医疗搭上AI快车会如何？智能医疗时代来临！纽约大学和脸书通过人工智能进行MRI扫描合作。索果设计为你整理一下目前的合作进展和动态。

磁共振成像（MRI）在医学领域是一种机器重要的检测工具，但它检测起来非常缓慢繁琐。每次完成扫描可能需要十五分钟或一小时，在此期间，患者（可能是儿童或严重疼痛的人）必须不能移动身体，保持静止。纽约大学一直在努力加快优化这一方面，现在正在与Facebook合作.目标是通过应用基于AI的成像工具将MRI持续时间缩短90％。

X射线或实际上是MRI扫描一旦完成，就可以通过物体识别系统进行检查，观察异常，为医生节省时间，甚至可能捕捉到他们可能遗漏的东西。该项目不是要分析已经创建的图像，而是首先加快其创建速度。

MRI耗时间的原因是机器必须创建一系列2D图像或切片，其中许多必须堆叠起来制作3D图像。有时只需要少数几个，但是对于完全保真度和深度 - 对于像扫描脑肿瘤这样的东西 - 需要大量的切片。

由纽约大学研究人员于2015年开始的FastMRI项目调查了创建与传统​​扫描相似质量的图像的可能性，但只收集了通常需要的一小部分数据。

可以把它想象成扫描普通照片。你可以扫描整个东西。但如果你只扫描每隔一行（这称为“欠采样”），然后智能地填充丢失的像素，则需要一半的时间。机器学习系统在这样的任务上相当不错。
左侧收集的数据可能会在右侧“欠采样”，稍后会自动填写缺失的数据。

如果可以训练AI系统来填充MRI扫描的间隙，其中仅收集最关键的数据，则可以显着减少患者必须坐在成像管中的实际时间。这对患者来说更容易，一台机器可以处理的人数远远超过每次进行全扫描的人数，使扫描更便宜，更容易获得。

纽约大学医学院的研究人员三年前开始研究这一问题并发表了一些早期结果，表明这种方法至少是可行的。但就像MRI扫描一样，这种工作需要时间。

“我们和其他机构在使用人工智能这一类问题上采取了一些措施，”纽约大学高级成像创新与研究中心主任Dan Sodickson解释道。“感觉就是在第一次尝试中，使用相对简单的方法，我们可以比其他当前的加速技术做得更好 - 获得更好的图像质量，并且可能进一步加速一些百分比，但不是大倍数。”

因此，为了推动项目的进展，Sodickson和纽约大学的放射科医生正在与Facebook及其人工智能研究小组（FAIR）的人工智能相结合。

“我们这里有一些伟大的物理学家，甚至还有一些热门的数学家，但Facebook和FAIR拥有世界上一些领先的人工智能科学家。所以它是互补的专业知识，“Sodickson说。

尽管Facebook并未计划启动医疗成像部门，但FAIR拥有相当广泛的授权。

“我们正在寻找有影响力但也有科学意义的问题，”FAIR的Larry Zitnick说。基于人工智能的创作或重新创作逼真的图像（通常称为“幻觉”）是一个主要的研究领域，但这将是一个独特的应用 - 更不用说可以帮助一些人。

他解释说，根据患者的MRI数据，生成的图像“不需要只是合理，但需要保留相同的缺陷。”因此，填补空白的计算机视觉代理需要能够识别只是整体模式和结构，并能够保留甚至智能地扩展图像内的异常。如果不这样做，将会对原始数据进行大规模修改。

幸运的是，当涉及到它们如何产生图像时，MRI机器非常灵活。例如，如果你通常会从200个不同的位置进行扫描，那么告诉机器做一半的扫描并不难，但是在一个区域或另一个区域内密度更高。CT和PET扫描仪等其他成像仪并不那么温顺。

即使经过几年的研究，这项研究仍处于早期阶段。毕竟，这些事情不能匆忙，而且对于医疗数据，存在道德考虑因素并且难以获得足够的数据。但纽约大学研究人员的基础工作取得了初步成果和强大的数据集。

Zitnick指出，由于AI代理需要大量数据来训练有效水平，因此从一组（例如500次MRI扫描）到10,000次扫描，这是一个重大变化。使用以前的数据集，您可能能够进行概念验证，但使用后者，您可以制作足够准确的实际用途。

今天宣布的伙伴关系是在纽约大学和Facebook之间，但两者都希望其他人加入。

“我们正在公开讨论这个问题。我们将全力开源，“齐特尼克说。人们可能会期待不少学术研究，但当然，大量的人工智能工作尤其是近来闭门造车。

因此，作为合资企业的第一步将是定义问题，记录数据集并释放它，创建基线和度量来衡量它们的成功，等等。同时，这两个组织将定期会面和交换数据，并将结果运行到实际的临床医生手中。

“我们不知道如何解决这个问题，”齐特尼克说。“我们不知道我们是否会成功。但这就是它的乐趣所在。”

声明： 本文系SOOGOT根据网络渠道资源进行分析翻译总结，目的在于信息传递，版权归上海索果工业设计有限公司所有，转载需注明：“上海索果工业设计有限公司WWW.SOOGOT.COM”，如有新闻稿件和图片作品的内容、版权以及其它问题的，请联系我们。