目的： 优化筛选预测Ⅰ期非小细胞肺癌(Non-small cell lung cancer，NSCLC)预后与转归的分子标记物或组合，建立基于混沌理论的个体化预后预测数学模型，实现单个个体的个体化预测，为Ⅰ期肺癌单个个体的个体化治疗提供基础。 研究方法： 1.利用组织芯片和免疫组化技术检测Ⅰ期NSCLC肿瘤组织的31种分子标记物的表达情况并进行半定量分级，分别采用Kaplan-Meicr法估计生存曲线，Cox比例风险模型进行多因素分析，回顾性地和前瞻性地分析了80例和39例Ⅰ期NSCLC预后因素。 2.基于混沌优化算法和支持向量机分类模型，对分子标记物最优组合数进行全局搜索和局部细搜索，找出最优解。优化筛选预测工期非小细胞肺癌预后与转归的分子标记物或组合。 3.以80例Ⅰ期非小细胞肺癌病人作为训练集，建立预后模型，再利用预后模型对39例验证集中的每一个具体病例进行预测，观察预测结果与NSCLC病人的实际生存状况是否符合。 结果： 1.采用传统的统计学方法，如Kaplan-Meier法及Cox比例风险模型，对于回顾性研究，只能确认MMP2影响预后，未发现其他可作为独立预后因子的分子标志物。在前瞻性研究中，未发现影响预后的因子。 2.以混沌优化算法和支持向量机分类为基础建立的预后模型，从31种分子标志物中优化筛选出21种分子标记物的组合用于预测预后。21种分子标记物包括bax、Bel-2、CD44v6、CEA、Cytokeratin(Low MW)、Cytokeratin(High MW)、eyelooxygenase-2、E-eadherin、EGFR、EMA、MMP-2、P16、p21ras、p21waf-1、P27kipl、p53、PCNA、PTEN、TGF-beta、TIMP-2、β-Catenin。 3.以混沌优化算法和支持向量机分类为基础建立的预后模型，对39例验证集中I期NSCLC的生存预测总的准确率达到87.2％，敏感度76.9％，特异度92.3％，阳性预测率83.3％，阴性预测率88.9％。进一步用Cox模型也确认该模型具有分类作用。 结论： 基于混沌优化算法和支持向量机分类为基础建立的预后模型，不仅可以优化筛选出预测I期非小细胞肺癌预后与转归的分子标记物组合，而且可以成功实现单个个体的个体化预测。