2018年，Facebook人工智能研究公司與紐約大學朗格尼大學放射學系合作的FastMRI發布了大規模的具有里程碑意義的MR數據集，并計劃最終通過人工智能（AI）為其提供支持并顯著提高MR掃描速度。任務完成。

發表在《美國放射學雜志》上的新研究表明，該團隊的AI生成的MR掃描與傳統MR一樣有效。如果由放射科實施，新模型可以幫助消除幼兒，老人和其他患者在傳統掃描過程中經常遇到的一些問題，例如時間長，幽閉恐懼癥和需要使用鎮靜劑。

“這項研究是邁向AI加速MR掃描臨床接受和利用的重要一步，因為它首次證明AI生成的圖像在外觀上與標準的臨床MR檢查基本沒有區別，并且在診斷準確性方面可以互換，紐約大學Langone放射學教授，主要研究作者Michael P. Recht在新聞稿中說。“這標志著我們如何改善患者體驗和創建圖像的方式發生了令人振奮的變化。”

這個開源項目包括來自10，000次掃描的150萬個未識別的MR膝蓋圖像以及來自1，600次掃描的原始測量數據，研究人員從中建立了一個神經網絡并對其進行了訓練。這包括重建底層圖像結構遺漏的視圖，類似于人們插入感官信息的方式。

MR是用于人體軟組織的金標準成像技術。但是，它的主要局限性在于考試所花費的時間，”紐約大學放射學副教授兼人工智能副主席Yvonne W. Lui博士在團隊的早期研究中告訴HCB News。

現在，在AI的幫助下，獲得高質量的醫學圖像所需的數據要少得多，這意味著可以更快地執行掃描，而不會影響診斷準確性。實際上，消除了用于創建掃描的原始數據的75%。

FastMRI還顯示了捕獲以前遺漏的信息的潛力，這將改善患者的預后。研究表明，放射檢查中的錯誤率約為30%，日常放射實踐中的實時錯誤平均為3%至5%，并且在所有針對放射科醫生的醫療事故索賠中，將近75%與診斷錯誤有關。