*主要目标：我们旨在评估机器学习推荐系统预测肿瘤学药物开发结果的可行性和实用性，从而支持在第一阶段试验完成后尽早做出是否进行药物研发的决定。 *生成的知识：RESOLVED2 是一个套索惩罚 Cox 回归模型。为了训练 RESOLVED2，我们开发了一个新的指标，即食品和药物管理局批准生存期 (FDA-aFS)，其定义为报告药物临床效果的第一个早期临床试验 (ECT) 发布与 FDA 批准之间的时间，并按最新消息的日期进行审查。从简单的药理学数据和 ECT 的 PubMed 摘要，RESOLVED2 可以准确预测 FDA 批准新抗肿瘤药物的时间。 *相关性：我们的工作表明，机器学习方法可以通过支持早期是否进行药物研发来增强肿瘤学药物开发。