传统的癌症治疗选择主要依靠临床观察和医生的判断，但大多数结果难以预测。 通过基因组拓扑学，我们以272名乳腺癌患者的临床和基因信息为例，提出治疗优化和顶级基因鉴定系统。 这项研究面临某些挑战，例如数据中的共线性和维数诅咒，因此，通过方差分析（ANOVA）的思想，实施了主成分分析（PCA）来解决此问题。 发现有几个基因，例如SLC40A1和ACADSB，具有统计学意义，并且支持生物学研究； 建立的模型可以精确预测乳腺癌的死亡率，复发时间和生存时间，平均MSE为3.697，准确率88.97％，F1评分为0.911。 这项研究中使用的结果和方法为人们提供了一个渠道，使他们可以通过机器学习进一步研究其他癌症结局的更精确预测，并协助发现下一代癌症治疗方法的可靶向途径。
