一、研究背景
2015年3月18日至21日在音乐之都维也纳召开了第十四届圣加国乳腺癌大会，5月29日至6月2日在美国-芝加哥-迈阿密展览中心召开了第51届美国临床肿瘤学会年会( ASCO) [1]。乳腺癌的治疗早已成为世界性话题，全球对乳腺癌患者的关注也越来越重视。乳腺癌是女性常见的恶性肿瘤之一，主要是由于乳腺导管上皮出现恶性改变而产生。近年来其发病率有上升趋势，且发病年龄年轻化，据世界卫生组织国际癌症研究中心最新估计，全世界每年约140万例女性发生乳腺癌，约46万例女性死于乳腺癌。我国乳腺癌的发病率不断增高，居女性恶性肿瘤首位，死亡率仅次于肺癌，严重影响我国妇女的健康和生命[2]。如重庆市乳腺癌的发病率为3.89 /l0万，为女性恶性肿瘤的第7位[3]。乳腺癌的治疗包括手术治疗，内分泌治疗，化疗，放疗，新辅助治疗及分子靶向治疗[1]。乳腺癌是一种对化疗较敏感的实体瘤目前已证明综合治疗对提高生存率有帮助，而且多药联合应用的疗效优于单药疗效。如有关报道用紫杉醇 顺铂治疗27例，有效率为78%，中数缓解期5个月，而单用紫杉醇治疗乳腺癌有效率为54.2%[4]。但是联合用药必然引起药物的相互作用，药物联合使用所引起的结果包括：使原有的效应增强，即协同作用；使原有的效果减弱即拮抗作用；产生毒性等不良反应，即毒副作用[5]。随着多种药物合用病例数的增加，药物不良反应率也在迅速上升，其中药物相互作用是药物不良反应和毒性反应的重要原因。因此，研究药物的相互作用对临床药物选择具有重要的参考与指导意义。
二、研究目的及意义
现有的联合用药规则能指导日后的临床选择，但在疾病面前，不仅仅需要具备应付它的能力，更应追求最大效益最小风险的治疗方案。由于卫生领域数据的特点 (海量、非线性、高 维度、干扰强等), 有必要采用新的信息技术,自动、智能地对临床用药过程产生的信息进行分析。 数据挖掘就是一种很有前景的智能信息技术[6]。数据挖掘是一种决策支持过程，它能高度自动化地分析数据仓库中原有的数据，做出归纳性推理，从中挖掘出潜在的模式，帮助决策者作出正确决策[7]。关联规则挖掘作为数据挖掘技术中非常重要的一个研究领域，是由Agrawal等人于1993年为解决超市购物篮问题而提出的，主要功能在于挖掘出存在于数据中的项目或属性间潜在的关联关系[8]。经典的Apriori算法存在重复扫描数据库，增加I/O负载等缺点，本课题尝试研究并优化Apriori算法，进而对乳腺癌药物的相互作用进行关联分析，探寻潜在的联合用药规律，在临床用药的选择及节约用药成本方面提供参考。
三、国内外研究现状
1993年Agrawa等人提出关联规则挖掘用于分析顾客所购买物品间的潜在关系，揭示了顾客购买商品的规律，为超市决策者提供参考。其中Apriori算法是挖掘完全频繁项集中最有影响力的算法。算法有两个关键步骤：一是发现所有的频繁项集；二是生成强关联规则[9]。在一项新药的研发临床试验上产直至上市后观察这一过程中，药物相互作用的研究对上市后药物的警戒及新药研发起着重要的作用[10]，例如可通过对药剂，药效，药理等方面进行研究，预测未知的相互作用，在新药研发前期意识到风险的存在，从而改进研发方法，给药方案，提高药物的安全性有效性。研究表明，0.054%的住院情况，0.57%的急诊是由药物相互作用引起的[11]，所以挖掘潜在的药物相互作用不仅可以提出临床参考而且能有效地降低不良反应事件的发生。国内外许多学者将关联规则运用于医药信息的处理中，如Emmanuel Chazard等人通过挖掘联合用药或单药治疗的药理学特性预测可能发生的药物不良事件[12]；Francois Montastruc等人研究法国的血清素激活再摄入抑制剂的相互作用从而规避不良反应[13]；Su Yan等人建立一种新的回归模型从而对药物相互作用进行挖掘[8]；胡双通过优化Apriori算法挖掘心血管系统药物的相互作用[8]；左颖根据数据挖掘技术对2型糖尿并发症进行关联分析[14]。与此同时，在挖掘目标和结果评估方法的确定上，在数据的准备上也面临着相较于其他领域更高的挑战[15]。
四、研究方法和步骤
1.信息收集与整理：收集整理乳腺癌药物及药物间的相互作用。
文献主要来源于PUBMED，Springer,IEEE,CNKI，谷歌学术，百链，万方。
数据主要来源于Drugs.com,Drugbank,FDA.
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
