UCLA和NantWorks的研究人员已经开发了一种由人工智能驱动的设备，该设备可以在几毫秒内检测出癌细胞，比以前的方法快数百倍。以这种速度，本发明使得在检测到癌细胞后立即从血液中提取癌细胞成为可能，这又可以帮助防止疾病在体内传播。

关于这一进展的论文发表在《自然科学报告》杂志上。

该方法依赖于两项核心技术：深度学习和光子时间拉伸。深度学习是一种机器学习，这是一种人工智能技术，其中对算法进行“训练”以使用大量数据执行任务。在深度学习中，根据人脑的工作原理对称为神经网络的算法进行建模。与其他类型的机器学习相比，深度学习已被证明在识别和生成图像，语音，音乐和视频方面特别有效。

光子时间拉伸是UCLA发明的一种超快速测量技术。光子时间拉伸仪器使用超短激光猝发每秒捕获数万亿个数据点，比当今最快的微处理器快1000倍以上。该技术帮助科学家发现了激光物理学中的罕见现象，并发明了用于3D显微镜，光谱学和其他应用的新型生物医学仪器。

加州大学洛杉矶分校萨穆里分校工程学院电气与计算机工程学院教授加州大学洛杉矶分校加利福尼亚纳米系统研究所的成员。

该系统还使用一种称为成像流式细胞仪的技术。细胞计数法是测量细胞特征的科学。在成像流式细胞术中，这些测量是通过使用激光对流过载液的细胞进行一次成像来获得的。尽管在成像流式细胞术中已经存在将细胞分类的技术，但是这些技术的处理步骤发生得如此缓慢，以至于设备没有时间在物理上将细胞彼此分离。

Jalali和他的同事们在之前的工作基础上，开发了深度学习管道，可以通过直接对作为成像流式细胞仪过程一部分的激光信号进行操作来解决该问题，从而消除了其他技术的时间密集型处理步骤。

“我们优化了深度神经网络的设计，以处理由我们的时间拉伸成像流式细胞仪创建的大量数据，从而提高了软件和仪器的性能，”来访的博士生，论文的第一作者李月琴说。作者。

加州大学洛杉矶分校的博士后研究员，该论文的合著者Ata Mahjoubfar表示，该技术使仪器能够立即确定细胞是否癌变。

他说：“我们不再需要提取细胞的生物物理参数。” “相反，深度神经网络可以非常快速地分析原始数据本身。”

神经网络的代码是使用NVidia捐赠的高级图形处理单元开发的。这项研究的其他贡献者是NantWorks的Kayvan Reza Niazi和前UCLA博士生Claire Lifan Chen。NantWorks是位于加利福尼亚州卡尔弗市的公司。