全部数据分析在SAS Enterprise Miner中实现,分析方法采用数据挖掘中的神经网络方法.隐含层及隐含层中神经元数、训练方法和激励函数是决定神经网络预测效果的三大因素,该研究针对这三个方面分别进行了探讨,结果表明:隐含层及隐含层节点数并不是越多越好,当增加到一定数值时,网络的预测能力反而下降;采用不同训练方法和激励函数时,模型输出结果的平均误差和模型训练所需时间差异较大.因此用户应根据所要解决问题的特点选择适宜的训练方法和激励函数.经过比较,该研究最终采用Levenberg-Marquardt训练方法和Cosine激励函数建立模型,取得了较为满意的效果.数据挖掘是近年来刚刚兴起的一门新技术,国外已有不少成功应用的案例,但其在医疗卫生领域的应用尚处于起步阶段.目前尚无将数据挖掘用于肝癌预后研究的报道,该研究在这方面作了初步尝试,并取得了理想的效果,说明数据挖掘在医疗卫生领域有推广应用的价值.