W 2014 roku Naturę Communications opublikowało interesujący artykuł dotyczący dekodowania fenotypu guzów nowotworowych w oparciu o nieinwazyjne obrazowanie medyczne z wykorzystaniem metod obliczeniowych opartych na uczeniu maszynowym. Najpowszechniej stosowaną techniką obrazową stosowaną w onkologii jest rentgenowska tomografia komputerowa, która umożliwia ocenę m.in. gęstości tkanki. Słabą stroną tego typu metod diagnostycznych okazuje się jednak ocena uzyskanych obrazów przez lekarza. Opis wykrytego guza o treści „umiarkowana niejednorodność” jest stosunkowo mało precyzyjny i bazuje na subiektywnej opinii oraz doświadczeniu lekarza.
Znacznie lepszą i dokładniejszą diagnostykę określonych typów nowotworów można uzyskać za pomocą komputerów, a dokładniej r dzięki technice uczenia maszynowego. Dostarczając maszynie odpowiednio dużą bazę porównawczą obrazów diagnostycznych oraz wykorzystując proces maszynowego uczenia, zyskujemy pomocnika: komputer może aktywnie wspierać personel medyczny, informując o możliwych zmianach nowotworowych oraz ich rodzaju, dostrzeżonych tam, gdzie ludzki operator rentgenowskiego tomografu komputerowego jeszcze nic nie zauważy. To oczywiście dopiero początek trudnej drogi walki z rakiem -wszelkimi jego odmianami. Jednak wielu ekspertów uważa, że obiektywne ilościowe metody komputerowej diagnostyki mogą być wykorzystane jako efektywne, nieinwazyjne i bardzo precyzyjne biomarkery zmian nowotworowych. Co ważne, dostrzeżonych wcześniej, niż zdołałby zauważyć je człowiek.