左側為MRI掃瞄的原始數據,右側為經過轉換後的人體內部構造醫學影像。

圖片來源: 

臉書

有鑒於磁振造影(Magnetic Resonance Imaging, MRI)耗時較長的問題,臉書AI研究中心(FAIR)及紐約大學醫學院放射系周一宣佈將合作研究以人工智慧(AI)使MRI掃瞄速度加快10倍。

MRI掃瞄可讓醫療人員比傳統醫療造影科技更易於觀察體內的軟組織,包括器官及血管的細部狀態。但這種醫療檢測十分耗時,不像X光和斷層掃瞄幾秒、最多一分鐘即可結束,MRI短則15分鐘,長到超過1小時。冘長的檢測時間使MRI往往無法用於兒童或是幽閉恐懼症患者、或是無法躺下的人。此外,過長的檢測時間也拉長了醫療資源短缺的偏遠地區和國家民眾就醫等候時間。

若能成功加快MRI的掃瞄速度,將有助於這項技術普及到更多病患。名為fastMRI的研究計畫第一階段重點在改變MRI機器運作方式。現在MRI掃瞄機是蒐集連續原始數值,再轉成人體內部構造橫切面影像,再由醫師進行判斷。而蒐集的數據愈多,掃瞄就愈耗時。

研究團隊想了解,使用AI是否可以減少蒐集的數據量,進而加速掃瞄速度,又能不損及、甚至提升資料準確度。關鍵在於訓練神經網路來辨識出這些影像的底層結構,以便填補加速掃瞄影像中缺失的部份。但實際上這是相當挑戰的研究,因為神經網路必須在不犧牲準確性的情況下填補資料,任何缺失或失準,都可能導致診斷過程中遺漏病患身上的韌帶斷裂甚至腫瘤。

本專案的影像資料來自紐約醫學院所蒐集的10,000名臨床案例,包含病患膝蓋、腦部及肝臟近300萬張匿名處理的MRI影像和原始掃瞄資料。此外也強調完全沒有涉及臉書資料。

不同於一般醫學AI研究專案中,利用AI從醫學影像找出異常或診斷資訊的研究目的,臉書和紐約醫學院這項研究是利用機器學習以全新方式重建醫療影像,也是說,他們不只是要用AI來做資料採礦,而是醫療視覺化的全新方式。

研究團隊計畫將研究成果開源給其他團隊。臉書方面將分享研究相關的AI模型、基準點及評估值,紐約醫學院則會公開影像資料集。研究團隊希望下一階段將AI研究對象從MRI擴大到其他醫學影像,如斷層掃瞄。

熱門新聞

Advertisement