В работе представлена методика построения нейро-статистической модели классификации плоскоклеточных интраэпителиальных поражений в практике молекулярного Пап-теста. Модель строилась на основе 145 наблюдений, разделенных на две группы: доброкачественные изменения/норма и рак. Формирование обучающей выборки и определение значимых признаков проводилось методом многомерного статистического анализа – классификационного дискриминантного анализа с обучением. В результате количество признаков – генов было сокращено с 21 до 14. Нейросетевой классификатор, легший в основу модели, представляет собой трехслойный персептрон. Оптимизация модели происходила путем выбора из 500 сетей по таким признакам, как производительность сети и уровень ошибки. Построенная нейро-статистическая модель классификатора позволяет автоматически тестировать разные наблюдения с заданными порогами доверительных уровней и выдавать матрицу результатов классификации не только с количеством правильно классифицированных наблюдений, но и неопределенных, что необходимо для достоверности анализа. На примере показана эффективность использования такой модели для диагностики предраковых процессов и рака шейки матки на основе анализа экспрессии мРНК большой группы генов методом количественной ПЦР в материале жидкостной цитологии Пап-теста CellPrep