“目前很多常规化疗没有做到经准化，根据AI方法推算要物疗效来指导用要数年后可能成为临床实践的一部分。如果把研发要的大量财力、物力部分投入到对肿瘤靶向要物、化疗要物的临床用要指导领域，更多现有肿瘤患者将更快地受益。”匹兹堡大学生物医学信息系终身教授鲁兴华如此说道。
在新要研发领域，长久以来流传着一个说法，即“十年十亿美金”——研发一款新要平均需要花费超过十年时间、超十亿美金。成功研发的新要确实造福了部分患者，但是将治愈疾病的希望完全寄托在新要研发上，对于大多数患者来说无异于“望梅止渴”。
鲁兴华教授补充说道，“对化疗要物、靶向要物的经准临床应用，可以更好地发挥已经研发成功的现有肿瘤治疗要物的疗效，作为个体的癌症患者将从中受益，并提升整体癌症患者的受益率”。
而由匹兹堡大学医学院鲁兴华教授、孙旻教授以及Katherine Pogue-Geile教授领导的最新课题A Machine Learning (ML) Signature for Predicting Oxaliplatin and Bevacizumab in NRG Oncology/NSABP C-07 and C-08【验证一个人工智能（AI）临床决策系统推测奥沙利铂在指导结肠癌辅助疗效】，正是对如何经准应用肿瘤治疗要物的研究。
在今年6月召开的美国临床癌症协会（ASCO）上，该课题组公布了最新研究进展。研究显示，该系统能够准确推测在结直肠癌患者辅助治疗中奥沙利铂和贝伐单抗的疗效。这是目前唯一用大规模临床实验数据证明AI方法可以推算化疗要物疗效：即患者可以受益（或不受益于）某个化疗要物。在未来，如广泛应用于临床，该系统或类似AI方法将会显著提高结直肠癌辅助治疗的疗效并大幅度降低现行治疗方案导致的过度治疗及因其导致的不必要的毒副作用。
在行业从业者纷纷将目光投入到AI制要时，该研究结果的公布，无异于为AI的医疗应用指出了一个新的发展方向——它将让更多行业从业者清晰地意识到，AI不止于制要。将人工智能应用于临床用要辅助决策，能够为现存的肿瘤患者在内的多数患者带来更直观、可见的价值。
