למידת מכונה מסבירה את הפערים בהישרדותם של חולים בסיכון גבוה, ומציעה דרכים חדשות לביצוע מחקרים מדויקים יותר.
מחקרים רבים העוסקים במחלת הסרטן אינם מייצגים היטב את הנעשה בעולם האמיתי. צוות החוקרים ניסה לבחון את הסוגייה באמצעות TrialTranslator, מסגרת למידת מכונה, הבוחנת באופן שיטתי את יכולת ההכללה של ממצאי מחקרים מסוג מקרה-ביקורת.
בתחום האונקולוגיה, שיעורי ההישרדות בעולם האמיתי וסיכויי הצלחת הטיפולים פחותים פעמים רבות באופן מובהק מאלו המדווחים במסגרתם של מחקרי מקרה-ביקורת, כאשר שיעור ההישרדות החציוני הינו נמוך לעיתים אף בשישה חודשים. גורמי מפתח לאותו הפער הינם, ככל הנראה, קריטריונים נוקשים להכללת נבדקים במחקרים, דבר היוצר אוכלוסיות מחקר, שאינן משקפות את השונות בין החולים בעולם האמיתי. הנבדקים במחקרים הינם פעמים רבות צעירים יותר, בריאים יותר ונעדרי מחלות רקע.