الورم في الصورة يشبه نقطة مضيئة صغيرة على لوحة داكنة شاسعة. الطبيب يحتاج إلى تلك النقطة تحديداً، وليس الخلفية المنتظمة تماماً. لكن عندما تتعلم الشبكة العصبية تحويل التصوير المقطعي المحوسب (CT) إلى ما يشبه التصوير المقطعي بالإصدار البوزيتروني (PET)، فإنها غالباً ما تسعى إلى إظهار كل شيء بشكل جميل، مما يؤدي إلى طمس تلك النقطة.

المشكلة أن الخلايا السرطانية تشغل جزءاً ضئيلاً فقط من حجم الجسم الكلي. إذا قِسنا الجودة على كامل الصورة، قد يحصل النموذج على درجات عالية، لكنه في الوقت نفسه يفوت التوهج الضعيف للسرطان. اقترح مؤلفو الدراسة الجديدة إضافة إشارتين بسيطتين إلى الشبكة العصبية: الأولى تُظهر مدى عدم تجانس نسيج الأنسجة، والثانية تُظهر قوة تفاوت الكثافة. تُحسب هاتان الإشارتان بتكلفة منخفضة من صور CT وتساعدان النموذج على التركيز على المناطق المشبوهة.

سُمي النموذج LAFNO. تم تدريبه على بيانات حقيقية لمرضى سرطان البروستاتا، حيث تتوهج الأورام بفضل علامة PSMA المشعة (المستضد الغشائي الخاص بالبروستاتا). في الاختبارات، قلل LAFNO الخطأ في تقدير النشاط الكلي للورم إلى النصف تقريباً مقارنة بالطرق السابقة. كما زادت دقة إعادة إنتاج نسيج الورم، وهو أمر مهم للتحليل الآلي اللاحق.

حتى الآن، لا تزال إعادة إنتاج الأنسجة المحيطة بالورم غير مستقرة وتعتمد على نوع العلامة. لكن النهج نفسه، أي توجيه الشبكة إلى أين تنظر عبر خصائص فيزيائية بسيطة، قد يكون مفيداً في مهام أخرى للتصوير الطبي.