在过去二十多年里，我一直致力于利用大数据来揭示慢性疾病（如癌症）的根本原因。我也致力于创建模型，以指导个人、医生和政策制定者制定预防策略，从源头上阻止疾病的发生。
我和我的实验室已经揭示了与多种癌症相关的遗传变异，阐明了基因与环境在癌症风险中的复杂相互作用，识别了具有潜在药物靶点的蛋白质组学生物标志物，并通过整合遗传和环境因素开发了评估个体癌症及其他慢性疾病风险的预测模型。
我们创建的统计方法、软件和数据资源已被全球研究人员广泛采用，推动了众多疾病的类似研究。
在NIH和其他联邦卫生机构的一贯支持下，我建立了一个灵活且高效的实验室，努力维持必要的规模以激发合作和创新，但又不至于变得臃肿。然而，这些机构即将面临的预算削减威胁到了我继续这一关键势头的能力。
“资金的减少会削弱我们几十年来建立的竞争优势，最终会影响我们在个体和群体层面帮助疾病预防的能力。”
秉持“预防胜于治疗”的原则，我已准备好加速实现我的使命，尤其是在最近的人工智能技术进步的推动下。我自豪地招募并培训了一些最聪明的博士生、博士后研究员和本科生，培养他们运用统计和计算方法应对慢性疾病危机的热情。
美国正面临由于慢性疾病带来的巨大健康负担和飞涨的医疗费用而引发的全国性危机。白宫最近的一项行政命令强调了这一问题的严重性，指出“每年4.5万亿美元的医疗保健支出中，90%用于患有慢性病和精神健康问题的人。”该命令呼吁紧急行动，“了解并大幅降低慢性病率，终结儿童慢性病。”
我和同事们在生物统计学、遗传学和流行病学领域的研究为推进疾病预防研究奠定了坚实的基础，符合白宫的愿景。现在是时候加大投资，利用大数据和人工智能的变革潜力来加速进展。
没有研究——以及使之成为可能的联邦支持——科学突破就会受阻，未来的救命疗法也将面临风险。
但在这一关键时刻削减预算将严重削弱我们构建大规模数据库的能力，阻碍计算和方法论基础设施的发展，最重要的是，无法培训下一代科学家，他们将是这一领域未来希望的承载者。
这些挫折将延缓解决慢性疾病危机的进程，导致美国在健康、经济和整体安全方面失去巨大的机会。
(全文结束)
