自组织竞争网络在模式分类中的应用—患者癌症发病预测

癌症（cancer），医学上称为：恶性肿瘤（malignant neoplasm），是机体在环境污染、化学污染（化学毒素）、电离辐射、自由基毒素、微生物（细菌、真菌、病毒等）及其代谢毒素、遗传特性、内分泌失衡、免疫功能紊乱等等各种致癌物质、致癌因素的作用下导致身体正常细胞发生癌变的结果，常表现为：局部组织的细胞异常增生而形成的局部肿块。癌症是机体正常细胞在多原因、多阶段与多次突变所引起的一大类疾病。人体基因组图谱好比是一张能说明构成每一个人体细胞脱氧核糖核酸(DNA)的30亿个碱基对精确排列的“地图”。科学家们认为，通过对每一个基因的测定，人们将能够找到新的方法来治疗和预防许多疾病，如癌症和心脏病等。基因有两个特点，一是能忠实地复制自己，以保持生物的基本特征；二是基因能够“突变”，突变绝大多数会导致疾病，另外的一小部分是非致病突变。非致病突变给自然选择带来了原始材料，使生物可以在自然选择中被选择出最适合自然的个体。未来人们在体检时，由搭载基因芯片的诊断机器人对受检者取血，转瞬间体检结果便可以显示在计算机屏幕上。利用基因诊断，医疗将从千篇一律的“大众医疗”的时代，进步到依据个人遗传基因而异的“定制医疗”的时代。人在认知的过程中没有预知的正确模式，也就是我们常说的""无师自通""。在这种情况下，基于有导师学习的神经网络往往是无能为力的。自组织神经网络可以通过对客观事件的反复观察，分析与比较，自行提示其内在规律，并对具有共同特征的事物进行正确的分类。此种网络更与人脑中生物神经网络的学习模式类似，既可以通过自动寻找样本中的内在规律和本质属性，自组织，自适应地改变网络参数与结构。