الورم في الصورة يشبه نقطة مضيئة صغيرة على لوحة داكنة شاسعة. الطبيب يحتاج إلى تلك النقطة تحديدًا، وليس إلى خلفية مستوية تمامًا. ولكن عندما تتعلم الشبكة العصبية تحويل التصوير المقطعي المحوسب (CT) العادي إلى صورة شبيهة بالتصوير المقطعي بالإصدار البوزيتروني (PET)، فإنها غالبًا ما تسعى إلى إظهار كل شيء بشكل جميل، فتقوم في النهاية بطمس تلك النقطة.

المشكلة أن الخلايا السرطانية لا تشغل سوى جزء ضئيل من الحجم الكلي للجسم. إذا قِسنا الجودة على كامل الصورة، فقد يحصل النموذج على درجات عالية بينما يفوت التوهج الضعيف للسرطان. اقترح مؤلفو الدراسة الجديدة إضافة إشارتين بسيطتين إلى الشبكة العصبية: الأولى تُظهر مدى عدم تجانس نسيج الأنسجة، والثانية تُظهر قوة التباين في 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 الواسم المشع PSMA. في الاختبارات، قلل LAFNO الخطأ في تقدير النشاط الكلي للورم بنحو النصف مقارنة بالطرق السابقة. كما زادت دقة إعادة إنتاج نسيج الورم، وهو أمر مهم للتحليل التلقائي اللاحق.

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