付振宇 范 明 厉力华

(杭州电子科技大学生物医学工程与仪器研究所，杭州 310018)

引言

乳腺癌是最常见的女性癌症[1]。2019年国家癌症中心发布的中国癌症报告显示，在过去10余年中，乳腺癌患者的生存率呈上升趋势，但由于临床早期就诊率低和晚期病例临床诊疗不规范等原因，我国乳腺癌的5年生存率仍与美国等发达国家存在差距[2]。在乳腺癌诊疗中，对乳腺癌临床病理信息进行准确判断，可为乳腺癌的精准治疗提供有效参考。乳腺癌病理报告是诊断和治疗的主要依据，常见的病理信息包含乳腺癌组织学分级、Ki-67表达和分子分型等，其中乳腺癌分子分型对于选择合适的个性化治疗方法有很大帮助，有助于乳腺癌的精准诊疗。

在乳腺癌的实际诊疗过程中，可能存在病理信息不全或者病理报告缺失的问题，这对乳腺癌的精准诊疗造成困扰。肿瘤基因表达数据具有维数高、样本量少、冗余信息大且容易出现数据缺失的情况[3-4]，目前针对缺失数据的填补方法包括：一是列表式删除法，即将存在缺失数据的行简单地从矩阵中删除，以得到一个完整的数据集；二是利用特定值来填补；三是利用统计学方法进行填补估计，如行均值、K近邻法、贝叶斯主成分分析法[5]、支持向量回归[6]等。这些缺失数据填补方法进展较快，但也存在一定问题：列表式删除法直接删除了许多有效信息；特定值填充法或行均值法没有考虑数据本身属性之间的关系；其他的填补方法也仅关注基因数据本身，没有考虑使用其他辅助信息来提升填补精度。……