教育新闻网如果您曾经做过MRI扫描，那么您会知道这种体验会令人不安。您被放置在导致幽闭恐惧症的管子中，并被要求完全静止长达一个小时，而看不见的硬件像医疗保健专家一样在您周围呼啸，吱吱作响和重击。不过，新的研究表明，AI可以通过使MRI扫描速度提高四倍，从而使患者更快地进出管子来解决这一难题。
这项工作是Facebook AI研究团队(FAIR)与NYU Langone Health放射科医生之间的一项名为fastMRI的合作项目。科学家们共同对低分辨率和高分辨率MRI扫描对进行了机器学习模型的训练，使用该模型仅从通常输入数据的四分之一“预测”最终MRI扫描的外观。这意味着扫描可以更快地完成，这意味着减少了患者的麻烦并加快了诊断速度。
“这是将AI整合到医学影像中的重要踏脚石。”
人工智能可用于从更少的数据产生相同扫描的原因是，神经网络通过检查训练数据已从本质上了解了医学扫描的抽象概念。然后，它使用它对最终输出进行预测。可以将其想象为一位多年来设计许多银行的建筑师。他们对银行的外观有一个抽象的想法，因此他们可以更快地创建最终蓝图。
纽约大学Langone Health放射学教授Dan Sodickson告诉The Verge： “神经网络了解医学图像的整体结构。” “在某些方面，我们正在根据数据填充该特定患者的[扫描]的独特之处。”
fastMRI团队多年来一直致力于解决这个问题，但是今天，他们正在《美国放射学杂志》上发表一项临床研究，他们说这证明了其方法的可靠性。该研究要求放射科医生根据传统的MRI扫描和AI增强的患者膝盖扫描做出诊断。该研究报告称，当面对传统扫描和AI扫描时，医生进行的评估完全相同。
Sodickson表示：“可以基于信任的关键词是互换性。” “我们不是在考虑基于图像质量的定量指标。我们是说放射科医生做出相同的诊断。他们发现同样的问题。他们什么都没错过。”
“他们发现同样的问题。他们什么都没错过。”
这个概念非常重要。尽管经常使用机器学习模型从低分辨率输入中创建高分辨率数据，但是此过程通常会引入错误。例如，AI可以用于升级旧视频游戏中的低分辨率图像，但是人类必须检查输出以确保其与输入匹配。AI“想象”错误的MRI扫描的想法显然令人担忧。
但是，fastMRI小组表示，这与他们的方法无关。首先，用于创建AI扫描的输入数据完全覆盖了身体的目标区域。机器学习模型不会从几个难题中猜测最终扫描的样子。它具有所需的所有组件，只是分辨率较低。其次，科学家们基于MRI扫描的物理原理为神经网络创建了一个检查系统。这意味着在创建扫描期间，AI系统会定期检查其输出数据是否与MRI机器产生的物理数据相匹配。
“我们不仅允许网络创建任意图像，” Sodickson说。“我们要求通过该过程生成的任何图像都必须在物理上可以实现为MRI图像。我们以某种方式限制了搜索空间，以确保所有内容都与MRI物理学一致。”
雅库波娃说，正是这种特殊的见识，才是放射科医生和AI工程师之间经过长时间讨论之后才产生的，从而使该项目得以成功。她说：“互补的专业知识是创建此类解决方案的关键。”
不过，下一步是将这项技术带入可以真正帮助患者的医院。fastMRI团队相信这可以很快发生，可能只需几年。他们创建的训练数据和模型是完全开放的，可以在没有新硬件的情况下合并到现有的MRI扫描仪中。索迪克森说，研究人员已经在与生产这些扫描仪的公司进行谈判。
伦敦大学学院MRI研究小组负责人Karin Shmueli并未参与这项研究，他告诉The Verge，这将是向前迈出的关键一步。
Shmueli说：“将研究成果运用于临床的瓶颈通常是制造商采用和实施。” 她补充说，像fastMRI这样的工作是将人工智能纳入医学成像的更广泛趋势的一部分，这是非常有希望的。她说：“未来肯定会更多地使用AI。”
