本发明提出一种高维删失数据下预测癌症预后风险的方法,包括:构建Cox神经网络模型,获取目标数据库的训练数据集、验证数据集;根据贝叶斯先验知识约束对训练数据集进行随机采样扰动;根据随机采样扰动后的训练数据集合,定义Cox神经网络模型的风险函数并计算损失函数;通过损失函数对Cox神经网络模型进行训练,更新Cox神经网络模型的网络权重;利用验证数据集对更新后的网络权重进行验证,若验证通过,则得到深度贝叶斯扰动模型,对目标癌症患者的癌症预后风险进行预测;否则,重新进行随机采样扰动;本发明还提出一种预测癌症预后风险的系统,用于解决现有预测方法在此类数据中表现不佳的问题,提高癌症生存分析的深度学习方法的性能。