吉娜·西亚瓦拉（Gina Ciavarra）正坐在纽约大学朗格尼医学中心（NYU Langone Health）曼哈顿分部的一个暗室里。这里是放射科医生解读 X 光和 MRI 扫描的空间。她面前的显示器上，闪烁着一张匿名的患者膝盖的灰度图像，从中她发现了一个关键问题：十字韧带撕裂。“这绝对不正常，”西亚瓦拉解释道。
但除了扫描骨骼、韧带、脂肪、软骨和肌腱是否存在撕裂或关节炎等问题外，西亚瓦拉还需要进行另一项评估。这张特殊的膝盖扫描图像是由人工智能生成的，还是通过传统方式从 MRI 机中获得的？“我凭感觉认为是 AI，”她不确定地说。“它看起来有点模糊。”
西亚瓦拉和她的纽约大学同事参与了一项研究，旨在对比 AI 生成的扫描图像和传统扫描图像的质量。通过将人工智能与 MRI 设备相结合，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学检查的速度——这对患者和医院来说都是一项福音。这可能意味着将十分钟的膝盖扫描缩短到五分钟，或者将长达一小时的心脏扫描缩短到半小时。这还可以为医院节省资金，并减少对需要麻醉且难以保持静止的儿科患者的需求。
这项由纽约大学准备提交学术评审的研究，是两个“奇怪的伙伴”项目的一部分：纽约大学医学院和脸书。这项合作由脸书人工智能研究部门发起，并在一年前宣布，目标很简单：利用人工智能开发快速且高质量的 MRI 扫描，未来能够让繁忙的医疗中心照顾更多人群，让资源匮乏的国家更好地利用现有设备，让老年人、儿童和幽闭恐惧症患者不必在狭窄而嘈杂的磁管中花费更多时间。
利用人工智能的优势在于，与传统的成像方法（称为傅里叶逆变换）相比，它在创建人体内部图像时所需的信息要少得多。“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学系主任迈克尔·雷希特（Michael Recht）说。“但事实证明，我们一直在收集比可能需要的数据更多的数据。”这就像一辆燃油效率高的汽车取代了一辆油耗高的老式汽车：新的算法只需要更少的数据、更少的测量值，就能达到相同的距离（或者在这种情况下，获得正确的图像），就像 MRI 设备一样。
要为放射科医生或外科医生提供他们所需的详细信息，并使此次实验取得成功，AI 生成的图像必须满足两个条件，FAIR 的研究科学家拉里·齐特尼克（Larry Zitnick）解释说。首先，它必须准确：一张漂亮的图像如果错过了韧带撕裂，或者捏造了实际上不存在的东西，那么它就可能毫无用处甚至危险。其次，“放射科医生必须喜欢这张图像，”齐特尼克说。当像西亚瓦拉这样的医生在昏暗的阅览室里花费数小时盯着扫描图时，他们需要清晰、对眼睛友好的照片。
然而，要让算法解释由如此经过检验的机器产生的数据，并非易事。脸书团队表示，为了训练 AI 软件将频率数据正确地转换为图像，他们尝试了大约 1000 种不同的模型变体，使用了真实 MRI 扫描的信息。他们为算法提供了原始数据，并向其展示了相应的图像，以帮助神经网络（一种常用的机器学习工具，软件工程师可以对其进行训练以执行各种任务，例如识别照片中的内容）生成正确的图像。
脸书开发出模型后，必须对其进行盲测，让那些目光敏锐的专家来评判。像西亚瓦拉这样的纽约大学放射科医生，审查了 AI 生成的膝盖扫描图和传统方法生成的扫描图，看看他们是否能从两者中获得相同的诊断信息。然后，他们必须猜测哪个是哪个。为了避免重复扫描患者（一种缓慢的常规方法和一种更快的 AI 辅助方法），该团队对常规扫描的原始数据进行了追溯性剥离，以模拟以更快速度运行机器的效果。
齐特尼克还指出，他们团队在 AI 生成的图像中加入了一些噪声，使其看起来更逼真，以免被医生察觉。“你稍微调整一下，突然之间，放射科医生就很难区分哪个是 AI 生成的，哪个不是，因为你消除了那个本来存在的线索。”（他说，增加的噪声并没有影响扫描的诊断价值。）
通常，当你听到人工智能与放射学的交叉应用时，算法是分析图像，而不是创建图像，就像脸书-纽约大学项目那样。“我认为这是一个非常令人兴奋且重要的研究方向，”杜克大学副教授、专注于放射学和人工智能但未参与此 MRI 研究的马齐耶·马祖罗夫斯基（Maciej Mazurowski）表示。“这与大多数放射学 AI 研究不同。”例如，马祖罗夫斯基使用神经网络评估超声波扫描中人们甲状腺的结节。其他研究则侧重于利用机器学习在胸部图像中寻找结核病等问题。
脸书表示，他们将公开提供其 AI-MRI 算法，以便其他希望提高机器运行速度并利用人工智能将数据转化为图像的研究人员可以这样做。“这在临床上的影响可能非常巨大，因为 MRI 扫描仪很昂贵，而且经常排队等待，”马祖罗夫斯基说。然而，将 AI 引入这一过程也存在一些潜在风险。例如，算法可能会“捏造”一个实际上不存在的问题（伪影）。更重要的是，马祖罗夫斯基说，更大的担忧是它可能会忽略一个真正存在的问题，导致放射科医生从未注意到十字韧带撕裂。
这是一个高风险项目，可能带来至关重要的回报：外科医生可能根据扫描结果决定是否进行手术。“这让我们非常紧张，”齐特尼克说。“准确地处理这些事情非常重要，这就是我们非常系统地进行这项研究的原因。”
随着可替换性研究等待学术评审，纽约大学的研究人员正准备进行进一步的比较，以评估 AI 生成的图像是否与外科医生在进行膝关节镜手术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，还将用于其他身体部位，例如目前需要大量扫描时间的脑部 MRI。
纽约大学的雷希特表示，他希望快速的 AI 扫描能够改变医生和患者与 MRI 的关系。“我的梦想是，每次关节检查都能在五分钟内完成，”他说。
