2018年，F(xiàn)acebook人工智能研究公司與紐約大學(xué)朗格尼大學(xué)放射學(xué)系合作的FastMRI發(fā)布了大規(guī)模的具有里程碑意義的MR數(shù)據(jù)集，并計(jì)劃最終通過人工智能（AI）為其提供支持并顯著提高M(jìn)R掃描速度。任務(wù)完成。

發(fā)表在《美國放射學(xué)雜志》上的新研究表明，該團(tuán)隊(duì)的AI生成的MR掃描與傳統(tǒng)MR一樣有效。如果由放射科實(shí)施，新模型可以幫助消除幼兒，老人和其他患者在傳統(tǒng)掃描過程中經(jīng)常遇到的一些問題，例如時間長，幽閉恐懼癥和需要使用鎮(zhèn)靜劑。

“這項(xiàng)研究是邁向AI加速M(fèi)R掃描臨床接受和利用的重要一步，因?yàn)樗状巫C明AI生成的圖像在外觀上與標(biāo)準(zhǔn)的臨床MR檢查基本沒有區(qū)別，并且在診斷準(zhǔn)確性方面可以互換，紐約大學(xué)Langone放射學(xué)教授，主要研究作者M(jìn)ichael P. Recht在新聞稿中說。“這標(biāo)志著我們?nèi)绾胃纳苹颊唧w驗(yàn)和創(chuàng)建圖像的方式發(fā)生了令人振奮的變化?！?/p>

這個開源項(xiàng)目包括來自10，000次掃描的150萬個未識別的MR膝蓋圖像以及來自1，600次掃描的原始測量數(shù)據(jù)，研究人員從中建立了一個神經(jīng)網(wǎng)絡(luò)并對其進(jìn)行了訓(xùn)練。這包括重建底層圖像結(jié)構(gòu)遺漏的視圖，類似于人們插入感官信息的方式。

MR是用于人體軟組織的金標(biāo)準(zhǔn)成像技術(shù)。但是，它的主要局限性在于考試所花費(fèi)的時間，”紐約大學(xué)放射學(xué)副教授兼人工智能副主席Yvonne W. Lui博士在團(tuán)隊(duì)的早期研究中告訴HCB News。

現(xiàn)在，在AI的幫助下，獲得高質(zhì)量的醫(yī)學(xué)圖像所需的數(shù)據(jù)要少得多，這意味著可以更快地執(zhí)行掃描，而不會影響診斷準(zhǔn)確性。實(shí)際上，消除了用于創(chuàng)建掃描的原始數(shù)據(jù)的75%。

FastMRI還顯示了捕獲以前遺漏的信息的潛力，這將改善患者的預(yù)后。研究表明，放射檢查中的錯誤率約為30%，日常放射實(shí)踐中的實(shí)時錯誤平均為3%至5%，并且在所有針對放射科醫(yī)生的醫(yī)療事故索賠中，將近75%與診斷錯誤有關(guān)。