引发转移或疾病从其原发位置扩散的癌细胞不同于留在原始肿瘤中的癌细胞。区分转移起始细胞类型可以确定癌症的严重程度，并帮助医生决定治疗方案。

德克萨斯理工大学的研究人员开发了一种深度学习模型，可以按类型对癌细胞进行分类。该工具只需要一个简单的显微镜和少量的计算能力，产生的结果与更复杂的技术相当或更好。他们的方法于 5 月 2 日发表在APL 机器学习杂志上，题为“使用基于深度学习的图像分析对不同癌细胞进行无标签识别”。

“癌细胞具有高度异质性，最近的研究表明，特定的细胞亚群，而不是整体，是癌症转移的原因，”作者 Wei Li 说。“识别癌细胞亚群是确定疾病严重程度的关键步骤。”

目前对癌细胞进行分类的方法涉及先进的仪器、耗时的生物技术或化学标记。

作者卡尔加德纳说：“这些复杂而冗长的技术的问题在于，它们需要资源和精力来探索癌症预防和康复的不同领域。”

一些研究使用磁性纳米粒子来追踪癌细胞，但附加这些标签可能会影响细胞的下游分析和测量的完整性。

“我们的分类程序在拍摄细胞照片时不包含额外的化学物质或生物溶液，”加德纳说。“这是一种‘无标记’的转移潜能鉴定方法。”

该团队的神经网络也易于使用、高效且自动化。在为其提供图像后，该工具将数据转换为概率。低于 0.5 的结果将癌症归类为一种细胞类型，而高于 0.5 的数字则指定为另一种细胞类型。

该工具经过训练，可以使用两种癌细胞系的一组图像来优化预测的准确性。它在研究中使用的数据集中达到了 94% 以上的准确率。