اسکن‌های MRI هوش‌مصنوعی ، تحول جدید در تصویربرداری پزشکی

اگر شما قبلا MRI انجام داده‌اید، به خوبی می‌دانید که تا چه اندازه تجربه ناخوشایندی است. شما باید در فضای بسته‌ و تیوب‌شکل تا حدود یک ساعت کاملا بی‌حرکت بمانید درحالی‌‌که اطراف شما مملو از صداهایی همچون قژقژ، ضربه و دیگر صداهای ناهنجار سخت‌افزارهاست که همچون پزشکی خبیث شما را احاطه کرده‌اند. پژوهش‌های جدید پیشنهاد می‌دارند که هوش مصنوعی می‌تواند اسکن‌های MRI را تا 4 مرتبه سریع‌تر انجام دهد، بدین وسیله شرایط سخت و ناراضی بیماران درون محفظه تیوبی شکل را سریعتر به پایان برساند. با عامراندیش همراه باشید تا با این دستاورد جدید بیشتر آشنا شوید.

اسکن‌های MRI هوش‌مصنوعی

این پژوهش، یک همکاری دوجانبه بین تیم پژوهشی فیسبوک (FAIR) و رادیولوژیست‌های NYU Longone Health با نام MIR سریع (fastMRI) صورت پذیرفت. دانشمندان با هم، یک مدل یادگیری ماشین را بر روی جفت اسکن‌های MRI با وضوح پایین و بالا آموزش دادند. آنان مشاهده کردند که اسکن‌های نهایی MRI تنها از یک چهارم داده‌های معمول ورودی، برای پیش‌بینی بیماری استفاده می‌کند. این به معنای انجام سریع‌تر MRI است که در نهایت به عذاب کمتر بیماران و پیش‌بینی سریع‌تر می‌انجامد.

این عمل، همچون پله و دستاوردی بزرگ برای گنجاندن هوش مصنوعی در تصویربرداری پزشکی است. دلیل آنکه اسکن‌های MRI هوش‌مصنوعی می‌توانند با استفاده از داده‌های کمتری اسکن‌هایی کاملا مشابه با روش سنتی را در اختیار ما قرار دهد این است که شبکه عصبی اساسا با بررسی داده‌های آموزش، ایده انتزاعی از تصویربرداری پزشکی را آموخته است. سپس از آنان برای پیش‌بینی نتیجه نهایی استفاده می‌کند. به این مساله همانند معماری نگاهی کنید که در طول سال‌ها، بانک‌های زیادی را طراحی می‌کند.  این طراحی‌ها، تصویری انتزاعی از آنچه بانک به نظر می‌رسد، در خود دارند، در نتیجه می‌توان با استفاده از آنان طرح نهایی را سریع‌تر رقم زد.

نتایج اسکن‌های MRI هوش‌مصنوعی تا چه اندازه قابل اعتماد است؟

شبکه عصبی در مورد همه ساختارهای تصویربرداری پزشکی می‌داند. به گفته این تیم پژوهشی، کاری که در مورد یک بیمار خاص انجام می‌شود، تماما بر اساس داده‌های موجود است. به عبارتی دیگر، کاری که انجام می‌شود این است که با توجه به داده‌های بدست آمده، چه نکاتی در مورد اسکن بیمار منحصربه‌فرد و یکتاست.

تیم fastMRI برای این مساله، سال‌ها پژوهش و تحقیق کرده است. این تیم نتایج پژوهش خود را در مقاله‌ای در ژورنال بسیار معتبر آمریکایی Roentgenology به چاپ رساندند که ثابت می‌کند تا چه اندازه روش پیشنهادیشان قابل‌اعتماد است. در این پژوهش از رادیولوژیست‌های مختلف خواسته شده مشکل دو زانوی بیماری را بر اساس اسکن‌های به دست آمده از MRI سنتی و اسکن‌های MRI هوش‌مصنوعی پیش‌بینی نمایند. این پژوهش آشکار ساخت که زمانی پزشکان با نتیجه هر دو اسکن MRI، (سنتی و اسکن پیشرفته هوش مصنوعی) مواجه شدند، دقیقا ارزیابی‌های یکسانی را درباره شرایط بیمار اتخاذ کردند.

کلیدواژه‌ای که در اینجا به راحتی می‌توان بدان اطمینان کرد، “قابل تعویض” است. براساس گفته‎‌های این تیم پژوهشی: “ما در اینجا به دنبال معیارهای کمی براساس کیفیت تصویر نیستیم. بلکه همه آنچه ما سعی بر گفتنش داریم این است که رادیولوژیست‌ها با استفاده از چنین اسکن‌های پیشرفته‌ای دقیقا همان پیش‌بینی کردند که براساس اسکن‌های ام.ار.ای سنتی انجام داده بودند. این روش، به دقت همان روش اسکن سنتی است ولی با سرعتی 4 برابر.”

