500亿财经网

脸书联合纽约大学利用AI缩短核磁共振时间 比原来快四倍

13

  如果你之前曾做过核磁共振(MRI),相信你会有同样的感觉:MRI是一项非常让人不安的检查,患者需要在一个幽闭的空间里完全静止,无法与外界交流,并且看不见医生。

  为了改善患者MRI检查体验,来自Facebook人工智能研究实验室(FAIR)和纽约大学 Langone Health放射科医生成立了fastMRI团队,利用AI来减少MRI检查时间,可以比正常检查快四倍。

  双方科学家共同对低分辨率和高分辨率的MRI扫描结果进行了机器学习模型训练。通过训练后,只需要输入四分之一的数据,就能预测最终MRI的扫描结果。这意味着检查可以更快的完成,医生也能加快诊断的速度。

脸书联合纽约大学利用AI缩短核磁共振时间 比原来快四倍

  “这将是AI纳入医学影像的重要一步,也是将AI整合到医学影像中的一块垫脚石。”FAIR团队成员Nafissa Yakubova表示。

  AI可利用更少数据来预测相同扫描结果的原因是,神经网络通过训练数据,已经从本质上了解医学扫描的概念。举个更形象的例子,一位多年来设计过许多银行的建筑师,他对银行的外观已经有了基本的概念,因此他可以更快地创建最终蓝图。

  纽约大学Langone Health放射学教授Dan Sodickson在接受采访时表示:“神经网络了解医学图像的整体结构。在某些方面,我们是正根据数据填充该特定患者扫描的独特之处。”

  fastMRI团队已成立多年,一直致力于解决这个问题。目前,他们已经在《美国放射学杂志》上发表了一项临床研究,证明了这套方法的可靠性。

  这项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。研究称,当面对传统扫描结果和AI扫描结果时,医生进行最后诊断评估完全相同。

脸书联合纽约大学利用AI缩短核磁共振时间 比原来快四倍

  fastMRI输出结果

  “这里面的关键是可交替性。我们并没有考虑影响图像质量的定量指标。我们只说放射科医生做出了相同的诊断,他们没有遗漏什么,并且发现了患者的问题。”Dan Sodickson说。

  机器学习模型确实经常会用来从低分辨率输入中创建高分辨率数据,但是此过程中通常会发生错误。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效果以确保其与原有视频匹配。如果AI是通过上述的方法“想象”出错误的MRI扫描结果,显然令人担忧。

脸书联合纽约大学利用AI缩短核磁共振时间 比原来快四倍

  传统MRI输出结果

  fastMRI团队之所以能做到结果的可交换性,主要原因首先是,用于创建AI扫描的输入数据完全覆盖了身体目标区域。机器学习模型拥有所有需要的部分,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结果期间,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。

  “我们不仅允许神经网络创建任意图像,我们还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物理学保持一致。”Sodickson说。

  团队的下一步打算是将这项技术带入可以真正帮助患者的医院。 fastMRI团队相信只需几年就可以发生。目前,他们创建的训练数据和模型完全开放访问,无需任何新硬件即可整合到现有MRI扫描仪中。

  “将研究成果运用于临床的瓶颈通常是制造商采用和实施。”伦敦大学学院MRI研究小组负责人Karin Shmueli表示,像fastMRI这样的工作是将人工智能纳入医学成像,成为广泛趋势的一部分,这是非常有希望的,未来肯定会更多地使用AI。

(文章来源:澎湃新闻)

标签: #MRI#不安#利用#医生#患者#时间#空间#纽约大学#脸书