Investigadores de UCLA y NantWorks han desarrollado un dispositivo impulsado por inteligencia artificial que detecta células cancerosas en unos pocos milisegundos, cientos de veces más rápido que los métodos anteriores. Con esa velocidad la invención podría permitir la extracción de células cancerosas de la sangre inmediatamente después de su detección, lo que a su vez podría ayudar a prevenir que la enfermedad se propague por el cuerpo.

Se publicó un artículo sobre el avance en la revista. Informes científicos de la naturaleza .

El enfoque se basa en dos tecnologías centrales:aprendizaje profundo y estiramiento de tiempo fotónico. El aprendizaje profundo es un tipo de aprendizaje automático, una técnica de inteligencia artificial en la que se "entrenan" algoritmos para realizar tareas utilizando grandes volúmenes de datos. En el aprendizaje profundo, Los algoritmos llamados redes neuronales se modelan según el funcionamiento del cerebro humano. En comparación con otros tipos de aprendizaje automático, El aprendizaje profundo ha demostrado ser especialmente eficaz para reconocer y generar imágenes, habla, música y videos.

El estiramiento de tiempo fotónico es una tecnología de medición ultrarrápida que se inventó en UCLA. Los instrumentos fotónicos de estiramiento de tiempo utilizan ráfagas láser ultracortas para capturar billones de puntos de datos por segundo, más de 1, 000 veces más rápido que los microprocesadores más rápidos de la actualidad. La tecnología ha ayudado a los científicos a descubrir fenómenos raros en la física del láser e inventar nuevos tipos de instrumentos biomédicos para microscopía tridimensional. espectroscopia y otras aplicaciones.

"Debido al volumen extremo de datos valiosos que generan, los instrumentos de tiempo extendido y el aprendizaje profundo son una combinación hecha en el cielo, "dijo el autor principal Bahram Jalali, profesor de UCLA de ingeniería eléctrica e informática en la UCLA Samueli School of Engineering y miembro del California NanoSystems Institute de UCLA.

El sistema también utiliza una tecnología llamada citometría de flujo de imágenes. La citometría es la ciencia de medir las características de las células; en la citometría de flujo de imágenes, esas medidas se obtienen usando un láser para tomar imágenes de las células una a la vez mientras fluyen a través de un fluido portador. Aunque ya existen técnicas para clasificar las células en la citometría de flujo de imágenes, Los pasos de procesamiento de esas técnicas ocurren tan lentamente que los dispositivos no tienen tiempo para separar físicamente las células entre sí.

Sobre la base de su trabajo anterior, Jalali y sus colegas desarrollaron una tubería de aprendizaje profundo que resuelve ese problema operando directamente en las señales láser que son parte del proceso de citometría de flujo de imágenes. lo que elimina los pasos de procesamiento que requieren mucho tiempo de otras técnicas.

"Optimizamos el diseño de la red neuronal profunda para manejar las grandes cantidades de datos creados por nuestro citómetro de flujo de imágenes de extensión del tiempo, mejorando el rendimiento tanto del software como del instrumento, "dijo Yueqin Li, un estudiante de doctorado visitante y el primer autor del artículo.

Ata Mahjoubfar, investigador postdoctoral de UCLA y coautor del artículo, dijo que la técnica permite que el instrumento determine si una célula es cancerosa virtualmente instantáneamente.

"Ya no necesitamos extraer parámetros biofísicos de las células, ", dijo." En cambio, Las redes neuronales profundas analizan los datos brutos en sí con mucha rapidez ".