详细内容或原文请订阅后点击阅览
UT 本科生发现了与改善癌症结果相关的国家特定因素
Milit Patel 与人共同领导了突破性研究，利用机器学习识别了 185 个国家/地区与改善全球癌症结果最密切相关的因素，并将研究结果发表在《肿瘤学年鉴》上。 UT 本科生后发现与改善癌症结果相关的国家特定因素首先出现在 UT Austin News - 德克萨斯大学奥斯汀分校。
来源:德克萨斯大学研究人员首次使用机器学习来确定全球几乎所有国家癌症生存的最重要驱动因素，该计划背后的主要研究人员之一是德克萨斯大学奥斯汀分校的本科生 Milit Patel。该论文最近发表在世界上引用最多的癌症期刊之一《肿瘤学年鉴》上。
该研究确定了世界上几乎所有国家都可以做出哪些改进或政策改变，以对癌症生存产生最大的影响。帕特尔开发了该研究中使用的机器学习模型，该模型基于全球卫生系统的数据。它还支持一个新的在线工具，该工具显示哪些因素（例如国民财富以及获得放射治疗和健康保险的机会）与特定国家的癌症结果最密切相关。
“我们选择使用机器学习模型，因为它们使我们能够生成针对每个国家的估计和预测，”该论文的第一作者和通讯作者、生物化学大四学生帕特尔说。 “当然，我们意识到人口水平数据的局限性，但我们希望这些发现能够指导全球癌症系统规划。”
Patel 辅修统计和数据科学、医疗保健改革和创新业务，他说他的出发点是早期在 UT 统计和数据科学课程中学到的知识。他还感谢校园内的指导和其他机会，例如参加自然科学学院的新生研究计划，以及在 UT 戴尔医学院正在进行的论文项目，该项目使用人工智能来优先考虑癌症候选药物。
每个机会都促成了与纪念斯隆凯特琳癌症中心、MD 安德森癌症中心、麻省理工学院、麻省总医院/哈佛医学院的研究人员的合作，以及通过 Google Summer of Code 项目与美国国立卫生研究院的研究人员的合作。