目的: 胃癌是死亡率最高的恶性肿瘤之一，在没有找到有效的根治方法之前，降低胃癌死亡率，提高生存率的关键在于早发现、早诊断、早治疗。而以往胃癌发病的筛检方法和预测模型研究中均存在诸多缺陷。本研究应用人工神经网络(ANN)技术找出本地区与胃癌发病有关的影响因素，同时建立胃癌发病的预测模型，为制定出胃癌的防治措施提供理论基础；利用建立好的预测模型进行初步筛检，从而为人工神经网络筛检胃癌奠定基础。　　 方法: 对2007-2008年徐州及周边地区胃癌患者进行1：1 配对病例对照研究，应用单纯BP 人工神经网络、修剪算法BP 人工神经网络、C5.0 决策树模型、Logistic回归方法对影响胃癌发生的饮食、生活状况及习惯、身体状况等因素进行筛选，并建立胃癌发病的预测模型；同时初步评价各模型在实际应用中的预测精度。　　 结果: 本次调查中胃癌患者平均年龄46 ± 22 岁，男女性别比为2.7：1。胃癌各部位在非甾体抗炎药(NSAIDs)服用史、Hp 感染中构成差异有统计学意义(P<0.05)，而在性别、年龄的构成差异没有统计学意义(P>0.05)。本研究多种模型均提示徐州周边地区胃癌的发生可能与饮食、胃炎既往史、Hp 感染、生活习惯等多种因素有关。分别选出单隐层BP 神经网络、单隐层修剪算法BP 神经网络、75％修剪纯度C5.0 决策树模型和Logistic 回归模型建模，对测试集样本预测中修剪算法BP 神经网络有较好的预测精度(95.54％)；对评价集样本预测中修剪算法同样具有较高的预测精度(87.03％)。　　 结论:　　 1.ANN 模型在对疾病预测效果优于C5.0 决策树模型和Logistic 回归模型。　　 2.建立好的ANN 模型可用于筛检胃癌高危人群。　　 3.应从饮食习惯、生活方式、个人习惯等方面综合预防胃癌的发生。