در اینجا نکته‌ای که باید بدان اشاره کرد میزان خطا اسکن‌های MRI هوش‌مصنوعی است. زیرا که مدل‌های یادگیری ماشین غالبا برای تولید داده‌هایی با رزولوشن (وضوح) بالا از ورودی‌هایی با وضوح (روزلوشن) پایین استفاده می‌کنند، فرایندی که می‌تواند ایجاد خطا کند. برای مثال، هوش مصنوعی می‌تواند از بازی‌های قدیمی ویدیویی برای بالا بردن وضوح تصاویری که رزولوشن پایینی دارند، استفاده کند، ولی انسان‌ها نیازمند بررسی خروجی هستند تا مطمین شوند که خروجی با ورودی کاملا مطابقت دارد یا خیر.  در نتیجه یک اسکن نادرست هوش مصنوعی می‌تواند شدیدا نگران‌کننده باشد.

تیم fastMRI شدیدا اعتقاد دارند که چنین خطاهایی، با روش پیشنهادی آنان هیچ تطابقی ندارد. در آغاز، از داده‌های ورودی برای تولید اسکن‌های MRI هوش‌مصنوعی استفاده می‌شود که تمامی بخش‌های هدف بدن بیمار را کاملا پوشش می‌دهد. مدل یادگیری ماشین، نتیجه نهایی اسکن را تنها با در دست داشتن بخشی از یک پازل حدس نمی‌زند. برای چنین حدسی، همه تکه‌های پازل لازم است. ثانیا، دانشمندان سامانه‌ای بررسی نهایی را برای شبکه عصبی برپایه فیریک اسکن‌های MRI، ایجاد کردند. این بدان معناست که در بازه زمانی منظم در حین تولید یک اسکن، سامانه هوش مصنوعی داده‌های خروجی خود را بررسی می‌کند تا صحت آنان را دریابد.

براساس گفته‌های این تیم پژوهشی، به شبکه اجازه داده نمی‌شود تا تصاویر دلخواه تولید نماید. بلکه احتیاج است تا هر تصویر تولید شده از طریق این فرایند از نظر فیزیکی همانند یک تصویر MRI تحقیق‌پذیر باشد. برای این منظور، فضای جست‌وجو را محدود ساخته تا مطمین شوند همه چیز در سازگاری کامل با فیزیک MRI است.

پژوهشگران همچنین اذعان داشتند که این بینش ویژه که باعث موفقیت چشم‌گیر پروژه اسکن‌های MRI هوش‌مصنوعی شد، تنها بعد از بحث‌های طولانی میان رادیولوژیست‌ها و مهندسان هوش مصنوعی بدست آمده است. تخصص‌های تکمیلی، کلیدی برای تولید راه‌حل‌هایی مانند همین مساله است.

سخن آخر

گام بعدی، بردن تکنولوژی به دل بیمارستان‌هاست، جایی که بیماران واقعا بدان نیازمندند. تیم fastMRI اطمینان داد که این مهم در چند سال آتی قطعا به وقوع خواهد پیوست. ایشان اعلام کردند تا داده‌های آموزش و مدلی که طراحی کردند (اسکن‌های MRI هوش‌مصنوعی)، دسترسی کاملا بازی دارند و می‌توانند به اسکنرهای سنتی MRI بدون نیاز به نصب هیچگونه سخت‌افزاری وارد شوند. البته این تیم اعلام کرد در حال مذاکره با شرکت‌هایی است که این اسکنرها را به صورت اختصاصی تولید کند.

براساس گفته‌های پژوهشگران، این دستاورد قدم جدی و بسیار مهمی برای حرکت رو به جلو است. این تیم همچنین اعلام کرد که امتیازاتی که پژوهشگران در وارد ساختن اسکن‌های MRI هوش‌مصنوعی به کلینیک‌ها می‌خواهند، در بیشتر موراد توسط تولیدکنندگان قابل پذیرش و اجراست.

وارد ساختن هوش مصنوعی در تصویربرداری پزشکی که توسط تیم fastMRI انجام شد، کاری بسیار امیدوارکننده‌ای است. چیزی که الان همگی بدان ایمان داریم این است که در آینده نه چندان دور، هوش مصنوعی در همه جنبه‌های زندگی بیشتر و بیشتر وارد خواهد شد.