如果你以前做过核磁共振扫描，你就会知道这种经历是多么令人不安。你被放置在一个幽闭恐怖诱导管，并要求保持完全静止长达一个小时，而看不见的硬件呼啸声，吱吱声，和重击你周围像一个医疗恶灵。不过，最新研究表明，人工智能可以帮助解决这一困境，它可以使核磁共振扫描速度提高四倍，让患者更快地进出试管。

这项工作是一个名为fastMRI的合作项目，由Facebook的人工智能研究团队（FAIR）和纽约大学兰贡健康中心的放射科医生共同完成。科学家们共同训练了一个机器学习模型，对低分辨率和高分辨率的核磁共振扫描进行配对，用这个模型从通常输入数据的四分之一中“预测”出最终的核磁共振扫描是什么样子。这意味着扫描可以更快地完成，意味着对患者的麻烦更少，诊断更快。

“这是将人工智能融入医学成像的一个重要的垫脚石，”参与该项目的FAIR的生物医学人工智能访问研究员nafissayakubova告诉《边缘》杂志。

人工智能可以用来从较少的数据中产生相同的扫描结果的原因是，神经网络通过检查训练数据基本上已经学会了医学扫描的抽象概念。然后用它来预测最终的输出。把它想象成一个多年来设计了许多银行的建筑师。他们对银行的形象有一个抽象的概念，因此他们可以更快地创建最终蓝图。

“神经网络知道医学图像的整体结构，”纽约大学兰根健康中心的放射学教授dansodickson告诉Verge。“在某些方面，我们所做的是根据数据填写这个特定患者（扫描）的独特之处。”

fastMRI团队多年来一直致力于解决这个问题，但今天，他们在《美国放射学杂志》上发表了一项临床研究，他们说这证明了他们的方法的可靠性。这项研究要求放射科医生根据传统的MRI扫描和人工智能增强扫描对患者的膝盖进行诊断。研究报告说，当面对传统扫描和人工智能扫描时，医生做出了完全相同的评估。

索迪克森说：“在这里，信任可以基于的关键词是互换性。”。“我们不是在研究基于图像质量的定量指标。我们是说放射科医生做出同样的诊断。他们发现了同样的问题。他们什么也没错过。”

这个概念非常重要。虽然机器学习模型经常被用来从低分辨率的输入中创建高分辨率的数据，但是这个过程经常会引入错误。例如，人工智能可以用来提升旧视频游戏中的低分辨率图像，但人类必须检查输出以确保其与输入匹配。人工智能“想象”错误的核磁共振扫描的想法显然令人担忧。

不过，fastMRI团队表示，这与他们的方法无关。首先，用于创建AI扫描的输入数据完全覆盖了身体的目标区域。机器学习模型并不是仅仅从几个拼图中猜出最终扫描的样子。它拥有所需的所有部件，只是分辨率较低。其次，科学家们根据核磁共振成像扫描的物理特性为神经网络建立了一个检查系统。这意味着在创建扫描的过程中，AI系统会定期检查其输出数据是否与MRI机器实际可能产生的数据相匹配。

A traditional MRI scan created from normal input data, known as k-space data. GIF: FAIR / NYU

An AI-enhanced MRI scan created from a quarter of normal input data. GIF: FAIR / NYU

索迪克森说：“我们不允许网络**任何任意的图像。“我们要求通过这个过程产生的任何图像必须是物理上可以实现的MRI图像。我们在某种程度上限制了搜索空间，确保一切都符合核磁共振物理。”

雅库博娃说，正是这一特殊的见解，使项目得以成功，这一见解是放射科医生和人工智能工程师经过长时间讨论后得出的。她说：“互补的专业知识是创造这种解决方案的关键。”。

不过，下一步是将这项技术引入医院，使其能够真正帮助患者。fastMRI团队相信，这种情况可能会很快发生，也许只需几年时间。他们创建的训练数据和模型是完全开放的，不需要新的硬件就可以集成到现有的MRI扫描仪中。索迪克森说，研究人员已经在与生产这些扫描仪的公司进行谈判。

伦敦大学学院核磁共振研究小组的负责人卡林·什穆埃利（karinshmueeli）没有参与这项研究，他告诉《边缘》杂志，这将是向前迈进的关键一步。

Shmueli说：“将研究成果应用于临床的瓶颈往往是**商的采用和实施。”。她补充说，像fastMRI这样的工作是将人工智能融入医学成像的更广泛趋势的一部分，这一趋势非常有前景。“人工智能在未来肯定会得到更多的应用，”她说。