IT行业、计算机技术和人工智能技术在数十年里发展日新月异。目前几年物联网信息产业发展势头迅猛,所有的这些造成了信息量不断的增长。特别是在医疗行业领域,医疗数据爆炸增长,已经建立起来了庞大的医疗数据库,有潜在的实用价值。伴随着以深度学习为代表的大数据分析技术不断发展和成熟,出现了大数据分析技术与医疗健康领域开始深度结合。本论文基于大数据Spark平台,开展了有关乳腺癌领域的疾病预测研究,探寻大数据分析技术在乳腺癌疾病预测上应用。首先,论文使用简单的数据挖掘技术,例如倾向得分匹配,卡方验证,KM生存分析,Cox回归针对临床数据做出了有效地分析。对患者的年龄和手术与否分组,得出患者的生存曲线。发现年龄在存活月数上不是主要因素,影响不大。手术方式起主导作用,尤其是同时切除原发灶和转移灶的患者存活月数最长。其次,本论文通过大数据spark平台和随机森林算法建立了患者呈阴性或阳性的预测分析。实验表明:在乳腺癌致病细胞细胞核的相关参数中,Perimeter、Texture和Concave points影响因子对于乳腺癌的致病影响程度较大,更易导致阳性的发生。本文建立的模型预测精度可达99.76%,精度高、方法可靠,有一定的实际应用价值。最终的实验研究结果对于乳腺癌风险的发现具有一定程度的参考意义。接着,本论文建立了基于svm算法模型的患者呈阴性或阳性的预测分析,得到了87.8%的预测精度。对比两个算法模型预测精度值,发现随机森林算法要优于svm算法。最后,本论文通过基于向量机svm和随机森林算法建立了风险致死模型,研究对比两种算法的优劣。实验结果表明基于向量机的模型预测精度达到了74.6%,基于随机森林算法的模型精度达到了75.5%,同时将两条预测曲线下的面积进行比较随机森林的0.796亦大于SVM的0.615,所以在实际的应用中随机森林算法更具使用价值。