核磁共振掃描(MRI)的優(yōu)點是能提供病人身體內(nèi)部最詳細(xì)的圖像之一，缺點則是需要花費的時間太長。
核磁共振成像機的原理是利用磁場和無線電波與人體軟組織和重要器官中的氫原子相互作用，產(chǎn)生一個信號，然后經(jīng)過處理，形成人體圖像。
質(zhì)子(氫原子)可以被認(rèn)為是微小的條形磁鐵，有北極和南極，繞軸旋轉(zhuǎn)。
掃描儀用正確頻率的無線電波脈沖激發(fā)質(zhì)子，使它們產(chǎn)生共振，擾亂磁性排列。被激發(fā)的質(zhì)子以射頻信號的形式釋放吸收的能量，發(fā)射物被掃描儀上的接收線圈接收。
與其他成像工具相比，核磁共振成像通常是診斷器官、肌肉和其他軟組織問題的最佳工具，因為它們提供的細(xì)節(jié)水平較高。但這種掃描儀需要相當(dāng)長的時間來收集必要的數(shù)據(jù)，這使得人們很難在檢查過程中如要求那般保持靜止，尤其對于好動的兒童來說。
這不僅使得病人在檢查中感到不舒服，而且還限制了一天中可以進(jìn)行掃描的人數(shù)——這就要求醫(yī)院購買更昂貴的設(shè)備或定量提供核磁共振掃描。
任何移動也會降低掃描的整體質(zhì)量，這意味著花費的時間越長，得到詳細(xì)圖像的機會就越少。
如X射線和CT掃描等其余檢查的速度要快得多，但與核磁共振成像不同的是，它們將人體暴露在電離輻射中，在某些情況下也不能顯示出那么多信息。
Facebook AI加速“補完”核磁共振圖像
Facebook的AI最近的新進(jìn)展直擊核磁共振掃描的痛點：時間太長。
Facebook的人工智能研究人員與紐約大學(xué)朗格尼健康中心的醫(yī)生和醫(yī)學(xué)成像專家合作，創(chuàng)建一個“免費和開源”的人工智能模型，該模型可以用于幾乎所有現(xiàn)有的核磁共振掃描儀。
收集數(shù)據(jù)是核磁共振掃描如此緩慢的主要原因。Facebook AI的工作原理不是加快掃描儀收集信息的實際過程，而是用于“模糊掃描”中的“填補空白”。
AI會先對身體做一個不太詳細(xì)的掃描——完成這個掃描不需要很長時間——然后“填補缺失信息的空白”。
“我們正在使用人工智能從更少的原始數(shù)據(jù)中創(chuàng)建完整的圖像，”Facebook說。
這兩個團(tuán)隊在過去的兩年里一直致力于fastMRI項目，并最終達(dá)到了“臨床可行”的程度?？焖俸舜殴舱駫呙枋褂昧舜蠹s75%的原始數(shù)據(jù)，這意味著掃描過程可以快4倍。
研究人員建立了一個神經(jīng)網(wǎng)絡(luò)，并使用世界上最大的膝關(guān)節(jié)核磁共振的開源數(shù)據(jù)集進(jìn)行訓(xùn)練。該數(shù)據(jù)集由紐約大學(xué)朗格尼健康中心創(chuàng)建并分享，是fastMRI倡議的一部分。
fastMRI團(tuán)隊在每次掃描中刪除四分之三的原始數(shù)據(jù)，然后將剩余的信息輸入人工智能模型。然后，該模型學(xué)會了從有限的數(shù)據(jù)中生成完整的圖像。
“想象一下，從1000塊拼圖中取出250塊，然后以一種不僅看起來可信，而且與盒子上顯示的完整拼圖相匹配的方式完成整個圖像，這就是我們的模型所做的工作。”研究小組說。
不過，fastMRI背后的研究人員必須確保他們的模型不會為了追求速度而犧牲準(zhǔn)確性。圖像中缺失的或不正確的模型點可能意味著醫(yī)生無法辨別所找到的是撕裂的韌帶還是可能的腫瘤。
即將發(fā)表在《美國X射線學(xué)雜志》上的這項臨床研究表明，fastMRI的人工智能模型確實能產(chǎn)生與標(biāo)準(zhǔn)MRI一樣準(zhǔn)確、有用和可靠的圖像。
研究人員向6名放射科醫(yī)生分別展示了fastMRI或普通MRI，并被要求閱讀檢查結(jié)果，而不知道他們被展示的是哪一種。
四個星期后，他們又重復(fù)了這一過程，把掃描結(jié)果倒過來，專家們宣布這些圖像“在診斷上是可互換的”。
該團(tuán)隊在一次新聞發(fā)布會上解釋說，它可以“使MRI與X射線同樣快或更快”，但可以獲得更多的診斷信息，而且不需要輻射。這項技術(shù)對于獲得兒童的詳細(xì)掃描特別有用，因為兒童很難在機器中保持足夠長的時間不動。
“所以在希望不太遙遠(yuǎn)的將來的某一天，你可能只需花幾分鐘在掃描儀里就能產(chǎn)生一個非常清晰的圖像。”
這也可能導(dǎo)致未來的MRI機器更小、更便宜，可以在更多的地方使用——進(jìn)一步提高它們的實用性。
目前，這項研究主要集中在膝蓋掃描上，接下來研究人員想要證明fastMRI對其他重要器官，如大腦，同樣有效。
所有的數(shù)據(jù)、模型和代碼都是開放源碼和免費的，供其他研究人員在此基礎(chǔ)上構(gòu)建和貢獻(xiàn)新想法。核磁共振制造商現(xiàn)在也可以自由地用他們的機器測試fastMRI，以便及時應(yīng)用。
研究團(tuán)隊表示，該研究不是為了追求經(jīng)濟(jì)利益，而是為了全球醫(yī)學(xué)的發(fā)展。
潛在的缺陷
盡管帶來了新的希望，這項研究離廣泛應(yīng)用還很遠(yuǎn)。
牛津大學(xué)心血管醫(yī)學(xué)專家保羅·利森教授(Paul Leeson)沒有參與這項研究，他說還需要更多的研究。
他說，這種方法的一個缺點是，雖然圖像看起來真實而精確，但圖像中與醫(yī)學(xué)相關(guān)的信息卻減少了。
Leeson說:“從本質(zhì)上說，這張照片上的空白都被看起來很真實的內(nèi)容‘填滿了’，以欺騙觀眾。”
不過，他補充說，這些缺失的內(nèi)容可能并不重要。
對于很多疾病來說，一些小的變化對于了解患者的健康狀況并不重要，所以數(shù)據(jù)丟失的小片段也沒那么重要。
Leeson也提及了該技術(shù)的一個優(yōu)點:“這項技術(shù)能夠增加MRI掃描的使用，實際上可能有助于識別更多的疾病，因為患者更少依賴于簡單、不那么精確的成像測試。”
“是否將這種人工智能方法用于膝蓋成像，還是將其應(yīng)用于身體其他部位，需要仔細(xì)考慮。”
“最終，針對患者的適當(dāng)隨機試驗將有助于證明這些類型的醫(yī)學(xué)圖像增強工具是有益于健康，還是僅僅把圖像變得清晰了一點。”
