独家报道 Facebook 利用人工智能加速 MRI 扫描的努力

吉娜·西亚瓦拉坐在曼哈顿纽约大学朗格尼医学中心的一间暗室里。这是一间阅览室，是像她这样的放射科医生检查 X 光和 MRI 扫描结果的地方。她面前的显示器显示着一位匿名患者膝盖的灰阶图像，她在图像中发现了一个关键问题：前交叉韧带撕裂。“这绝对是不正常的，”西亚瓦拉解释道。

但是，除了扫描骨骼、韧带、脂肪、软骨和肌腱的漩涡以检查是否存在撕裂或关节炎等问题之外，Ciavarra 还必须进行另一项评估。这个特殊的膝盖扫描图是由人工智能创建的，还是以传统方式通过 MRI 机器生成的？“我的直觉告诉我这是人工智能，”她不确定地说。“它看起来有点模糊。”

Ciavarra 和她的纽约大学同事参与了一项研究，该研究将人工智能扫描与传统扫描的质量进行了对比。通过将人工智能与 MRI 机器相结合，计算机科学家和放射科医生认为他们可以大大加快一种常见的医疗检查速度——这对患者和医院来说都是一大福音。这可能意味着将十分钟的膝盖扫描缩短到五分钟，或将一小时的心脏扫描缩短到半小时。它还可以为医院节省资金，并减少对难以保持静止的儿科患者进行麻醉的需要。

纽约大学目前正在准备将这项研究提交给学术评审，这是两个奇怪的伙伴——纽约大学医学院和 Facebook 之间项目的一部分。该合作由 Facebook 人工智能研究部门发起，并于一年多前宣布，其目标很简单：利用人工智能开发快速而高质量的 MRI 扫描，有朝一日，这种扫描可以让繁忙的医疗中心照顾更多的人，让资源匮乏的国家更好地利用现有设备，让老年人、年轻人和幽闭恐惧症患者减少在狭窄而嘈杂的磁管中待的时间。

以这种方式使用人工智能的好处是，在创建图像时，它所需的信息比成熟方法（称为逆傅里叶变换）少得多，这些图像可以让医生了解人体内部情况。“在 MRI 中，我们获取一定量的数据，然后使用重建方法来创建图像，”纽约大学朗格尼医学中心放射科主任迈克尔·雷希特 (Michael Recht) 说。“但事实证明，我们收集的数据一直都比我们可能需要的多。” 想象一下用省油的汽车取代耗油的破车：新算法需要更少的数据，更少的测量，就能行驶与 MRI 机器相同的距离（或者在这种情况下，获得正确的图像）。

FAIR 的研究科学家 Larry Zitnick 解释说，为了让放射科医生或外科医生获得他们需要的信息（并且要使这项实验取得成功），AI 生成的图像必须满足两个条件。首先，它必须准确：如果扫描结果很漂亮，但却遗漏了韧带撕裂处或伪造了实际上不存在的东西，那么它既无用又危险。其次，“放射科医生必须喜欢这个图像”，Zitnick 说。当 Ciavarra 这样的医生在黑暗的阅览室里花几个小时盯着扫描结果时，他们需要清晰且赏心悦目的照片。

然而，要让算法解释这种久经考验的机器产生的信息并非易事。为了训练人工智能软件正确地将频率数据转换为图像，Facebook 团队表示，他们使用来自真实 MRI 扫描的信息尝试了大约 1,000 种不同的模型变体。他们为算法提供了原始信息，并向其展示了相应的图像，以帮助神经网络（一种常见的机器学习工具，软件工程师可以训练它执行不同的任务，例如识别照片中的内容）生成正确的图像。

Facebook 开发出该模型后，就必须在眼尖的专家身上进行盲测。纽约大学的放射科医生（如 Ciavarra）审查了人工智能制作的膝盖扫描图，并用传统方法查看能否从两者中获得相同的诊断信息。然后，他们必须猜出哪个是哪个。该团队没有对患者进行两次扫描（较慢的常规方法和更快的人工智能方法），而是事后从常规扫描中删除了一些原始数据，以模拟机器运行速度更快时的情况。

齐特尼克还指出，他的团队在人工智能生成的图像中添加了一点噪音，使它们看起来更逼真，避免让医生知道。“你调整得恰到好处，然后放射科医生突然很难分辨出哪个是人工智能的，哪个不是，因为你拿走了那里的那一个提示，”他说。（他说，增加的噪音不会影响扫描的诊断价值。）

通常，当你听到人工智能和放射学的交集时，算法是在分析图像，而不是像 Facebook-NYU 项目那样创建图像。“我认为这是一个非常令人兴奋和重要的研究方向，”杜克大学副教授 Maciej Mazurowski 说，他专注于放射学和人工智能，但没有参与这项 MRI 工作。“它与大多数放射学人工智能研究不同。”例如，Mazurowski 使用神经网络在超声扫描中评估人们甲状腺上的结节。其他研究则集中于利用机器学习来寻找胸部图像中的结核病等问题。

Facebook 表示将公开他们的 AI-MRI 算法，以便其他想要提高机器运行速度并使用人工智能将数据解读为图像的研究人员可以这样做。“这对临床的影响可能是巨大的，因为 MRI 扫描仪价格昂贵，而且经常处于备份状态，”Mazurowski 说。然而，将人工智能注入这一过程也存在一些潜在风险。首先，算法可能会发明一个实际上并不存在的问题（伪影）。更重要的是，Mazurowski 说，更大的担忧是它可能会忽略一个实际问题，这意味着放射科医生永远不会注意到 ACL 撕裂。

这是一个高风险的项目，可能带来至关重要的回报：外科医生可能会根据扫描结果进行切割或不切割。“这让我们非常紧张，”齐尼克说。“把这些事情做好很重要，这就是为什么我们要以非常有条不紊的方式做这件事。”

在这项可互换性研究等待学术审查的同时，纽约大学的研究人员正准备进行进一步的比较，以判断人工智能创建的图像是否与外科医生在膝盖内进行关节镜检查时实际看到的图像相符。未来的目标不仅是将这项技术局限于膝盖，还要将其用于其他身体部位，比如目前需要大量扫描时间的脑部核磁共振成像。

纽约大学的雷希特表示，他希望快速的人工智能扫描能够改变医生和患者与 MRI 之间的关系。“我的梦想是，”他说，“每个关节的扫描时间只需五分钟。”