李 轩，王子为，赵靖萱，刘子琦，崔祉盈，闫佰荟，李 范

    (中国医科大学创新学院1，中英联合学院2，健康管理学院3，辽宁 沈阳 110122)

    肿瘤(tumor)是机体在各种因素作用下，局部组织的细胞在基因水平上失去对其生长的正常调控，导致细胞克隆性异常增生而形成的新生物，多表现为占位性块状病变。在医学领域，通常将其分为良性和恶性两大类。其中，恶性肿瘤近年来已成为危害人类健康的重要疾病，其发病率和死亡率逐年上升，是全球主要死因之一，阻碍了人类期望寿命的延长，也导致了巨大的疾病负担[1，2]。预后是指根据个人状况和常见的病程预测疾病可能的结局。在个性化精准医疗时代，临床医生向患者提供准确的预后预测信息的能力变得愈加重要，准确的恶性肿瘤预后分析有助于医患选择合适的治疗方式，从而提高肿瘤患者的生存时间与生活质量。较早的研究采用统计学方法评估和筛选影响肿瘤预后的相关因素。随着信息化技术的发展，为了更好地辅助临床医生选择合适的治疗方法并评估疗效，各种肿瘤预后预测模型应运而生[3-6]。机器学习是一门涉及概率论、数理统计、逼近论、算法复杂度理论等多领域的交叉学科，主要研究如何使用计算机模拟或实现人类学习活动，以获取新的知识或技能，重新组织已有的知识结构并不断改善自身的性能。作为人工智能的核心技术，对于给定数据集，机器学习能评估其中未知的相互关系，并根据识别出的关系来预测新的结果。有研究已经证实[7，8]，机器学习方法与传统的统计学方法相比能够做出更为准确的肿瘤诊断及预后判定。目前，国际上已积累了相当数量的采用机器学习方法构建肿瘤预后模型的科研成果，但缺乏对该领域研究概况的系统全面梳理。鉴于此，本研究利用PubMed 数据库收集肿瘤预后预测领域机器学习相关的原始研究论文，通过文献计量和共词双聚类分析，探讨该领域研究的热点问题和发展趋势，以期为研究人员的后续研究提供信息支持和参考借鉴。

    1 数据与方法

    1.1 数据来源 本研究的数据来源于国际权威生物医学文献数据库PubMed，通过该数据库的主题词途径进行检索，检索策略为："machine learning"[MeSH Terms] AND "neoplasms"[MeSH Terms] AND"prognosis"[MeSH Terms]，检索的时间范围从PubMed 建库至2021 年7 月，最后检索时间为2021年7 月20 日。依据以上检索策略，共检索文献898篇。然后根据纳入和排除标准，对检出文献进行人工筛选。最终纳入838 篇肿瘤预后预测领域机器学习相关的原始学术研究性论文作为本研究的文献数据集 ......