Facebook和纽约大学的研究项目表明，通过从较少的数据中“预测”最终扫描，人工智能可以使MRI扫描速度提高四倍

如果你以前做过核磁共振扫描，你就会知道这种经历是多么令人不安。你被放在一个会引发幽闭恐惧症的管子里，并被要求保持完全静止长达一个小时，而看不见的硬件在你周围发出嗡嗡声、吱吱声和砰砰声，就像一个医学上的幽灵一样。然而，新的研究表明，人工智能可以通过将MRI扫描速度提高四倍，让患者更快地进出导管，从而帮助解决这一困境。

这项工作是Facebook的人工智能研究团队(FAIL)和纽约大学朗格尼健康中心的放射学家之间的一个名为FastMRI的合作项目。科学家们一起训练了一种机器学习模型，对一对低分辨率和高分辨率的MRI扫描进行训练，使用这个模型，仅从通常输入数据的四分之一就“预测”最终的MRI扫描是什么样子。这意味着扫描可以更快完成，这意味着患者的麻烦更少，诊断更快。

“这是将人工智能融入医学成像的重要垫脚石。”

参与该项目的FAIL的来访生物医学人工智能研究员Nafissa Yakubova告诉The Verge：“这是将人工智能融入医学成像的重要垫脚石。”

人工智能可以用来从更少的数据中产生相同的扫描结果的原因是，神经网络通过检查训练数据，基本上已经学习了医疗扫描是什么样子的抽象概念。然后，它使用这一点来对最终输出进行预测。可以把它想象成一位多年来设计了很多银行的建筑师。他们对银行的样子有一个抽象的概念，因此他们可以更快地创建最终蓝图。

纽约大学朗格尼健康中心放射学教授丹·索迪克森(Dan Sodickson)告诉The Verge：“神经网络知道医学图像的整体结构。”“在某种程度上，我们所做的是根据数据填补这位患者(扫描)的独特之处。”

FAST MRI团队多年来一直在研究这个问题，但今天，他们在美国放射学杂志上发表了一项临床研究，他们说这证明了他们方法的可信度。这项研究要求放射科医生同时基于传统的MRI扫描和人工智能增强的患者膝盖扫描进行诊断。研究报告称，当面对传统扫描和人工智能扫描时，医生做出了完全相同的评估。

索迪克森说：“这里可以建立信任的关键词是可互换性。”“我们关注的不是基于图像质量的某种量化指标。我们是说放射科医生也会做出同样的诊断。他们发现了同样的问题。他们什么都不会错过。“

这个概念是非常重要的。尽管机器学习模型经常用于从低分辨率输入创建高分辨率数据，但此过程经常会引入错误。例如，人工智能可以用来升级旧视频游戏中的低分辨率图像，但人类必须检查输出，以确保它与输入匹配。而人工智能“想象”不正确的MRI扫描的想法显然令人担忧。

不过，快速核磁共振团队表示，这不是他们方法的问题。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。机器学习模型并不是仅仅通过几块拼图来猜测最终的扫描是什么样子的。它有它需要的所有部件，只是分辨率较低。其次，科学家们根据核磁共振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机器在物理上可能产生的数据匹配。

索迪克森说：“我们不允许网络制造任何任意的图像。”“我们要求通过这一过程产生的任何图像必须是物理上可以实现为MRI图像的。在某种程度上，我们正在限制搜索空间，以确保一切都与核磁共振物理相一致。“。

雅库博娃说，正是这种特殊的洞察力，在放射科医生和人工智能工程师之间进行了长时间的讨论后才产生，使该项目取得了成功。“互补的专业知识是创建这样的解决方案的关键，”她说。

然而，下一步是将这项技术引入医院，在那里它可以真正帮助患者。FAST MRI团队相信这可以很快实现，也许只需要几年的时间。他们创建的训练数据和模型是完全开放的，无需新硬件即可集成到现有的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。

卡琳·什穆利(Karin Shmueli)是伦敦大学学院核磁共振研究小组的负责人，她没有参与这项研究，她告诉The Verge，这将是向前迈出的关键一步。

Shmueli说：“将来自研究的东西带入临床的瓶颈通常是制造商的采用和实施。”她补充说，像FAST MRI这样的工作是将人工智能融入医学成像的更广泛趋势的一部分，这一趋势非常有希望。“人工智能在未来肯定会得到更多的使用，”她说。