- 课题研究背景
乳腺癌恶性肿瘤是一种慢性的全身性疾病，与激素水平、年龄、遗传因素等相关，近年来发病率有逐年上升的趋势，在我国占女性全身各种恶性肿瘤的7%-10%，为女性发病率最高的恶性肿瘤[1]。对乳腺癌的治疗手段主要包括手术治疗、放射治疗、化学治疗、内分泌治疗及新的生物治疗。Frei在1982年提出新辅助化疗的概念，是指手术治疗或放疗前进行的全身性、系统性的细胞毒性药物治疗[1]。新辅助化疗治疗晚期乳腺癌已经的到公认，在可手术乳腺癌中也已广泛应用。它可使原发肿瘤及淋巴结转移灶明显缩小，提高晚期乳腺癌的手术切除率，增加保乳机会，抑制手术刺激造成的肿瘤细胞短期内迅速增殖，获得同手术后化疗一样的远期效果[2]。在现有医疗条件下，新辅助治疗对于提高患者生命质量有重要意义。
- 课题研究意义
随着人们对乳腺癌认识的逐渐转变，新辅助化疗的应用越来越广，因此化疗的模式不断进步， 要求结合临床实际为患者制定合理有效的新辅助化疗方案，为患者带来最大的疗效获益和最小副作用，逐步完善乳腺癌的个体化治疗[3]。大数据时代下，数据挖掘应用于医疗产业，有望获得有价值的潜在信息。若能由以前的临床研究数据挖掘分析到具有临床指导意义的新辅助治疗方案，则可为新型联合用药方案提供思路，而且可作为以后上市新药与已有抗癌药的联用的理论依据。因此临床数据作为信息挖掘的基础至关重要，本课题拟统计整理源于文献乳腺癌辅助治疗的临床数据建立抗乳腺癌药物的临床数据库，并基于所得临床数据，分析预测得到较高参考性的新辅助治疗方案。
- 国内外研究概况
目前新辅助化疗方案的研究以临床试验为主，国内外科研学者不断探索能安全有效提高患者生命质量的辅助治疗方案，并取得了一系列进展。
我国临床上多选择Ⅱa以后的相对晚期的乳腺癌患者给予新辅助化疗，临床常用的CMF（环磷酰胺 甲氨蝶呤 5-氟尿嘧啶）、CAF（环磷酰胺 阿霉素 5-氟尿嘧啶）、AC（阿霉素 环磷酰胺）、紫杉醇单药治疗及紫杉醇 阿霉素等方案均可作为新辅助治疗方案来选用[4]。此外，有资料表明表阿霉素联合常用抗癌药包括多西紫杉醇、环磷酰胺和5-氟尿嘧啶能明显改善乳腺癌患者的生存状况[5]。国内的临床治疗中越来越多地结合患者年龄、病理特点、TNM分期，基因分型等特点，与患者的主观意愿相结合，在良好沟通的基础上对患者进行个体化治疗，决定是否应行新辅助化疗及选用何种化疗方案，选择优化合理的方案可助于完成局部手术，提高pCR率及改善总生存[4]。
近年来国外专家学者在多西紫杉醇 阿霉素 环磷酰胺联合疗法、顺序添加紫杉烷疗法、连续大剂量阿霉素或环磷酰胺结合白蛋白紫杉醇疗法、白蛋白紫杉醇连续每周给药或多西紫杉醇每三周给药疗法等辅助方案的研究中取得进步。[6-9]目前，有相当多学者综合考虑患者生理状况与肿瘤的特殊因子如肿瘤大小、腋下淋巴结转移和肿瘤生物学（像激素受体、Her-2表达和多参数基因表达试验），为患者制定可供选择的个性化疗法[9,10]。
- 研究内容和步骤
- 确定目标药物：从drugs,drugbank, 国家人口与健康科学数据共享平台-药学数据中心、美国国立卫生研究院-药物信息门户、医药信息网等网站分别检索抗乳腺癌药物，整理归纳目标药物。
- 获取目标文献：分别以每种药物为关键词检索Pubmed、维普、万方、Springer、Elsevier、TTD、cansar等主流生物医学数据库，然后筛选近年的临床治疗研究为目标文献。
- 整理获取临床数据：
（1）精读若干篇外文目标文献，分析摘出每篇文献的各项临床数据，并且添加其他关键属性，如“是否联用”等。
（2）分析文献中数据的共同之处，总结药物临床研究的必要属性，如病例数、给药方案、剂量、无进展生存期、总体生产率（OR），客观缓解率（ORR）等。
（3）整理统计目标文献中的临床数据，其中对曲线图进行预处理，抓取关键点数据。同时阅读摘要获取关键语义属性。
- 设计数据库：
（1）拆分合并属性，设计数据库模式。
（2）整理获得足够量临床数据后，建立数据库。
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。
