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。
“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。
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。
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。
