根据发表在《肿瘤学年鉴》杂志上的一项研究，人工智能已被用于识别影响185个国家癌症生存率的因素。该人工智能模型分析了癌症数据和卫生系统信息，以确定哪些因素，如放射治疗的可及性、全民医保和经济实力，与每个国家生存率的提高最为密切相关。

来自欧洲肿瘤内科学会的研究人员开发了这种机器学习模型，旨在超越对癌症生存率的普遍理解，并找出各个国家内部具体的、可操作的改进领域。这项研究标志着人工智能首次在全球范围内应用于分析癌症生存决定因素。

该人工智能模型的工作原理是识别大型数据集中传统统计方法可能遗漏的模式和相关性。机器学习算法在现有数据上进行训练，以识别变量之间的关系。在本例中，人工智能接受了与每个国家的癌症发病率、治疗可及性、医疗基础设施和社会经济指标相关的数据的训练。经过训练后，该模型可以预测特定因素的变化可能如何影响癌症生存率。

该项目的一位主要研究人员表示：“这种人工智能为理解影响癌症生存率的各种因素之间的复杂相互作用提供了一个强大的新视角。通过确定每个国家最关键的改进领域，我们可以帮助决策者和医疗保健提供者就资源分配和医疗保健策略做出更明智的决策。”

研究结果表明，虽然全民医保在许多国家是一个重要因素，但改善癌症生存所需的具体干预措施差异很大。例如，在一些国家，增加放射治疗的可及性可能产生最显著的影响，而在另一些国家，加强初级保健服务或改善癌症筛查计划可能更有效。

该研究还强调了经济实力的重要性，但指出经济资源本身并不能保证更好的癌症生存率。人工智能模型显示，有效分配资源和有效的医疗保健政策对于将经济繁荣转化为改善健康结果至关重要。

研究人员认为，这种人工智能模型可以成为指导全球癌症控制工作的一个宝贵工具。通过提供针对具体国家的见解，它可以帮助根据每个国家的独特需求和挑战量身定制干预措施。该团队计划通过纳入额外的数​​据来源（例如遗传信息和生活方式因素）来进一步完善该模型，从而更全面地了解癌症生存决定因素。最终目标是创建一个动态的、不断更新的资源，为癌症控制政策提供信息，并改善世界各地患者的治疗效果。