Pesquisadores da UCLA e NantWorks desenvolveram um dispositivo alimentado por inteligência artificial que detecta células cancerosas em alguns milissegundos - centenas de vezes mais rápido do que os métodos anteriores. Com essa velocidade, a invenção pode tornar possível extrair células cancerosas do sangue imediatamente após serem detectadas, o que poderia, por sua vez, ajudar a prevenir a propagação da doença no corpo.

Artigo sobre o avanço foi publicado na revista. Nature Scientific Reports .

A abordagem se baseia em duas tecnologias principais:aprendizado profundo e extensão do tempo fotônico. O aprendizado profundo é um tipo de aprendizado de máquina, uma técnica de inteligência artificial na qual algoritmos são "treinados" para realizar tarefas usando grandes volumes de dados. No aprendizado profundo, algoritmos chamados redes neurais são modelados de acordo com o funcionamento do cérebro humano. Em comparação com outros tipos de aprendizado de máquina, o aprendizado profundo provou ser especialmente eficaz para reconhecer e gerar imagens, Fala, música e vídeos.

A extensão do tempo fotônico é uma tecnologia de medição ultrarrápida que foi inventada na UCLA. Os instrumentos de extensão do tempo fotônico usam rajadas de laser ultracurtas para capturar trilhões de pontos de dados por segundo, mais de 1, 000 vezes mais rápido do que os microprocessadores mais rápidos de hoje. A tecnologia ajudou os cientistas a descobrir fenômenos raros na física do laser e a inventar novos tipos de instrumentos biomédicos para microscopia 3-D, espectroscopia e outras aplicações.

"Por causa do grande volume de dados preciosos que eles geram, instrumentos de alongamento de tempo e aprendizado profundo são uma combinação perfeita, "disse o autor sênior Bahram Jalali, professor de engenharia elétrica e da computação da UCLA na Escola de Engenharia da UCLA Samueli e membro do California NanoSystems Institute da UCLA.

O sistema também usa uma tecnologia chamada citometria de fluxo de imagem. A citometria é a ciência de medir as características das células; na citometria de fluxo de imagem, essas medições são obtidas usando um laser para obter imagens das células, uma de cada vez, à medida que fluem através de um fluido transportador. Embora já existam técnicas para categorizar células na citometria de fluxo de imagem, as etapas de processamento dessas técnicas ocorrem tão lentamente que os dispositivos não têm tempo para separar fisicamente as células umas das outras.

Com base em seu trabalho anterior, Jalali e seus colegas desenvolveram um pipeline de aprendizado profundo que resolve esse problema operando diretamente nos sinais de laser que fazem parte do processo de citometria de fluxo de imagem, o que elimina as etapas de processamento demoradas de outras técnicas.

"Otimizamos o design da rede neural profunda para lidar com as grandes quantidades de dados criados por nosso citômetro de fluxo de imagem de extensão de tempo - atualizando o desempenho do software e do instrumento, "disse Yueqin Li, um estudante visitante de doutorado e o primeiro autor do artigo.

Ata Mahjoubfar, um pesquisador de pós-doutorado da UCLA e um co-autor do artigo, disse que a técnica permite que o instrumento determine se uma célula é cancerosa virtualmente instantaneamente.

"Não precisamos mais extrair parâmetros biofísicos das células, "ele disse." Em vez disso, redes neurais profundas analisam os próprios dados brutos com extrema rapidez. "