2018年，Facebook人工智能研究公司與紐約大學朗格尼大學放射學系合作的FastMRI發(fā)布了大規(guī)模的具有里程碑意義的MR數據集，并計劃最終通過人工智能（AI）為其提供支持并顯著提高MR掃描速度。任務完成。

發(fā)表在《美國放射學雜志》上的新研究表明，該團隊的AI生成的MR掃描與傳統(tǒng)MR一樣有效。如果由放射科實施，新模型可以幫助消除幼兒，老人和其他患者在傳統(tǒng)掃描過程中經常遇到的一些問題，例如時間長，幽閉恐懼癥和需要使用鎮(zhèn)靜劑。

“這項研究是邁向AI加速MR掃描臨床接受和利用的重要一步，因為它首次證明AI生成的圖像在外觀上與標準的臨床MR檢查基本沒有區(qū)別，并且在診斷準確性方面可以互換，紐約大學Langone放射學教授，主要研究作者Michael P. Recht在新聞稿中說。“這標志著我們如何改善患者體驗和創(chuàng)建圖像的方式發(fā)生了令人振奮的變化。”

這個開源項目包括來自10，000次掃描的150萬個未識別的MR膝蓋圖像以及來自1，600次掃描的原始測量數據，研究人員從中建立了一個神經網絡并對其進行了訓練。這包括重建底層圖像結構遺漏的視圖，類似于人們插入感官信息的方式。

MR是用于人體軟組織的金標準成像技術。但是，它的主要局限性在于考試所花費的時間，”紐約大學放射學副教授兼人工智能副主席Yvonne W. Lui博士在團隊的早期研究中告訴HCB News。

現在，在AI的幫助下，獲得高質量的醫(yī)學圖像所需的數據要少得多，這意味著可以更快地執(zhí)行掃描，而不會影響診斷準確性。實際上，消除了用于創(chuàng)建掃描的原始數據的75%。

FastMRI還顯示了捕獲以前遺漏的信息的潛力，這將改善患者的預后。研究表明，放射檢查中的錯誤率約為30%，日常放射實踐中的實時錯誤平均為3%至5%，并且在所有針對放射科醫(yī)生的醫(yī)療事故索賠中，將近75%與診斷錯誤有關。