在應用基于轉錄組特征構建的支持向量機、貝葉斯分類器等傳統分類器對組織樣本進行分類時，要求對基因表達譜進行樣本間的數據標準化處理，以去除實驗批次效應帶來的影響，因此限制了這些分類器在個體化水平上的應用。本文旨在構建鑒別肺癌組織與非癌（肺炎與肺正常）組織的個體化分類器。文中采用來自多組獨立數據的 197 例肺癌與 189 例肺非癌組織樣本作為訓練集，篩選得到了 3 對基因作為特征，應用多數投票規則區分肺癌組織與肺非癌組織的平均準確率達到 95.34%。然后，本文采用來自多組獨立數據的 251 例肺癌組織與 141 例肺非癌組織樣本的非標化數據進行獨立驗證，其平均準確率達到 96.78%。因此，本文提出的該分類器可對由不同實驗室檢測的樣本進行個體化判斷提供一種新的思路，具有較強的臨床實用性。