臉書本周和紐約大學研究人員合作開發的一項AI模型，可用1/4資料量產生供診斷的核磁共振（MRI）影像，因而可加速MRI掃描速度。

最新消息為臉書旗下AI研究中心和紐約大學朗格尼醫學中心（Langone Health）合作開發名為fastMRI的AI模型研究的成果。雙方2018年啟動合作，並在當年將fastMRI模型及150萬張MRI掃描片開源。有別於其他AI醫學影像專案以AI來判讀醫療影像，偵測異常之處，fastMRI卻是利用AI來產生醫學影像。

傳統MRI掃描需要病患平躺通過掃描隧道，以產生身體組織的核磁影像。但為了產生足夠資料，掃瞄過程耗時長達一小時，患者不能亂動，且需忍受噪音及幽閉空間的恐懼。本專案就是希望創新資料產生方法，以加速掃瞄過程。

利用NYU朗格尼醫學中心2018年底開源的MRI影像資料集，臉書以大約1,200名匿名患者的膝蓋掃描影像來訓練fastMRI模型。研究人員利用原始影像製作出解析度較低的版本，每張新影像的資料量都是原始影像的1/4，然後以fastMRI來比對高、低解析度的影像，藉此訓練其預測能力，之後這個AI模型就能以更少（即1/4）資料量產生高解析度影像。若這樣的資料可以使用，則臨床上可望加快MRI掃描的速度。

而在之後的一項可交互性（interchangeability）研究中，由放射科醫師分別針對傳統MRI，以及由fastMRI演算法產生資料量少75%的影像進行盲測，結果顯示醫生都能做出相同診斷，且無法分辨哪些是由AI產生的影像。

NYU朗格尼醫師及放射科主任Michael Recht指出，這項研究是MRI領域AI研究一大進展，因為這也是首次AI影像達到和標準臨床MRI影像無法區分，而診斷準確度達到可交互水準。

研究人員指出，fastMRI已是開源專案，因此開放其他研究人員和廠商使用和測試。他們希望硬體業者可以在取得FDA許可後，協助fastMRI演算法的投產。

(原始網頁,iThome/林妍溱)