據(jù)外媒The Verge報道，近日一項新研究表明，利用人工智能可使磁共振成像（MRI）掃描速度加快4倍。這項工作是Facebook的AI研究團隊(FAIR)和紐約大學(xué)朗格尼醫(yī)學(xué)中心的放射科醫(yī)生之間的合作項目，名為fastMRI。

科學(xué)家們一起在一對低分辨率和高分辨率的核磁共振掃描上訓(xùn)練了一個機器學(xué)習(xí)模型，利用這個模型只需從通常輸入數(shù)據(jù)的四分之一中 “預(yù)測”出最終的核磁共振掃描的樣子。這意味著掃描可以更快地完成，這意味著患者的麻煩更少，診斷更快。

“這是一個將人工智能融入醫(yī)學(xué)影像的重要墊腳石，”參與該項目的FAIR生物醫(yī)學(xué)人工智能訪問研究員Nafissa Yakubova告訴The Verge。

人工智能可以用來從較少的數(shù)據(jù)中產(chǎn)生相同的掃描，原因是神經(jīng)網(wǎng)絡(luò)基本上已經(jīng)“學(xué)會”了一個抽象的想法，即通過檢查訓(xùn)練數(shù)據(jù)來了解醫(yī)療掃描的樣子。然后，它利用這一點來對最終的輸出進行預(yù)測。

“神經(jīng)網(wǎng)知道醫(yī)學(xué)圖像的整體結(jié)構(gòu)，”紐約大學(xué)朗格尼醫(yī)學(xué)中心的放射學(xué)教授Dan Sodickson告訴The Verge?！霸谀承┓矫?，我們正在做的是根據(jù)數(shù)據(jù)填補這個特定患者（掃描）的獨特之處?！?/p>

fastMRI團隊多年來一直在研究這個問題，但周二他們在《 American Journal of Roentgenology》雜志上發(fā)表了一項臨床研究，他們說這證明了他們的方法的可信度。該研究要求放射科醫(yī)生根據(jù)傳統(tǒng)的核磁共振掃描和人工智能增強的患者膝蓋掃描進行診斷。研究報告稱，當(dāng)面對傳統(tǒng)掃描和AI掃描時，醫(yī)生做出的評估完全相同。

“這里可以基于信任的關(guān)鍵詞是互換性，”Sodickson說?！拔覀儾皇窃诳匆恍┗趫D像質(zhì)量的量化指標(biāo)。我們是說，放射科醫(yī)生做出同樣的診斷。他們發(fā)現(xiàn)同樣的問題。他們不會錯過任何東西。”

這個概念極為重要。雖然機器學(xué)習(xí)模型經(jīng)常被用來從低分辨率的輸入中創(chuàng)建高分辨率的數(shù)據(jù)，但這個過程經(jīng)常會引入錯誤。例如，人工智能可以用來提升舊視頻游戲的低分辨率圖像，但人類必須檢查輸出，以確保它與輸入相匹配。而AI “想象 ”錯誤的MRI掃描的想法顯然令人擔(dān)憂。

不過fastMRI團隊表示，這并不是他們方法的問題。首先，用于創(chuàng)建AI掃描的輸入數(shù)據(jù)完全覆蓋了身體的目標(biāo)區(qū)域。機器學(xué)習(xí)模型并不是只從幾塊拼圖來猜測最終的掃描結(jié)果是什么樣子的。它擁有所有它需要的碎片，只是分辨率較低。其次，科學(xué)家們根據(jù)核磁共振掃描的物理原理，為神經(jīng)網(wǎng)絡(luò)創(chuàng)建了一個檢查系統(tǒng)。也就是說，在創(chuàng)建掃描的過程中，每隔一段時間，人工智能系統(tǒng)就會檢查它的輸出數(shù)據(jù)是否與核磁共振成像機器在物理上可能產(chǎn)生的數(shù)據(jù)相匹配。

“我們不只是讓網(wǎng)絡(luò)創(chuàng)建任何任意的圖像，”Sodickson說?！拔覀円笸ㄟ^該過程生成的任何圖像必須是物理上可實現(xiàn)的MRI圖像。我們在某種程度上限制了搜索空間，確保一切都與MRI物理學(xué)一致?！?/p>

Yakubova說，正是這種特殊的見解，在放射科醫(yī)生和人工智能工程師之間進行了長時間的討論之后才得以實現(xiàn)，才使得這個項目得以成功?！盎パa的專業(yè)知識是創(chuàng)造這樣的解決方案的關(guān)鍵，”她說。

不過，科學(xué)家的下一步計劃是讓這項技術(shù)進入醫(yī)院，真正幫助病人。fastMRI團隊有信心這可以相當(dāng)快地實現(xiàn)，也許只需要幾年時間。他們創(chuàng)建的訓(xùn)練數(shù)據(jù)和模型是完全開放的，無需新的硬件就可以納入現(xiàn)有的MRI掃描儀中。而Sodickson表示，研究人員已經(jīng)在與生產(chǎn)這些掃描儀的公司進行談判。

倫敦大學(xué)學(xué)院MRI研究團隊的負責(zé)人Karin Shmueli（并沒有參與這項研究）告訴The Verge，這將是推進研究的關(guān)鍵一步。

“將一些東西從研究中帶入臨床的瓶頸，往往是制造商的采用和實施，”Shmueli說。她補充說，像fastMRI這樣的工作是將人工智能納入醫(yī)療成像的更廣泛趨勢的一部分，這種趨勢非常有前途。“人工智能在未來肯定會有更多的應(yīng)用，”她說。