乳腺癌是一种常见于女性的恶性肿瘤,数据显示,2020年全球乳腺癌新增病例高达226万例,首次超过肺癌的年新增病例数,成为世界范围内年度新增病例最多的癌症。自20世纪90年代以来,中国乳腺癌发病率的增长速度是全球增长速度的两倍之多,目前乳腺癌已成为中国女性发病率第一,死亡率第五的癌症。长期快速增长的发病率,使得国家和社会所面临的经济负担与健康压力日益加重。所幸的是,与其他癌症患者相比较,乳腺癌患者的预后较好,通过积极的全身性、系统性治疗可以有效提高乳腺癌患者的生存率。新辅助化疗是现代乳腺癌治疗中一种重要的治疗手段,可以有效的提高患者的生存率与生存质量。但是新辅助化疗需要2-4个周期的治疗,才能确定患者对新辅助化疗的敏感性。相关研究数据表明,10%-35%的患者对于新辅助化疗不敏感,5%的患者病情甚至可能会进一步恶化,进行新辅助化疗直接延误了此类患者的治疗时机。另一方面,随着信息技术的快速发展,运用机器学习算法来预测患者对新辅助化疗的敏感性成为可能,在此基础上运用软件开发技术构建乳腺癌新辅助化疗辅助诊疗系统能够辅助医生决策,提高患者生存率。本研究致力于开发一套乳腺癌新辅助化疗辅助诊疗系统,其核心是使用机器学习算法建立预测模型,对乳腺癌患者的新辅助化疗敏感性进行预测。首先,采用缺失值填充、特征选取以及数据集的平衡处理方法对患者的病理数据进行预处理操作。其次,使用支持向量机、Logistic回归、随机森林、XGBoost四种机器学习算法建立初步的预测模型并进行测试,并根据F1-score与AUC指标选取预测效果最好的XGBoost模型。然后,结合网格搜索和SMOTE-NC过采样算法,提出GSCVSN模型优化方法,对XGBoost模型进一步优化。最后,引入Stacking算法的堆栈融合思想,将GSCVSN优化后的四种算法进行融合,得到最终预测模型GSCVSN-Stacking,从而达到乳腺癌患者的新辅助化疗敏感性精确预测的目标。本研究在GSCVSN-Stacking预测模型的基础上,设计并实现了乳腺癌新辅助化疗辅助诊疗系统,主要功能包括患者基本信息、病理信息、治疗信息的录入、患者信息查询、敏感性分析等。在辅助诊疗系统的构建过程中,使用Vue.js框架和Element UI来实现前端页面,使用Spring Boot和Mybatis-Plus来完成后端系统的开发,对系统进行功能性测试和非功能性测试,用以确保系统部署上线后的可用性。