癌症往往伴随着恶性肿瘤的产生，严重危害人类的健康和生命安全。随着癌症诊疗技术的飞速发展，肿瘤组织细胞是否发生EGFR(Epidermal Growth FactorReceptor)突变逐渐成为十分重要的诊断指标，对病人的临床靶向治疗有极大影响。本文的工作是探讨针对癌症突变进行辅助诊断的方案，通过与重庆大坪医院合作，具体研究方向为脑部肿瘤突变的辅助诊断。现有诊断方法是对病人进行脑部手术，提取病人脑部样本组织进行基因序列检测来获取结果，会给病人带来额外的负担与风险。同时对于患者有多种癌症的情况，现有方法忽略了不同癌症之间发生突变的潜在联系，最终分类结果也易受到临床数据中噪声的影响。本文针对以上问题进行研究，主要工作如下：①提出了一种融合多种癌症病例的突变辅助诊断方案。由于肺部肿瘤突变较容易诊断，本方案首次将肺部肿瘤突变作为自变量引入，并结合其他临床特征进行患者脑部肿瘤突变的辅助诊断，将两种不同癌症病例结合起来，研究其中潜在的联系。本文首先通过卡方检验对临床数据进行显著性分析，结果表明肺部肿瘤突变对应的P值小于0.01，具有显著性差异，因此肺部肿瘤突变与脑部肿瘤突变紧密相关。同时，本文采用SVM算法构建脑部肿瘤突变分类模型，针对是否引入肺部肿瘤突变情况进行了对比实验，实验结果表明两者在敏感度(Sensitivity)指标上结果相当；而在准确率(Accuracy)、特异性(Specificity)及AUC值(曲线下面积)三个指标上，引入肺部肿瘤突变的实验结果更优。②结合以上辅助诊断方案，在构建分类模型之前，加入对临床数据的特征提取过程。通过对临床数据进行特征提取，可以过滤其中的噪声以改善诊断效果。本文研究中结合真实临床数据，采用多种特征提取算法进行了实验对比，包括LDA算法(线性判别式分析)、PCA算法(主成分分析)及FA算法(因子分析法)。同时将以上结果与未进行特征提取的实验结果进行比较，发现采用LDA进行特征提取对应的实验结果最优，在敏感度、准确率、特异性及AUC值四个指标上具有较大改善。③结合本文提出的辅助诊断方案，实现了一套脑部肿瘤突变辅助诊断系统。以上工作主要创新点在于将肺部肿瘤突变引入模型构建，来对脑部肿瘤突变进行分类。