Facebook và NYU tin rằng AI có thể tạo ra MRI theo cách nhanh hơn

 Facebook đang áp dụng một số kiến ​​thức về thị giác máy tính của mình vào một ứng dụng quan trọng khác xa mạng xã hội.

Facebook và NYU tin rằng AI có thể tạo ra MRI theo cách nhanh hơn

[Ảnh: ep_stock / iStock]

HƠN NHƯ THẾ NÀY

Josh Hawley khuyến khích đám đông Capitol. Bây giờ tương lai của anh ấy với tư cách là cảnh sát Big Tech đang gặp nguy hiểm

Bạn không thể chống lại chủ nghĩa phát xít bằng cách mở rộng bang cảnh sát

Bí quyết “hàng chục bánh mì” để duy trì tinh thần khởi nghiệp khi công ty của bạn phát triển

BỞI DANIEL TERDIMAN5 PHÚT ĐỌC

Nếu bạn đã từng chụp MRI, bạn biết đó có thể là một quá trình dài, kéo dài và rất ồn ào. Cho rằng bạn thậm chí sẽ không chụp MRI trừ khi bạn và các bác sĩ của bạn lo lắng về điều gì đó, có thể sẽ rất căng thẳng - chưa kể đến sự ngột ngạt - bị kẹt vào buồng máy trong tối đa một giờ.

Đó là lý do tại sao các nhà khoa học tại Facebook AI Research (FAIR) và Trường Y Đại học New York đã và đang phát triển công nghệ có thể giúp tạo ra MRI nhanh hơn gấp 10 lần so với hiện tại. Ngoài ra, họ nói rằng nỗ lực này có thể dẫn đến việc công nghệ chẩn đoán có thể được cung cấp cho nhiều người hơn, và cuối cùng nó có thể thay thế máy X-quang và CT trong một số trường hợp, có khả năng cho phép bệnh nhân tránh bị bức xạ. Không rõ có thể mất bao lâu để nghiên cứu được triển khai tại các bệnh viện.

Các nhà nghiên cứu trường Y khoa NYU Michael Recht , Yvonne Lui và Daniel Sodickson kiểm tra MRI. [Hình ảnh: lịch sự của FAIR và Trường Y NYU]

Đối với Facebook, dự án này không liên quan gì đến hoạt động kinh doanh lợi nhuận hay thậm chí là sứ mệnh kết nối thế giới. Nó chỉ là mở rộng khả năng của AI. Công ty đã thực hiện nhiều dự án nghiên cứu với các nhóm bên thứ ba, đặc biệt liên quan đến AI, nhưng đây là lần đầu tiên một dự án như vậy mong muốn giải quyết một vấn đề có tác động xã hội lớn như vậy và dựa trên một điều gì đó hữu hình.

“Tại FAIR, nhiệm vụ của chúng tôi là khám phá các vấn đề khoa học của AI, cả cơ bản và thực tiễn,” các nhà khoa học FAIR và trưởng dự án Larry Zitnick cho biết. “Nhưng chúng tôi không thể làm điều này một mình, đó là lý do tại sao chúng tôi xuất bản, mã nguồn mở và thường cộng tác với những người khác. Dự án FastMRI đặc biệt ở chỗ, nó buộc chúng tôi phải khám phá sự hiểu biết về hình ảnh theo những cách mới lạ và hợp tác với NYU mang đến một con đường hữu hình để giúp xã hội tốt đẹp hơn ”.

Trong một bài đăng trên blog về dự án nghiên cứu, Zitnick và Dan Sodickson và Michael Recht từ Trường Y NYU đã viết về những ưu và nhược điểm của công nghệ MRI. Nó tạo ra hình ảnh ghi lại hình ảnh có mức độ chi tiết cao hơn nhiều trong các khu vực mô mềm như các cơ quan và mạch máu so với các hệ thống hình ảnh như chụp X-quang hoặc chụp CT. Nhưng nó đi kèm với nhược điểm là chậm hơn rất nhiều.

Tất nhiên, nhiều người sẽ áp dụng quy trình chậm vì khả năng chẩn đoán, nhưng các tác giả của blog viết rằng MRI có thể đặc biệt khó khăn đối với trẻ em hoặc những người bị chứng sợ hãi hoặc đau khi nằm. Hơn nữa, họ viết rằng, nhiều vùng nông thôn và các quốc gia có nguồn lực hạn chế thường thiếu máy MRI. Họ hy vọng công việc của họ có thể dẫn đến sự gia tăng đáng kể số lượng người có thể hưởng lợi từ công nghệ.

Zitnick, Sodickson và Recht lập luận rằng lý do tại sao việc quét MRI mất nhiều thời gian như vậy là do máy móc hoạt động chậm chạp trong việc thu thập dữ liệu thô ở nhiều chế độ xem tuần tự và sau đó chuyển đổi những dữ liệu đó thành dạng hình ảnh về cấu trúc bên trong cơ thể người có ích cho bác sĩ. . Diện tích cơ thể được quét càng lớn thì thời gian chụp MRI càng lâu, điều này giải thích tại sao chúng thay đổi về thời gian từ 15 phút đến hơn một giờ.

