来自Facebook人工智能研究小组(FAIR)与纽约大学医学院研究者合作推出fastMRI项目，该项目运用人工智能(AI)将MRI扫描速度提高十倍，若合作研究获得成功，医生可节约时间接待更多患者。(自Facebook)

MRI扫描图像包含的软组织如器官和血管等细节较其他影像学检查多，但图像生成较慢，通常需要15分钟到1小时，较X线和CT扫描不到1分钟要长得多。长时间扫描对幼儿及幽闭恐惧症者及不能平躺的患者来讲非常痛苦。许多较贫困地区MRI相对缺乏，已有设备不足以负担大量检测，提高MRI扫描速度有望使更多患者能使用这些设备。加速的MRI对不能长时间屏气的患者也是福音，MRI替代X线和CT扫描还可减少这些扫描带来的电离辐射。

目前的MRI扫描通过一系列连续视图中收集的原始数据，将其转换为内部身体结构横截面图像，用于评估患者的健康状况。要收集的数据集越大，扫描所需时间越长。使用AI可捕获更少的数据因此可更快地扫描，保留甚至增强MRI图像的信息内容，训练人工神经网络以识别图像的底层结构，填充加速扫描中省略的视图。

早先研究表明，人工神经网络可像我们大脑一样，基于收到的不完整图片如被遮挡的物体，基于少量数据生成高质量的完整图像。人工神经网络要能通过部分信息重建图像，必须能有效弥合扫描数据中的间隙，且不牺牲准确性，一些缺失或错误建模的像素可能导致漏诊或误诊，而捕获图像中先前无法访问的信息可有望挽救更多生命。

纽约大学医学院高级成像创新和研究中心研究者一直致力于实现更快的MRI扫描，初步研究表明，扫描时间可减少一个数量级甚至更多，不过要实现这一获益，需要大量的AI资源。Facebook人工智能研究小组专注于推动人工智能的开发和基础研究，纽约大学医学院高级成像创新和研究中心的图像重建项目为FAIR提供了深度学习专业知识特别是计算机视觉领域的机会，利用医学院影像学专业知识培训大规模模型的能力。

该项目中成像数据来自纽约大学医学院10000个临床病例，包括约300万个膝关节、大脑和肝脏的磁共振图像。所有数据均剥离了患者姓名及其他受保护的健康信息，符合相关标准及个人数据保护协议，不泄露患者Facebook信息，并由纽约大学顶级信息技术团队提供支持。

双方开展合作使MRI更快捷更安全，并有意吸引更多研究团队在此基础上开拓发展。随着项目进展，Facebook将分享研究相关的AI模型及相关评估标准，纽约大学医学院将开放源图像数据集，以确保该工作的可重复性，加速在临床实践中推行该方法。

虽然研究者从MRI着手，但长期来看，这种策略还会扩展到其他影像学检查，如AI带来的改进有望改变CT扫描，先进的图像重建可实现适合特定人群如儿科的超低剂量CT扫描，这种改进不仅有助于改变医学成像的体验感和有效性，还有助于均衡医疗资源的可及性。

(编译 王恒源)