本书共分为五个部分，每一部分都从不同的角度来讨论癌症结果预测的问题。第一部分描述了一些临床工作者与癌症打交道时所面临的问题和某些困境．涉及的问题包括TNM分级法、生存分析和竞争风险的一般处理方法等。第二部分描述了生物标记和遗传标记及生物信息学的作用等内容。对癌症的遗传和环境基础的理解，在鉴定高危人群以及开发有效的预防策略和早期检测战略中有重要作用。第三部分则通过分析各种类型的癌症实例来说明数学分析在预测中的作用。第四部分描述了一些用于癌症诊断的机器学习方法。最后本书还介绍了科学和医学团体如何共享信息，以及普通大众如何通过信息技术和互联网使用这些信息。

前言
参编人员
引言
第一部分 临床难题
　第一章 口腔癌手术切除样本的详细组织学分期的预测性价值
　第二章 眼球内黑色素瘤治疗后的存活率
　第三章 相对生存率分析的最新进展
第二部分 生物和遗传因素
　第四章 肺癌的环境和遗传风险因素
　第五章 细胞内混沌，癌症，细胞操作系统和头颈部癌症的生存的生存率预测
第三部分 预后模型的数学背景
　第六章　癌症预后预测的弹性风险模型：生物信息学知识的应用
　第七章　通过神经网络在生存率分析和特征选择中应用信息几何学
　第八章　人工神经网络乳腺癌患者生存率分析：一个淋巴结阴性研究
第四部分 机器学习方法的应用
　第九章　人工神经网络在癌症患者预后的诊断和评估中的使用
　第十章　机器学习对解决预后医学问题的作用
　第十一章　通过磁共振成像和波谱数据的模式识别对脑癌进行分类
　第十二章　基于家族数据对遗传性非息肉性结直肠癌进行自动化风险分析
　第十三章　微阵列技术对脑癌的影响
第五部分 信息传播
　第十四章　医学信息系统网络与新生代系统的发展
　第十五章　Geoconda：多中心研究的一个网络环境
　第十六章　医学预测模型的发展与实施
索引