有效聚类。基于不同类的患者,采用BP神经网络分别构建风险预测模型。实验结果表明,所构建模型的预测准确率比线性模型提高了5.2%,根据每个患者的检验报告和风险评估情况自动匹配簇类并为推荐相应的治疗方案提供参考。