Facebook的人工智能(AI)實驗室正與紐約大學醫(yī)學院合作，嘗試將核磁共振成像(MRI)的檢查速度提高10倍，假如成功的話，未來放射科醫(yī)生將在幾分鐘內就可以完成檢測。

　　核磁共振技術一般幫助醫(yī)生觀察器官、組織和骨骼，且不需要將患者暴露在有害的輻射之下，成像質量在發(fā)現(xiàn)軟組織損傷這方面尤其有幫助。但這項技術目前的問題是，每次檢查時間很長，最長要1小時。而且在檢查過程中，患者需要在管狀機器內保持紋絲不動。這對任何人來說都十分煎熬。長時間的檢查也限制了醫(yī)院每天可以進行的檢查數(shù)量，進而導致醫(yī)療成本居高不下。

　　而Facebook的計算機科學家認為，他們可以使用機器學習來加快檢查速度。為此，紐約大學提供了1萬份核磁共振檢查的匿名數(shù)據(jù)集，其中包括約300多萬張膝蓋、大腦和肝臟的成像。研究人員將使用這些數(shù)據(jù)訓練算法，利用深度學習方法來識別骨骼、肌肉、韌帶和其他人體構成的組織構造。將這些知識構建到驅動核磁共振機器的軟件中，可以允許讓AI創(chuàng)建部分成像，從而節(jié)省時間。

　　“患者只需要在機器里呆五分鐘。這項技術將帶來真正的變革，”紐約大學醫(yī)學院放射研究副主任丹尼爾·索迪克森(Daniel Sodickson)說道。

　　檢查速度的提高可以讓放射科醫(yī)生進行更廣泛的測試，索迪克森說。就好比提高相機的快門速度，因此功能增強的檢查或許也可以應用于，比如說，跟蹤心臟跳動。

　　Facebook AI研究小組拉里·茲特尼克(Larry Zitnick)表示，公司去年開始與紐約大學討論這個項目，因為AI團隊希望在進行基礎研究的同時，也能開展一些能帶來實際效益的工作。Facebook計劃未來開源所有研究結果，希望通過數(shù)據(jù)共享來鼓勵其他人繼續(xù)拓展這項工作。

　　新技術的挑戰(zhàn)在于如何讓AI在創(chuàng)建成像的時候不遺漏任何重要的細節(jié)，比如韌帶上的一個微小撕裂。但是，研究人員仍舊持樂觀態(tài)度。紐約大學放射科醫(yī)生去年發(fā)布的初步研究結果顯示，AI可用于重構核磁共振數(shù)據(jù)。