هوش مصنوعی برای ام‌آر‌آی سریع

اگر قبلاً اسکن ام‌آر‌آی انجام داده باشید، می‌دانید که این تجربه تا چه حد می‌تواند ناخوشایند باشد. شما در لوله‌ای قرار می‌گیرید که تنگناهراسی(claustrophobia) را القا می‌کند و از شما خواسته می‌شود که تا یک ساعت، کاملاً ساکت و ساکن بمانید. این در حالی است که صداهای عجیب و غریب، گوشخراش و سهمگین مانند یک شبح، شما را آزار می‌دهد. با این حال، تحقیقات جدید نشان می‌دهد که هوش مصنوعی می‌تواند 4برابر سریع‌تر اسکن ام‌آرآی را انجام دهد و بیماران را سریع‌تر از این تونل خارج کند. سایت ورج در گزارشی نوشته است: این پروژه یک کار مشترک به نام fastMRI است که تیم تحقیقاتی هوش مصنوعی فیس‌بوک(FAIR) و رادیولوژیست‌های مرکز Langone Health دانشگاه نیویورک آن را به سرانجام رسانده‌اند. این دانشمندان با همکاری یکدیگر، یک مدل یادگیری ماشین را به اسکن‌های ام‌آرآی با وضوح پایین و با وضوح بالا آموزش دادند که با استفاده از این مدل، آنچه اسکن ام‌آرآی نهایی است، فقط به یک چهارم از داده‌های ورودی برای پیش‌بینی نیاز دارد. این بدان معناست که اسکن سریع‌تر انجام می‌شود و دردسر کمتری برای بیماران ایجاد می‌شود و همچنین تشخیص بیماری با سرعت بیشتری صورت می‌گیرد.
نفیسه یعقوبف، یک محقق زیستی هوش مصنوعی در FAIR که روی این پروژه کار کرده است، می‌گوید: این یک گام بزرگ برای گنجاندن هوش مصنوعی در تصویربرداری پزشکی است. دلیل اینکه از هوش مصنوعی می‌توان برای تهیه همان اسکن با استفاده از داده‌های کمتر استفاده کرد، این است که شبکه عصبی، با بررسی داده‌های آموزش داده شده، یک ایده انتزاعی را از آنچه شبیه یک اسکن پزشکی است، آموخته است. مانند معماری که در طول سال‌ها تعداد زیادی بانک طراحی کرده و یک تصور انتزاعی از آنچه بانک به‌نظر می‌رسد، دارد. بنابراین، معمار می‌تواند طرح نهایی را سریع‌تر خلق کند.
تیم fastMRI سال‌هاست که روی این پروژه کار می‌کند، اما آنها به تازگی این مطالعه بالینی را در ژورنال Roentgenology منتشر کردند که به گفته آنها اثبات اعتبار این روش است. در این مطالعه از رادیولوژیست‌ها درخواست شد تا هم براساس اسکن ام‌آرآی سنتی و هم براساس اسکن‌های ارتقایافته با هوش مصنوعی، اسکن‌های زانو در بیماران را انجام دهند و سپس تشخیص خود را اعلام کنند. این مطالعه گزارش می‌دهد که پزشکان هنگام مشاهده تصاویر اسکن‌های سنتی و اسکن‌های هوش مصنوعی، یک ارزیابی دقیقاً مشابه داشتند.
دن سودیکسون، استاد رادیولوژی مرکز Langone Health دانشگاه نیویورک می‌گوید: کلمه کلیدی که می‌توان به آن اعتماد کرد تبادل‌پذیری است. ما براساس کیفیت تصویر به‌دنبال یافتن تعدادی معیار کمی نیستیم. حرف ما این است که رادیولوژیست‌ها در هر دو روش به یک تشخیص مشابه می‌رسند.