基于血液样本诊断癌症是非常具有挑战性的事情。通常，医生会通过向样本中添加化学物质使癌细胞可见，但这样也会使该样本不能在其他测试中继续使用。其它的诊断技术则是基于癌细胞的异常结构，但这会消耗更多的时间，而且可能会将健康的畸形细胞错误地识别成癌细胞。
从一堆细胞中挑出数量极少的癌细胞很困难
如今加州大学洛杉矶分校的研究人员已经开发出了一种新技术，通过特殊的显微镜和人工智能算法相结合，可以无损地识别样本中的癌细胞。该技术不仅可以减少诊断癌症的时间和精力，同时也是精密医学领域的重大成就。
光子时间延伸显微镜
该技术中使用的显微镜被称为光子时间延伸显微镜，可以将纳秒级脉冲的光分解成每秒可捕捉数十万张图像的多条光线。这些图像被输入一个计算机程序，按照细胞的16种不同物理特征进行分类，如直径、圆度和吸收光量。
通过使用一组经分析过的图像，研究人员利用深度学习技术训练计算机程序来识别癌细胞。经过几轮测试后，研究人员发现该系统的识别能力相比已有的分析工具提升了至少17%。研究人员相信他们的方法会引领产生更多的数据驱动的癌症诊断系统。
通过分析病人的基因，深度学习技术已经被用于帮助诊断疾病。既然这一技术可以识别其他方法可能无法识别的癌细胞，那么也很可能会帮助研究人员更好地理解引发癌症的基因突变，从而创造出治疗癌症的新方法。
蝌蚪君编译自popsci，译者 玲玲，转载须授权
