识别基于血样的癌症非常困难。通常，医生将化学物质加入血样，使癌细胞变得可见，但是这就使得血样不能再用于其他测试。其他识别癌细胞的技术是基于癌细胞的异常结构，但是这需要花更多的时间（但是在血样中的癌细胞很少），并可能把一些畸形的细胞错误识别为癌细胞。

现在洛杉矶加利福尼亚大学的研究人员研发出一种技术，该技术将特定的显微镜和一种人工智能算法结合，以非破坏性的方式识别出血样中的癌细胞。这不但可以减少诊断癌症的时间和工作量，还可应用于精准医疗领域。研究人员将这项研究写成论文发表在《Scientific Reports》上。

该技术中使用的显微镜名为光激性时间伸缩显微镜，它使用纳秒级的光脉冲在每秒内捕获成千上万的细胞图像。将这些图像输入到计算机程序中，这种程序可以区分出细胞的16种不同物理结构，比如直径，对光的吸收程度等。

通过一些已经被分析过的图像，研究人员使用深度学习技术训练计算机程序识别出癌细胞。在经过若干轮测试之后，研究人员发现，他们的技术比现有的分析技术好17%.他们相信这种技术可以更好地引领数据驱动的癌症诊断。

通过分析患者的基因，深度学习已经被用于疾病诊断。由于这种技术可以用于识别癌细胞，它还可以帮助研究人员更好地了解导致癌症的基因突变，以更好地对癌症治疗方法进行研究。