随着当今社会的飞速发展，巨大的生存压力与日益严重的环境问题使得人类的健康面临巨大威胁，心血管，癌症，艾滋病等疾病的发病率持续攀升。其中，广泛而多样的癌症已成为当今社会人口死亡的主要原因之一，引起了全世界各国科学家的广泛关注。然而，复杂的发病机理，异常生长模式，特殊组织特性和不均匀结构仍然使得肿瘤预防与治疗缺乏有效手段。如何利用计算机等现代技术手段结合己知癌症发病机理辅助癌症的研究以及促进抗癌药物的研发成为新的研究热点。本文中我们主要讨论如何使用模式分类和计算机建模的方法来构建可用于癌症类型诊断、癌症治疗药物药代动力学和药效研究的集成预测系统，结合当前最新发现的肿瘤生长和调控机制，为肿瘤的生长预测和药物治疗效果的评价提供有效的研究平台。文中的肿瘤分类测试和药效预测实验，充分体现了该系统良好的性能和潜力。　　 本文主要内容包括:　　 1)介绍了癌症机理和抗癌药物研究的现状、困境以及基于模式分类和计算机模拟的新方法。传统的实验方法因其较大的代价以及较长的测试时间，在癌症研究特别是在药物的研发中表现了较大的瓶颈效应，严重制约癌症的研究进程。而基于机器学习和计算机模拟的新方法则为高效低投入的开展大规模的机理测试与药物筛选提供了可能。　　 2)基于传统模式分类方法，提出了了最小误分准则降维算法，双重无监督判别投影法等数据降维算法，利用基因表达谱数据对肿瘤进行分类。　　 3)在现行的肿瘤生长模型的基础上，提出改进的肿瘤生长综合模型。该综合模型不仅细致的考虑了各种物理化学刺激及生长因子在肿瘤生长中的重要作用，更提出了肿瘤诱导的血管生成模型将血管对肿瘤的养分提供，废物清理，药物传输等作用结合其中，使得该耦合动态系统可有效模拟肿瘤生长过程。　　 4)提出了多尺度的肿瘤药物治疗预测模型来评价药物治疗效果。该模型从药物在各器官及血液中的分布开始，结合肿瘤生长综合模型，研究药物在肿瘤内部的不均匀分布及其所造成的对肿瘤的抑制与治疗效果。最后，我们通过计算机模拟实验得到了一系列富有指导意义的疗效预测与结论。