美國(guó)國(guó)家神經(jīng)疾病與卒中研究所項(xiàng)目主任Margaret Sutherland(未參與這項(xiàng)研究)在一項(xiàng)聲明中表示，“這種方法有潛力引發(fā)生物醫(yī)學(xué)研究變革。”

這些研究人員利用一種被稱作深度學(xué)習(xí)(deep learning)的方法，設(shè)計(jì)出一種神經(jīng)網(wǎng)絡(luò)，即一種模擬大腦的計(jì)算機(jī)程序，它利用數(shù)據(jù)識(shí)別圖案、形成規(guī)則，并將這些規(guī)則應(yīng)用到新信息中。

谷歌公司加速科學(xué)項(xiàng)目(Google Accelerated Science)軟件工程師在一份新聞稿中說(shuō)道，“我們通過(guò)向這種神經(jīng)網(wǎng)絡(luò)展示相同細(xì)胞的兩組相匹配的圖片(一組為經(jīng)過(guò)熒光標(biāo)記的細(xì)胞圖片，另一組為未經(jīng)過(guò)熒光標(biāo)記的細(xì)胞圖片)對(duì)它進(jìn)行訓(xùn)練。我們重復(fù)了這個(gè)過(guò)程數(shù)百萬(wàn)次。隨后，當(dāng)我們給這種神經(jīng)網(wǎng)絡(luò)提供它之前從沒(méi)有觀察到的未經(jīng)過(guò)熒光標(biāo)記的細(xì)胞圖片時(shí)，它能夠準(zhǔn)確地預(yù)測(cè)熒光標(biāo)記所在的位置。”

通過(guò)提供高質(zhì)量的細(xì)胞圖片，這種計(jì)算機(jī)程序能夠幾乎完美地、正確地鑒定出細(xì)胞內(nèi)的細(xì)胞核。它也能夠區(qū)分死細(xì)胞和活細(xì)胞，并且在包括星形膠質(zhì)細(xì)胞和未成熟的分裂細(xì)胞的細(xì)胞群體中發(fā)現(xiàn)神經(jīng)元，甚至能夠區(qū)分樹(shù)突和軸突。

這些研究人員表示，未來(lái)的研究將著眼于優(yōu)化這種神經(jīng)網(wǎng)絡(luò)，并改進(jìn)它在某些任務(wù)---比如在高密度的細(xì)胞培養(yǎng)物中挑選出神經(jīng)元亞型和發(fā)現(xiàn)軸突---上不太穩(wěn)健的表現(xiàn)。