当患者躺进核磁共振扫描仪时，它会深入身体内部，展现出复杂的解剖结构，例如膝盖中的韧带和肌腱。但在去年1月，也就是新冠疫情爆发之前，纽约大学朗格尼健康中心的一些需要进行膝盖扫描的患者，开始接受两次扫描。一次典型的膝盖扫描大约需要10分钟，而这些同意参与研究的受试者，他们的关节不仅以正常速度进行了扫描，还在人工智能的帮助下，以大约两倍的速度（即更快）进行了扫描。在新冠疫情中断了这项工作后，现在医院使用一台扫描仪已经恢复了该项目。
这项举措是该医疗中心与Facebook人工智能研究部门合作的持续努力的一部分，旨在探索引导核磁共振成像机运行得更快——并在过程中获取更少数据——是否能生成与传统方法一样好的图像。将大约10分钟的膝盖扫描缩短到5分钟左右，或缩短其他身体部位的扫描时间，具有明显的优势：患者可以在嘈杂的管状设备中花费更少的时间（此过程要求他们尽可能保持静止），而医院也能更有效地利用他们昂贵且有限的硬件设备。
为了实现这一目标，放射科医生和计算机科学家需要运用人工智能。如果他们以比平时快两倍的速度运行核磁共振成像机，然后试图用传统方法将收集到的数据转化为图像，结果将是无法使用的糟糕。这时人工智能就派上用场了：利用机器学习分析那些相对稀少的数据，然后生成一张图像，其结果确实是可用的，而且事实上，一些放射科医生认为其质量比传统方法生成的图像更好。
该项目上个月公布了好消息。研究人员发表了另一项研究结果，该研究旨在确定放射科医生是否能区分出传统的核磁共振成像和使用人工智能生成的图像，以及这些扫描在诊断上是否可以互换。去年，《大众科学》杂志对这一过程进行了深入、独家的报道，并跟随了一位参与实验的医生。该研究的结果于上个月发表在《美国放射学杂志》（American Journal of Roentgenology）上。
研究结果令人鼓舞。迈克尔·瑞奇特（Michael Recht）博士，该研究的主要作者，也是纽约大学朗格尼健康中心放射学系的系主任，表示，人工智能生成的图像（使用的数据量比通常收集的要少）与正常流程生成的图像相比，表现良好。“人们阅读扫描结果的方式没有区别，无论是阅读加速扫描还是临床（传统）序列，”瑞奇特说。“他们都能在任何一种扫描上做出准确的诊断。”
事实上，他说他会依赖人工智能生成的患者膝盖图像来做出诊断——这可能是外科医生在决定是否进行手术时会参考的结论。“这些序列确实可以互换，我非常有信心使用这些序列来做出诊断，”他说。在该研究的六名放射科医生中，只有一人能够分辨出扫描是传统方式还是人工智能方式生成的。
在最近发表的这项研究中，患者实际上并没有接受两次扫描。相反，研究团队获取了患者膝盖的核磁共振成像扫描，并通过去除部分原始数据来模拟更快成像过程所生成的结果，然后利用人工智能将这些数据整合成一张完整的图像。
但目前的工作确实在对患者进行两次扫描，瑞奇特希望利用他从即将接受膝关节镜手术的患者那里学到的知识作为“金标准”。这样，他们就可以比较两种不同的扫描——一种是正常方式生成的，另一种是通过一种更快的、五分钟的人工智能扫描生成的——然后理想情况下，将它们与外科医生最终在手术台上看到的情况进行对比。
最终，这一过程可以在某些情况下帮助核磁共振成像机取代X光机或CT扫描仪——这意味着，例如，需要进行脑部成像的患者，原本需要CT扫描仪，现在可以跳过该设备产生的电离辐射，而选择快速的核磁共振成像。
