Facebook en NYU schakelen over naar AI om MRI-scans tot tien keer sneller uit te voeren

Anonim

Facebook en NYU schakelen over naar AI om MRI-scans tot tien keer sneller uit te voeren

Medisch

Rich Haridy

21 augustus 2018

3 afbeeldingen

Een gezamenlijke samenwerking tussen NYU en Facebook hoopt binnen het jaar resultaten te tonen (Credit: weyo / Depositphotos)

De afdeling Geneeskunde van de NYU School of Medicine werkt samen met de Artificial Intelligence Research-groep van Facebook aan een project dat is bedoeld om AI te gebruiken om de benodigde tijd voor het voltooien van een MRI-scan (Magnetic Resonance Imaging) aanzienlijk te versnellen.

MRI-scans zijn een van de beste en veiligste diagnostische hulpmiddelen die momenteel beschikbaar zijn en bieden artsen een ongelooflijk gedetailleerd inzicht in het lichaam van een patiënt. Zoals iedereen die is onderworpen aan een van deze scans kan bevestigen, zijn ze echter tijdrovende, claustrofobische en over het algemeen onaangename ervaringen. Afhankelijk van het doel kunnen scans maximaal een uur duren en uitgebreide stukken omvatten waarbij een onderwerp zijn adem moet houden en gedurende langere tijd stil moet blijven staan.

Onderzoekers van NYU werken al verschillende jaren aan manieren om MRI-scans te versnellen. Een kunstmatig neuraal netwerk werd onthuld in 2016 dat in staat was om een ​​gedetailleerde MRI-scan te produceren met minder gegevens dan regel- matig nodig was, maar de onderzoekers kampten met een wegversperring. Ze hadden meer computerresources en AI-expertise nodig dan ze hadden.

Hier kwam de Facebook-groep voor kunstmatige intelligentieonderzoeken (FAIR) in beeld. De missie van FAIR is om samen te werken met academici en de onderzoeksgemeenschap om gezamenlijk het gebied van machine-intelligentie te verbeteren met pragmatische, real-world resultaten. Het nieuwe samenwerkingsproject heet fastMRI en het doel is om tot tien keer sneller MRI-scans te maken.

Het idee is om scans te versnellen door minder gegevens te verzamelen en vervolgens een getraind neuraal netwerk te gebruiken om de gaten op te vullen. Dit is natuurlijk geen gemakkelijke taak, omdat afwijkingen op een MRI-scan vaak ongelooflijk klein kunnen zijn. Hele stukjes gegevens kunnen niet eenvoudig worden overgeslagen terwijl er nog steeds duidelijke resultaten worden behaald, omdat scans dan kleine tumoren kunnen missen en gevaarlijk valse, niet-duidelijke berichten kunnen opleveren.

Bij het fastMRI-project zal NYU FAIR van een enorme hoeveelheid gegevens voorzien, waaronder drie miljoen MRI-afbeeldingen uit 10.000 klinische gevallen. Deze gegevens, ontdaan van namen van patiënten en identificerende informatie, zullen worden gebruikt om de nieuwe algoritmen te trainen.

Praat met Forbes, Larry Zitnick van de FAIR-groep schat bruikbare resultaten zouden moeten verschijnen binnen de komende 12 maanden, "In zes maanden zouden we goede vooruitgang kunnen boeken met dit. Het kan minder duren met een doorbraak, of het zou een jaar."

Dit is niet de eerste keer dat een algoritmische oplossing voor het probleem van lange MRI-scans wordt voorgesteld - in 2011 ontwikkelden MIT-onderzoekers een algoritme dat naar verluidt de langste MRI-scan tot slechts 15 minuten kon verminderen. En het is geen verrassing dat veel onderzoekers hard werken om dit probleem op te lossen. De voordelen van snellere MRI-scans zouden een revolutie teweegbrengen in de diagnostische processen van artsen, omdat de scans toegankelijker zouden kunnen worden voor een groter aantal patiënten, en ze zouden effectiever kunnen worden voor patiënten die eenvoudig niet effectief kunnen worden gescand vanwege de extreme duur.

Een verklaring van Facebook vat het doorslaggevende doel van het project samen: "Met het doel om de manier waarop medische beelden in de eerste plaats worden ingrijpend te veranderen, is ons doel niet alleen verbeterde datamining met AI, maar eerder de generatie van fundamenteel nieuwe mogelijkheden voor medische visualisatie om de gezondheid van de mens ten goede te komen. "

Bron: Facebook-code

Aan de linkerkant is een enkele onbewerkte set MRI-gegevens en aan de rechterkant is een volledig gereconstrueerd MRI-beeld van een knie samengesteld uit een aantal sets onbewerkte gegevens (tegoed: Facebook)

Aan de linkerkant ziet u een voorbeeld van een snellere, te weinig gesamplede MRI-set met gegevens en aan de rechterkant is een compleet beeld gemaakt van te weinig gesamplede gegevens, waarbij de ruis en artefacten in een onvolledige MRI-scan worden gemarkeerd (Credit: Facebook)

Een gezamenlijke samenwerking tussen NYU en Facebook hoopt binnen het jaar resultaten te tonen (Credit: weyo / Depositphotos)