ÍT DỮ LIỆU HƠN, ÍT THỜI GIAN HƠN

Các nhà nghiên cứu của dự án tin rằng trí thông minh nhân tạo có thể tạo ra hình ảnh MRI giống hệt hoặc thậm chí tốt hơn ngay cả khi thu được ít dữ liệu hơn và mất ít thời gian hơn. Họ cho rằng việc đào tạo mạng nơ-ron để hiểu cấu trúc cơ bản của hình ảnh có thể lấp đầy khoảng trống do quá trình quét nhanh hơn để lại. Các tác giả giải thích rằng phương pháp này tương tự như cách con người tiếp nhận thông tin giác quan – với việc não bộ của chúng ta hoàn thành các bức tranh không hoàn chỉnh, chẳng hạn như các vật thể bị chặn hoặc thiếu sáng. Họ cũng nói rằng công việc ban đầu của họ về chủ đề này cho thấy rằng các mạng nơ-ron được đào tạo đúng cách có thể thực hiện các nhiệm vụ như vậy và có thể tạo ra hình ảnh chất lượng cao bằng cách sử dụng ít dữ liệu hơn nhiều mà từng được cho là cần thiết.

Dữ liệu MRI thô chưa được lấy mẫu. [Hình ảnh: lịch sự của FAIR và Trường Y NYU]

Thách thức lớn là đạt được độ chính xác cao đồng thời giảm thiểu thời gian quét. Sai lầm có thể dẫn đến chẩn đoán sai. Các tác giả viết rằng họ nhận ra rằng việc thể hiện hoạt động trong các tình huống y tế thực tế sẽ đòi hỏi kiến ​​thức sâu hơn về AI cũng như các nguồn tài nguyên máy tính quy mô lớn.

Các nhà nghiên cứu NYU đã bắt đầu nghiên cứu việc sử dụng AI để tăng tốc độ chụp MRI vào năm 2016. Cùng lúc đó, nhóm Nghiên cứu AI của Facebook (FAIR) đang tìm cách tác động đến các ứng dụng AI trong thế giới thực. Dự án của NYU phù hợp với dự án của FAIR và cho phép các nhà khoa học của Facebook sử dụng kiến ​​thức chuyên môn mà họ đã phát triển trong nhiều năm về thị giác máy tính, cũng như khả năng đào tạo các mô hình quy mô lớn, mà họ có thể kết hợp với chuyên môn của NYU về khoa học hình ảnh .

Đối với dự án nghiên cứu này, các nhà nghiên cứu của Trường Y NYU đã sử dụng bộ dữ liệu gồm 10.000 trường hợp lâm sàng - khoảng 3 triệu hình ảnh MRI về đầu gối, gan và não. Họ vội vàng chỉ ra rằng trong mọi trường hợp, dữ liệu đã bị tước bỏ thông tin nhận dạng về bệnh nhân và công việc này tuân thủ HIPAA và đã được một hội đồng xét duyệt đại học có nhiệm vụ giám sát nghiên cứu đối tượng con người bật đèn xanh. Hơn nữa, không có dữ liệu nào từ Facebook được sử dụng trong dự án.

Các nhà khoa học của NYU và Facebook có kế hoạch tìm nguồn mở công việc của họ với kỳ vọng rằng cộng đồng nghiên cứu rộng lớn hơn sẽ có thể nhân rộng và xây dựng dựa trên những phát hiện của họ.

Hình ảnh MRI của đầu gối dưới dạng dữ liệu được lấy mẫu con (bên trái) và được tái tạo từ dữ liệu thô được lấy mẫu đầy đủ. (phải) [Hình ảnh: do FAIR và Trường Y NYU cung cấp]

Và trong khi các mục tiêu ban đầu của dự án xoay quanh công nghệ MRI, các nhà khoa học cảm thấy rằng công việc của họ có thể được mở rộng sang các công nghệ hình ảnh khác, bao gồm cả chụp CT. Lý thuyết cho rằng AI có thể giúp giảm liều lượng bức xạ cần thiết để tiến hành các đợt quét như vậy - một thứ có thể đặc biệt hữu ích cho những bệnh nhân dễ bị tổn thương như trẻ em.

Cuối cùng, hy vọng cơ bản cho dự án là chứng minh sức mạnh của AI và học máy để tạo ra hình ảnh có giá trị cao theo những cách mới và hiệu quả hơn. Các tác giả viết: “Với mục tiêu thay đổi hoàn toàn cách thức thu nhận hình ảnh y tế ngay từ đầu,“ mục tiêu của chúng tôi không chỉ đơn giản là tăng cường khai thác dữ liệu với AI, mà là tạo ra các khả năng cơ bản mới cho hình ảnh y tế nhằm mang lại lợi ích cho sức khỏe con người . ”