宾夕法尼亚大学创新中心将本校的技术转移办公室与其他商业化资源进行整合，进而为本校的研究人员和潜在的行业合作伙伴提供一站式服务，推动科技成果转移和商业化。

本项目开发了一种机器学习方法，可以在手术室中实时评估肿瘤细胞的潜在恶性程度。该设备只需几秒钟即可分类并评估肿瘤的3D结构，还可提示潜在的操作错误，以进一步降低用户被误手术的风险。项目使用NIR-nCLE（近红外针头的共聚焦激光显微内窥镜检查）结合近红外对比成像剂构建了包含1500多个视频的高保真训练集，并训练了一个卷积神经网络来识别恶性组织。项目优点是：实时对单细胞nCLE成像进行预测；预测组织恶性肿瘤的准确度>93.5％；通知操作员组织取样是否足够；可以为基于云的远程病变评估定制专属设备。该技术在手术中无需冗长的组织活检测试即可对组织病理进行分类，将大大缩减肿瘤患者手术时间。

该技术为实验室成果，外方希望以技术授权、合作研发方式开展合作。