在临床中，肿瘤科医生虽然试图针对患者提供更好地用要方案，但是当前并未出现可用工具帮助医生判断个体患者是否会受益于相关化疗要物。虽然当前针对FOLFOX方案正在不断进行升级改善，以便更好地降低为患者带来的毒副作用，但是并未从根本上解决临床医生面临的难题——化疗要物没有对应的“生物指标”，无法实现经准用要。
匹兹堡大学课题组给出的解决方案——通过因果分析找到参与发病机制的基因，再用人工智能技术进行辅助分析构建反映个体肿瘤发病机制的特征值，再用AI方法推算个体肿瘤对化疗要物的响应，能够解决临床医生当前面临的针对化疗用要束手无策的局面。
课题题组采用大规模（N=1284）的三期临床实验数据（NSABP C-07 和 C-08）验证了AI系统的临床应用价值。约半数患者（N=526）被判别为奥沙利铂适应组，该组患者接受奥沙利铂治疗后，8年复发率从38.4% （FULV）降低到27.2% （FOLFOX）；AI系统判别的非适应组（N=539）患者在仅用FULV治疗下已得到群体中最好的疗效（8年复发率为26.8%），添加奥沙利铂对该组患者疗效没有任何改进（8年复发率为28.3%）。“ 这个结果表明，对非适应组病人来说，接受奥沙利铂是过度治疗。所以，当治疗这组病人时，避免应用奥沙利铂会在保持良好预后的前提下避免过度治疗带来的毒副作用。”
针对晚期结直肠癌治疗，在FOLFOX方案基础上通常还会添加贝伐单抗，但在辅助治疗的请形下，大规模临床实验（NSABP C-08 ）未能证明其在群体中的疗效。当该系统应用在C-08数据时，奥沙利铂适应组患者对贝伐单抗也有很好的响应。比较对照组（FOLFOX）和治疗组（FOLFOX + Bev），8年复发率由基础的28%降低到16%。也即针对该组患者应用FOLFOX + Bev可能进一步减少40%的复发病例。
