深度学习使科学家能够在几毫秒内识别血液中的癌细胞

加州大学洛杉矶分校和NantWorks的研究人员开发了一种人工智能驱动的设备，可以在几毫秒内检测出癌细胞比以前的方法快几百倍。以这样的速度，这项发明可能使在检测到癌细胞后立即从血液中提取癌细胞成为可能，从而有助于防止癌细胞在体内扩散。

一篇关于这一进展的论文发表在《自然科学报告》杂志上。

该方法依赖于两个核心技术:深度学习和光子时间拉伸。深度学习是机器学习的一种，是一种人工智能技术，其中的算法是经过“训练”的。使用大量数据执行任务。在深度学习中，称为神经网络的算法是根据人脑的工作原理建模的。与其他类型的机器学习相比，深度学习被证明在识别和生成图像、语音、音乐和视频方面特别有效。

光子时间拉伸是美国加州大学洛杉矶分校发明的一种超快测量技术。光子时间拉伸仪器使用超短激光脉冲每秒捕获数万亿数据点，比当今最快的微处理器快1000多倍。这项技术帮助科学家发现了激光物理学中罕见的现象，并为3D显微镜、光谱学和其他应用发明了新型生物医学仪器。

“由于它们所产生的宝贵数据量极大，时间拉伸仪器和深度学习简直是天作之合，”加州大学洛杉矶分校萨缪利工程学院电子和计算机工程教授、加州大学洛杉矶分校纳米系统研究所成员巴拉姆·贾拉里说。

该系统还使用了一种称为成像流式细胞术的技术。细胞术是一门测量细胞特性的科学;在成像流式细胞术中，这些测量是通过使用激光一次一个地拍摄细胞流经载体液体时的图像来获得的。虽然在流式细胞术中已经有了细胞分类的技术，处理步骤发生得如此之慢，以至于设备没有时间从物理上分离细胞。

在前人工作的基础上，贾拉里和他的同事开发了一种深度学习管道，通过直接操作成像流式细胞术过程中的激光信号来解决这个问题，这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产生的大量数据提升软件及仪器的性能，”论文第一作者、访问博士生李跃琴说。

加州大学洛杉矶分校(UCLA)博士后研究员、论文作者之一阿塔·马儒布法(Ata Mahjoubfar)表示，这项技术可以让仪器几乎在瞬间确定一个细胞是否癌变。

“我们不再需要提取细胞的生物物理参数，”他说。“相反，深度神经网络对原始数据本身的分析速度非常快。”

神经网络的代码是使用英伟达捐赠的先进图形处理单元开发的。该研究的其他参与者包括NantWorks的Kayvan Reza Niazi和前加州大学洛杉矶分校博士生Claire Lifan Chen。NantWorks是一家总部位于加州卡尔弗市的公司。