Įprastai gydytojai į kraujo mėginius įdeda biochemikalų, kurie prie pažeistų ląstelių prijungia vadinamus „biologinius žymeklius“. Tokiu būdu biocheminės medžiagos leidžia identifikuoti skirtumus tarp ląstelių.
Tačiau biocheminių medžiagų naudojimas dažnai žaloja ląsteles, tad vėlesnių testų metu jos tampa nestabilios. Biochemikalų nenaudojančios technikos nustato vėžines ląsteles remiantis fiziniais bruožais, tačiau dažnai sveikos ląstelės būna klaidingai apibūdinamos kaip pažeistos.
Kalifornijos universiteto mokslininkai skelbia, kad fotoniniu laiko tąsos mikroskopu pavaizduotos ląstelės nepažeidžiamos, todėl galima atlikti ir pakartotinius tyrimus. Be to, metodas leidžia nustatyti aibę fizinių charakteristikų, įskaitant ląstelės biomasę ir dydį.
Sudėjus šį metodą su giliuoju mokymusi, kuris vėžio ląstelių buvimo vietą nuspėja 95 proc. tikslumu, vėžines ląsteles galima aptikti ankstyvoje stadijoje ir pradėti gydymą.
Gilusis mokymasis (deep learning) yra populiarus dirbtinio intelekto metodas, kuris veikia su sudėtingais algoritmais ir leidžia iš šūsnies duomenų gauti svarbiausius.
Tyrimo vadovas prof. Barham Jalalis ir jo komanda tyrimų rezultatus publikavo „Nature Scientific Reports“.
