Tsirigos 團隊利用 Google Inception v3──Google 訓練辨識一千種不同種類物體的開源算法。為了訓練這個算法區分出惡性和健康的組織圖像，研究團隊利用病患組織檢體公共數據庫成千上萬的癌癥基因體圖譜影像。首先，團隊成功訓練 Inception 達到 99% 準確度辨識惡性細胞的能力，接下來，再訓練 Inception 辨識肺腺癌和鱗狀細胞癌這兩種不同類型的肺癌。

團隊使用的這項人工智能科技，云主機租用，與上傳至 Google 在線服務的圖片庫以辨識圖片中的面孔、動物和物體技術相同，過去 Google 這項科技也曾應用在疾病診斷，包括糖尿病引發之失明和心臟疾病。而這次，紐約大學的神經網絡開發出一項病理學家從未嘗試過的診斷分析方式──藉由腫瘤影像照片辨識基因突變。

接著，團隊使用不同數據庫檢體資料來檢測 Inception 的分析能力，雖然結果顯示準確度下降一些，但依然能正確診斷影像（準確度介于 83%~97%）。

近期發表于《Nature Medicine》期刊的一項最新研究，美國紐約大學研究團隊重新訓練現成的 Google 深度學習算法，辨識兩種最常見的肺癌類型──肺腺癌和鱗狀細胞癌，辨識準確度可達 97%。

一直以來，服務器租用 免備案服務器，許多腫瘤的分類診斷一定要仰賴專業病理學家在顯微鏡下耗時仔細觀察來完成，而今日，一項結合訓練機器學習的重大突破，讓這項重要工作能縮短至數秒內完成。