如果您曾經(jīng)做過(guò)MRI掃描，那么您會(huì)知道這種體驗(yàn)會(huì)令人不安。您被放置在導(dǎo)致幽閉恐懼癥的管子中，并被要求完全靜止長(zhǎng)達(dá)一個(gè)小時(shí)，而看不見(jiàn)的硬件像醫(yī)療保健專家一樣在您周圍呼嘯，吱吱作響和重?fù)簟２贿^(guò)，新的研究表明，AI可以通過(guò)使MRI掃描速度提高四倍，從而使患者更快地進(jìn)出管子來(lái)解決這一難題。

這項(xiàng)工作是Facebook AI研究團(tuán)隊(duì)(FAIR)與NYU Langone Health放射科醫(yī)生之間的一項(xiàng)名為fastMRI的合作項(xiàng)目。科學(xué)家們共同對(duì)低分辨率和高分辨率MRI掃描對(duì)進(jìn)行了機(jī)器學(xué)習(xí)模型的訓(xùn)練，使用該模型僅從通常輸入數(shù)據(jù)的四分之一“預(yù)測(cè)”最終MRI掃描的外觀。這意味著掃描可以更快地完成，這意味著減少了患者的麻煩并加快了診斷速度。

“這是將AI整合到醫(yī)學(xué)影像中的重要踏腳石。”

人工智能可用于從更少的數(shù)據(jù)產(chǎn)生相同掃描的原因是，神經(jīng)網(wǎng)絡(luò)通過(guò)檢查訓(xùn)練數(shù)據(jù)已從本質(zhì)上了解了醫(yī)學(xué)掃描的抽象概念。然后，它使用它對(duì)最終輸出進(jìn)行預(yù)測(cè)。可以將其想象為一位多年來(lái)設(shè)計(jì)許多銀行的建筑師。他們對(duì)銀行的外觀有一個(gè)抽象的想法，因此他們可以更快地創(chuàng)建最終藍(lán)圖。

紐約大學(xué)Langone Health放射學(xué)教授Dan Sodickson告訴The Verge： “神經(jīng)網(wǎng)絡(luò)了解醫(yī)學(xué)圖像的整體結(jié)構(gòu)。” “在某些方面，我們正在根據(jù)數(shù)據(jù)填充該特定患者的[掃描]的獨(dú)特之處。”

fastMRI團(tuán)隊(duì)多年來(lái)一直致力于解決這個(gè)問(wèn)題，但是今天，他們正在《美國(guó)放射學(xué)雜志》上發(fā)表一項(xiàng)臨床研究，他們說(shuō)這證明了其方法的可靠性。該研究要求放射科醫(yī)生根據(jù)傳統(tǒng)的MRI掃描和AI增強(qiáng)的患者膝蓋掃描做出診斷。該研究報(bào)告稱，當(dāng)面對(duì)傳統(tǒng)掃描和AI掃描時(shí)，醫(yī)生進(jìn)行的評(píng)估完全相同。

Sodickson表示：“可以基于信任的關(guān)鍵詞是互換性。” “我們不是在考慮基于圖像質(zhì)量的定量指標(biāo)。我們是說(shuō)放射科醫(yī)生做出相同的診斷。他們發(fā)現(xiàn)同樣的問(wèn)題。他們什么都沒(méi)錯(cuò)過(guò)。”

“他們發(fā)現(xiàn)同樣的問(wèn)題。他們什么都沒(méi)錯(cuò)過(guò)。”

這個(gè)概念非常重要。盡管經(jīng)常使用機(jī)器學(xué)習(xí)模型從低分辨率輸入中創(chuàng)建高分辨率數(shù)據(jù)，但是此過(guò)程通常會(huì)引入錯(cuò)誤。例如，AI可以用于升級(jí)舊視頻游戲中的低分辨率圖像，但是人類必須檢查輸出以確保其與輸入匹配。AI“想象”錯(cuò)誤的MRI掃描的想法顯然令人擔(dān)憂。

但是，fastMRI小組表示，這與他們的方法無(wú)關(guān)。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(jī)器學(xué)習(xí)模型不會(huì)從幾個(gè)難題中猜測(cè)最終掃描的樣子。它具有所需的所有組件，只是分辨率較低。其次，科學(xué)家們基于MRI掃描的物理原理為神經(jīng)網(wǎng)絡(luò)創(chuàng)建了一個(gè)檢查系統(tǒng)。這意味著在創(chuàng)建掃描期間，AI系統(tǒng)會(huì)定期檢查其輸出數(shù)據(jù)是否與MRI機(jī)器產(chǎn)生的物理數(shù)據(jù)相匹配。

“我們不僅允許網(wǎng)絡(luò)創(chuàng)建任意圖像，” Sodickson說(shuō)。“我們要求通過(guò)該過(guò)程生成的任何圖像都必須在物理上可以實(shí)現(xiàn)為MRI圖像。我們以某種方式限制了搜索空間，以確保所有內(nèi)容都與MRI物理學(xué)一致。”

雅庫(kù)波娃說(shuō)，正是這種特殊的見(jiàn)識(shí)，才是放射科醫(yī)生和AI工程師之間經(jīng)過(guò)長(zhǎng)時(shí)間討論之后才產(chǎn)生的，從而使該項(xiàng)目得以成功。她說(shuō)：“互補(bǔ)的專業(yè)知識(shí)是創(chuàng)建此類解決方案的關(guān)鍵。”

不過(guò)，下一步是將這項(xiàng)技術(shù)帶入可以真正幫助患者的醫(yī)院。fastMRI團(tuán)隊(duì)相信這可以很快發(fā)生，可能只需幾年。他們創(chuàng)建的訓(xùn)練數(shù)據(jù)和模型是完全開(kāi)放的，可以在沒(méi)有新硬件的情況下合并到現(xiàn)有的MRI掃描儀中。索迪克森說(shuō)，研究人員已經(jīng)在與生產(chǎn)這些掃描儀的公司進(jìn)行談判。

倫敦大學(xué)學(xué)院MRI研究小組負(fù)責(zé)人Karin Shmueli并未參與這項(xiàng)研究，他告訴The Verge，這將是向前邁出的關(guān)鍵一步。

Shmueli說(shuō)：“將研究成果運(yùn)用于臨床的瓶頸通常是制造商采用和實(shí)施。” 她補(bǔ)充說(shuō)，像fastMRI這樣的工作是將人工智能納入醫(yī)學(xué)成像的更廣泛趨勢(shì)的一部分，這是非常有希望的。她說(shuō)：“未來(lái)肯定會(huì)更多地使用AI。”