I ricercatori dell'UCLA e della NantWorks hanno sviluppato un dispositivo basato sull'intelligenza artificiale che rileva le cellule cancerose in pochi millisecondi, centinaia di volte più velocemente rispetto ai metodi precedenti. Con quella velocità, l'invenzione potrebbe consentire di estrarre le cellule cancerose dal sangue immediatamente dopo che sono state rilevate, che a sua volta potrebbe aiutare a prevenire la diffusione della malattia nel corpo.

Un articolo sull'anticipo è stato pubblicato sulla rivista Rapporti scientifici sulla natura .

L'approccio si basa su due tecnologie fondamentali:deep learning e time stretch fotonico. Il deep learning è un tipo di machine learning, una tecnica di intelligenza artificiale in cui gli algoritmi vengono "addestrati" per eseguire attività utilizzando grandi volumi di dati. Nell'apprendimento profondo, algoritmi chiamati reti neurali sono modellati su come funziona il cervello umano. Rispetto ad altri tipi di apprendimento automatico, il deep learning si è dimostrato particolarmente efficace per riconoscere e generare immagini, discorso, musica e video.

Il time stretch fotonico è una tecnologia di misurazione ultraveloce inventata all'UCLA. Gli strumenti fotonici time stretch utilizzano raffiche laser ultracorte per acquisire trilioni di punti dati al secondo, più di 1, 000 volte più veloce dei microprocessori più veloci di oggi. La tecnologia ha aiutato gli scienziati a scoprire fenomeni rari nella fisica del laser e a inventare nuovi tipi di strumenti biomedici per la microscopia 3D, spettroscopia e altre applicazioni.

"A causa del volume estremo di dati preziosi che generano, gli strumenti di allungamento del tempo e l'apprendimento profondo sono un connubio perfetto, ", ha affermato l'autore senior Bahram Jalali, un professore UCLA di ingegneria elettrica e informatica presso la UCLA Samueli School of Engineering e membro del California NanoSystems Institute presso l'UCLA.

Il sistema utilizza anche una tecnologia chiamata citometria a flusso di imaging. La citometria è la scienza che misura le caratteristiche delle cellule; nella citometria a flusso per immagini, tali misurazioni sono ottenute utilizzando un laser per acquisire immagini delle cellule una alla volta mentre scorrono attraverso un fluido vettore. Sebbene esistano già tecniche per classificare le cellule nella citometria a flusso di imaging, le fasi di elaborazione di queste tecniche avvengono così lentamente che i dispositivi non hanno il tempo di separare fisicamente le cellule l'una dall'altra.

Basandosi sul loro lavoro precedente, Jalali e i suoi colleghi hanno sviluppato una pipeline di deep learning che risolve questo problema operando direttamente sui segnali laser che fanno parte del processo di citometria a flusso di imaging, che elimina le lunghe fasi di elaborazione di altre tecniche.

"Abbiamo ottimizzato il design della rete neurale profonda per gestire le grandi quantità di dati creati dal nostro citometro a flusso di imaging time-stretch, migliorando le prestazioni sia del software che dello strumento, " disse Yueqin Li, uno studente di dottorato in visita e il primo autore del documento.

Ata Mahjoubfar, un ricercatore post-dottorato UCLA e coautore del documento, detto la tecnica permette allo strumento di determinare se una cellula è cancerosa praticamente istantaneamente.

"Non abbiamo più bisogno di estrarre i parametri biofisici delle cellule, " ha detto. "Invece, le reti neurali profonde analizzano i dati grezzi stessi in modo estremamente rapido."