Facebook人工智能實驗室正在與紐約大學醫(yī)學院合作，使用機器學習技術加快MRI（磁共振成像）掃描的速度。如果成功，以后5分鐘內就能完成MRI檢查。

Facebook 想要徹底改變 MRI 掃描。

Facebook 近日宣布與紐約大學醫(yī)學院合作啟動一個新的研究項目，旨在利用人工智能（AI）將 MRI（磁共振成像）掃描的速度提高 10 倍。該項目已經(jīng)獲得 10000 個臨床病例的大約 300 萬張匿名的 MRI 圖像。

這個項目名為fastMRI，是 Facebook 的 FAIR AI 研究實驗室和紐約大學醫(yī)學院放射學系之間的合作。

這是 Facebook 進軍醫(yī)療領域的一次重大嘗試，試圖將其實驗性的 AI 研究成果應用于現(xiàn)實世界的問題。如果這項工作取得成功，將使更多人能夠使用 MRI 技術，擴大對這一關鍵診斷工具的訪問。

MRI 檢查僅需5分鐘！或能代替X光和CT掃描

與其他形式的醫(yī)學成像相比，MRI 掃描提供的圖像通常能顯示更多與軟組織（如器官和血管）相關的細節(jié)。但 MRI 掃描所需時間更長，從 15 分鐘到一個多小時不等，相比之下，拍X 光片不到 1 秒就能結束，CT 掃描至多一分鐘。

MRI 掃描時，患者需要一動不動地躺在一臺巨大的圓筒狀掃描艙里。這么長時間的掃描可能會讓小孩子、幽閉恐懼癥患者或無法久臥的人感到痛苦。此外，在許多地區(qū) MRI 機器短缺，導致患者排期很長。通過提高 MRI 掃描儀的速度，可以讓更多病人能夠使用這些設備。

加速的 MRI 設備還可以減少病人在心臟、肝臟或腹部和其他器官成像時必須屏住呼吸的時間。提高速度可以讓 MRI 機器在某些應用中充當 X 光機和 CT 機的角色，讓病人避免與這些掃描相關的電離輻射。

這個項目最初將側重于改變 MRI 機器的運作方式。目前，掃描儀通過一系列連續(xù)視圖收集原始數(shù)字數(shù)據(jù)，并將數(shù)據(jù)轉換成人體內部結構的橫斷面圖像，然后醫(yī)生用這些圖像來評估病人的健康狀況。要收集的數(shù)據(jù)集越大，掃描所需的時間就越長。

（L）在轉換為圖像之前的原始 MRI 數(shù)據(jù)。為了獲得診斷研究所需的完整原始數(shù)據(jù)，MRI 掃描通常需要 15-60 分鐘。（R）從完全采集的原始數(shù)據(jù)重建的膝關節(jié) MRI 圖像。

使用 AI 技術，需要捕獲的數(shù)據(jù)更少，因此掃描速度更快，同時能夠保留甚至增強 MRI 圖像的豐富信息內容。

關鍵是要訓練人工神經(jīng)網(wǎng)絡識別圖像的底層結構，以便在加速的掃描中補充省略的視圖。這種方法類似于人類處理感官信息的方式。當我們體驗世界時，我們的大腦經(jīng)常接收到的是不完整的畫面——例如被遮擋或光線昏暗的物體——我們需要將其轉化為可操作的信息。

紐約大學醫(yī)學院的早期工作表明，人工神經(jīng)網(wǎng)絡可以完成這類任務，利用很少的數(shù)據(jù)生成高質量的圖像。

在實踐中，使用部分信息重建圖像是一個非常困難的問題。神經(jīng)網(wǎng)絡必須要在不犧牲精度的前提下有效地彌補掃描數(shù)據(jù)的不足。少量的缺失或錯誤建模的像素就可能會導致 “一切正常” 或韌帶撕裂或可能是腫瘤這些完全不同的結果。相反，在圖像中捕獲以前無法得到的信息可以真正地挽救生命。

（L）未充分采樣的原始 MRI 數(shù)據(jù)。用于捕獲這些數(shù)據(jù)的 MRI 掃描比用于捕獲診斷研究的完整數(shù)據(jù)的掃描更快，但是未充分采樣會在結果的 MRI 圖像中產(chǎn)生噪聲和偽影。（R）從子樣本數(shù)據(jù)重建的膝蓋 MRI 圖像。fastMRI 項目旨在使用 AI 創(chuàng)建有用的 MRI 圖像，沒有像這里顯示的噪聲和偽影。

該項目中使用的成像數(shù)據(jù)集由紐約大學醫(yī)學院的專門收集，包含 10000 個臨床病例，大約 300 萬個膝蓋，腦和肝臟的 MRI 圖像。

Facebook 表示，所有數(shù)據(jù)，包括圖像和原始掃描數(shù)據(jù)，都完全刪除了患者姓名一起其他受保護的健康信息，因此完全符合 HIPAA 隱私法規(guī)。用于該項目的 MRI 圖像也已經(jīng)清除了任何潛在的區(qū)別特征。同樣，基于 AI 的重建與傳統(tǒng)重建之間的性能比較也不會有任何識別信息，項目中不會使用任何類型的 Facebook 數(shù)據(jù)。

可推廣到其他醫(yī)療成像應用

Facebook 稱，他們的目標是徹底改變獲取醫(yī)學圖像的方式，不僅僅是利用 AI 增強數(shù)據(jù)挖掘，而是為醫(yī)學可視化創(chuàng)造新的能力，以造福人類健康。

Facebook 和紐約大學計劃將這項工作開源，以使更廣泛的研究社區(qū)能夠在此基礎上進一步研究。隨著項目的進展，F(xiàn)acebook 將共享與這項研究相關的 AI 模型、baseline 和評估指標，紐約大學醫(yī)學院將開放圖像數(shù)據(jù)集。這將有助于確保工作的可重復性，并加速在臨床實踐中采用所得的方法。

雖然這個項目將主要集中在核磁共振成像技術，但它的長期影響可能擴展到其他醫(yī)學成像應用。例如，AI 提供的改進也可能徹底改變 CT 掃描。先進的圖像重建可以實現(xiàn)超低劑量 CT 掃描，從而適合于體弱人群，例如兒科患者。