內容提要
本書共分為五個部分，每一部分都從不同的角度來討論癌癥結果預測的問題。第一部分描述了一些臨床工作者與癌症打交道時所面臨的問題和某些困境．涉及的問題包括TNM分級法、生存分析和競爭風險的一般處理方法等。第二部分描述了生物標記和遺傳標記及生物信息學的作用等內容。對癌症的遺傳和環境基礎的理解，在鑑定高危人群以及開發有效的預防策略和早期檢測戰略中有重要作用。第三部分則通過分析各種類型的癌症實例來說明數學分析在預測中的作用。第四部分描述了一些用於癌症診斷的機器學習方法。最後本書還介紹了科學和醫學團體如何共享信息，以及普通大眾如何通過信息技術和網際網路使用這些信息。
本書綜述了一系列學科分支的最新發展，其中包括綜合的決策支持系統，它的組成包括組織病理學和臨床標誌的分子標誌物等，後者與完善的非先行數學和統計學方法相結合，來精確地預測標準療法的預後。這些進展為近可能多地使用個體生物譜進行個體化推斷開闢了道路，個體化推斷的目的是研究人們所關注的協變依戀—典型例子為惡性診斷，癌症發展階段，以及死亡與復發的事件發生時間統計。
目錄
前言
參編人員
引言
第一部分臨床難題
第一章口腔癌手術切除樣本的詳細組織學分期的預測性價值
第二章眼球內黑色素瘤治療後的存活率
第三章相對生存率分析的最新進展
第二部分生物和遺傳因素
第四章肺癌的環境和遺傳風險因素
第五章細胞內混沌，癌症，細胞作業系統和頭頸部癌症的生存的生存率預測
第三部分預後模型的數學背景
第六章 癌症預後預測的彈性風險模型：生物信息學知識的套用
第七章 通過神經網路在生存率分析和特徵選擇中套用信息幾何學
第八章 人工神經網路乳腺癌患者生存率分析：一個淋巴結陰性研究
第四部分機器學習方法的套用
第九章 人工神經網路在癌症患者預後的診斷和評估中的使用
第十章 機器學習對解決預後醫學問題的作用
第十一章 通過磁共振成像和波譜數據的模式識別對腦癌進行分類
第十二章 基於家族數據對遺傳性非息肉性結直腸癌進行自動化風險分析
第十三章 微陣列技術對腦癌的影響
第五部分信息傳播
第十四章 醫學信息系統網路與新生代系統的發展
第十五章 Geoconda：多中心研究的一個網路環境
第十六章 醫學預測模型的發展與實施
索引
