进行 MRI 扫描意味着要躺在一个嘈杂、令人幽闭恐惧的管子里。对许多人来说，这并不愉快。而对另一些人——比如儿童或重症患者——则更加糟糕。因此，为了让这些诊断工具运行得更快，研究人员正在探索一种新策略：利用人工智能来处理 MRI 机器生成的原始数据，并创建可读的图像。
纽约大学医学院放射学系教授 Daniel Sodickson 解释说，MRI 扫描速度慢的原因是，它们需要捕获生成清晰图像以供放射科医生解读所需的所有数据。膝盖扫描大约需要 15 到 20 分钟；大脑需要 30 分钟；心脏成像可能需要一个小时。但如果我们能更快地运行机器，同时还能获得可用的图像呢？
Sodickson 说，利用人工智能，“有可能捕获更少的数据，从而更快地成像，同时仍然保留——甚至增强——磁共振图像的所有丰富信息内容。”
这是他们将如何做的：他们会更快地进行 MRI 扫描，从而收集更少的原始数据。但他们不会以传统方式（涉及经过验证的非人工智能数学过程）来解读这些原始数据，而是训练人工智能来进行数据到图像的转换。如果研究人员试图以传统方式解读快速 MRI 数据，结果会很糟糕，因为根本没有足够的数据。而借助人工智能，情况则会更好。
目前的目标是能够将 MRI 扫描速度提高 10 倍，并获得所需精度的图像。纽约大学的研究人员自 2016 年以来一直在研究这个想法，现在他们宣布他们正在与 Facebook 的人工智能研究部门 FAIR 合作，以推动这一项目的发展。
更快的 MRI 将是件好事——患者在机器里待的时间会更短，成像中心和医院每天可以进行更多检查。这项研究提出的另一个好处是，如果 MRI 扫描速度足够快，医生就可以订购这种扫描，而不是传统的 X 射线或 CT 检查——并避免患者受到通常的辐射剂量，因为磁共振成像不像其他扫描那样使用辐射来完成工作。
该项目代表了一种将人工智能应用于医学的有趣方法。人工智能经常被用于分析图像中的内容；在日常生活中，这些图像可以是上传到 Yelp 的意大利面或热狗的图片。或者，在 X 射线等医学图像的情况下，研究探索了使用人工智能分析X 射线中的肺结核或MRI 中的膝盖。在 Alphabet 的 DeepMind 和英国 Moorfields 眼科医院的合作中，人工智能将分析患者眼底的三维扫描，甚至提出治疗建议。
但在这个案例中，策略不同：人工智能本身正在帮助创建图像。
Sodickson 说：“人工智能能够学习人脑不易察觉的转换，”他指的是将原始数据转换为放射科医生后来读取的图像的过程。“早期迹象非常积极，表明人工智能可以很好地完成这项任务。”
当然，从比平常少的数据创建图像听起来有风险——如果人工智能以某种方式解读数据，生成了一张看起来不错的图片，但却遗漏了关键信息呢？韧带的小撕裂，或一个小肿瘤？Sodickson 说这是他们最关注的问题。“我们需要确定我们呈现的是真实的信息，”他说。“我们有很多方法可以尝试测试这一点。”
虽然人工智能从快速扫描生成的图像还不如从较慢的正常扫描获得的图像好，但人工智能在从更少的数据创建图像方面已经做得比以前的方法更好。“它们比我们以前能获得的任何东西都好，只是还没有完全达到完整[扫描]的水平，”他说。
