李 琳， 张学良， 王 哲， 杨日东， 周 毅

(1新疆医科大学公共卫生学院， 乌鲁木齐 830011； 2新疆医科大学医学工程技术学院， 乌鲁木齐 830011； 3中山大学中山医学院， 广州 510080)

肝细胞癌(hepatocellular carcinoma ，HCC)是全球最常见的恶性肿瘤之一，2015发布的“全球癌症统计”中指出2012年全球肝癌新发病例数约为78.25万人，死亡病例数约为74.55万人[1]。我国的肝癌死亡总数占全球肝癌死亡总数的51.4%，其发病率呈上升趋势，严重威胁人民的生命健康[2]。随着科学技术的发展和对肝癌认识的加深，肝癌的治疗方式不断进展(目前手术切除仍是肝癌患者首选治疗方法)，肝癌患者的5年生存率有所上升，但肝癌的整体预后还是较差。针对这种现状，提高预后质量是目前世界医学界的重大攻关课题。

目前基于临床风险因素，如年龄、肿瘤大小、是否出现淋巴结转移、脉管瘤栓和肿瘤分期等，能够粗略预测肝癌患者的预后状况。但是由于临床数据呈现高维度、多样化的特点，若不能将这些高维度信息综合进行总体科学预测的探索和结论，会造成预后预测准性下降。而聚类分析作为一种非监督式的机器学习方式，可以在研究对象未标记的情况下，利用算法对高维度、大样本数据集进行对象间相似性分析，将数据库中自然存在的、非常相似的对象聚集在一起。

根据患者的临床表型信息使用聚类方法区分亚组，已经在其他疾病运用并取得了结果，王智等[3]通过聚类分析获得pT1～2N0 期浸润性乳腺癌患者的12个表型亚组，且不同亚组的患者在临床病理特征上存在明显差异。……