人工智能已被用于识别与185个国家癌症生存率最密切相关的因素，这项研究发表在《肿瘤学年鉴》杂志上。该研究由隶属于欧洲肿瘤内科学会的的研究人员进行，应用机器学习来分析癌症数据和卫生系统信息，揭示了各国之间差异显著的生存关键决定因素。

该人工智能模型明确指出了具体因素，例如放射治疗的可及性、全民医保的存在以及一个国家的经济实力，这些因素与改善癌症生存率密切相关。该研究表明，有针对性地改善这些领域可能会在挽救生命方面取得重大进展，而最佳策略因国家而异。

机器学习是人工智能的一个子集，它涉及在大型数据集上训练算法，以识别模式并在没有明确编程的情况下进行预测。在本例中，人工智能接受了大量癌症统计数据和医疗保健基础设施数据的训练，以辨别哪些要素对患者的治疗结果影响最大。与传统的统计方法相比，这种方法可以更细致地理解问题，因为传统的统计方法通常难以解释影响癌症生存的各种因素之间的复杂相互作用。

该项目的一位主要研究人员表示：“我们首次能够以高度的分辨率看到每个国家可以利用哪些具体杠杆来提高癌症生存率。” “这种人工智能驱动的方法为决策者和医疗保健专业人员提供了优先考虑干预措施和有效分配资源的路线图。”

这项研究的意义不仅限于识别相关性。通过量化各种因素的影响，人工智能模型可以模拟不同的政策情景。例如，一个国家可以使用该模型来估计扩大放射治疗的可及性或实施全民医保对其癌症生存率的潜在影响。

该研究还强调了高收入国家和低收入国家之间癌症生存率的差异。虽然获得先进的治疗方法和技术发挥了一定的作用，但人工智能模型显示，即使是基本的医疗保健基础设施，例如获得诊断服务和基本药物，也会对生存产生深远的影响。

研究人员计划通过纳入更多的数据来源（例如遗传信息和生活方式因素）来进一步完善人工智能模型。他们还计划开发一个用户友好的界面，使决策者和医疗保健专业人员能够轻松访问和解释该模型的研究结果。这可能会促成更多基于证据的决策制定和更有效的全球癌症控制策略。