در تحقیقات مربوط به سرطان، تشخیص زودهنگام و پیش بینی نوع سرطان مهمترین عامل است که می تواند مدیریت بالینی بیماران را تسهیل کند. با ظهور فناوری های جدید در زمینه پزشکی، مقدار زیادی از اطلاعات و داده ها در رابطه با سرطان های مختلف جمع آوری شد و در اختیار پزشکان قرار گرفت که لزوم بررسی اثر هر یک از عوامل در ارتباط با هم و انتخاب موثرترین عوامل را شدت می بخشد. از این رو محققان به سمت دانش هوش مصنوعی و استفاده از روش های یادگیری ماشین جهت یافتند. یادگیری ماشین شاخه ای از هوش مصنوعی است که با توجه به اطلاعات حاصل از نمونه داده ها، یک مفهوم کلی را به استنتاج می رساند، بنابراین این روش با فراهم آوردن توانایی های جدید نظیر امکان شناسایی ویژگی های کلیدی از میان مجموعه داده های پیچیده، مدل سازی پیشرفت و درمان سرطان اهمیت می یابد. این تکنیک ها می توانند الگوها و روابط بین داده ها را از میان مجموعه داده های پیچیده بررسی کرده، میزان پیشرفت و نوع سرطان را گزارش دهند. طی سالیان اخیر، روشهای یادگیری ماشین میزان دقت در نتایج پیش بینی های مربوط به سرطان را به میزان قابل توجه ۱۵ تا ۲۰ درصد افزایش داده اند و همین موضوع سبب شده است که به طور فزاینده به عنوان ابزاری محبوب برای محققان پزشکی تلقی شوند. محققان با الهام گرفتن از دانش زیست شناسی و ساختار نورون های مغز انسان به سمت طراحی و استفاده از شبکه های عصبی مصنوعی جهت یافتند که پرکاربردترین تکنیک از انواع روش های یادگیری ماشین است که در مطالعات مربوط به پیش بینی سرطان مورد استفاده قرار می گیرد. در این روش با توجه به مدل سازی انجام شده براساس داده های ورودی پیش بینی می کند که نمونه تهیه شده از فرد دارای سرطان است یا خیر، نوع سرطان چیست، در چه مرحله ای قرار دارد و یا چه پاسخی نسبت به داروی به کار برده شده نشان می دهد.