FacebookとNYUがコンピュータビジョン技術でMRIスキャンを4倍高速化
この研究は、FacebookのAI研究チーム(FAIR)とNYU Langone Healthの放射線技師との間で進められた[fastMRI](https://fastmri.org/)と呼ばれる共同プロジェクトである。科学者たちは、低解像度と高解像度のMRIスキャンのペアで機械学習モデルを訓練し、このモデルを使用して、通常の入力データのわずか4分の1から最終的なMRIスキャンがどのように見えるかを「予測」する。
Facebookとニューヨーク大学は、AIがMRIスキャンを4倍速くすることに成功した、と発表した。
この研究は、FacebookのAI研究チーム(FAIR)とニューヨーク大学ランゴン医療センター(NYU Langone Health)の放射線技師との間で進められたfastMRIと呼ばれる共同プロジェクトである。科学者たちは、低解像度と高解像度のMRIスキャンのペアで機械学習モデルを訓練し、このモデルを使用して、通常の入力データのわずか4分の1から最終的なMRIスキャンがどのように見えるかを「予測」する。これは、スキャンがより速くできることを意味し、患者の手間が減り、診断が早くなることを意味している。
- 新しい臨床研究では、放射線技師は、fastMRIのAIが作成した画像は、スキャンマシンからのデータ量が約4倍少なくても、従来のMRIと診断上の互換性があることを発見した。これは、fastMRIがスキャンプロセスを大幅に高速化できることを意味している。
- MRIのスキャンを高速化することで、FastMRIは患者の経験を向上させ、技術へのアクセスを拡大し、新たなユースケースを切り開くことができる。また、FastMRIは、他の領域でのAI研究の進展にも役立つだろう。
MRI(磁気共鳴画像診断装置)は、医師が身体の軟部組織や臓器を画像化するために使用する装置で、半世紀近く前から医学的診断のための重要なツールとなっている。しかし、その大きな欠点の一つは、スキャンの実行に時間がかかることだ。臨床医は、診断用MRI検査のために十分なデータを収集するために最大1時間を費やすことができ、病院の厳しいスケジュールに食い込み、不安や痛みを感じている患者にとっては永遠のように感じることができる。
今回の臨床研究では、コンピュータ科学者と放射線技師のチームが、従来MRI全体に必要とされていた生データの約4分の1のデータを用いて、AIが同等の精度で詳細なMRIを作成できることを実証しました。必要なデータが少なくて済むため、MRIスキャンは4倍近く速く実行できる。
『American Journal of Roentgenology』に掲載された交換可能性の研究では、放射線技師は、従来のMRIと約75パーセント少ない生データからAIモデルで生成された画像の両方を検討した。放射線技師は両方で同じ診断を行い、どちらが新しい方法で作成されたものかを見分けることはできなかった。
「この研究は、AIが生成した画像が標準的な臨床MR検査と見分けがつかず、診断精度に関しては互換性があることを初めて証明したため、AI加速MRIスキャンの臨床的な受け入れと利用に向けた重要な一歩となります」とニューヨーク大学教授でNYU Langone Health 放射線診断科長のMichael P. Recht教授はブログ記事の中で語った。
データセットや研究成果の公開
診断用MRI検査のためのすべての生データ(「k空間」)をキャプチャするには、最大1時間かかることがあります。このプロセスを高速化することは、患者がスキャン中にうるさくて閉所恐怖症を誘発するチューブの中で過ごす時間が短くなることを意味する。
スキャンの高速化は、各装置が対応できる患者数を増やすことで、MRIへのアクセスを拡大する可能性もある。さらに、MRIの用途が拡大し、医師がX線やCTスキャンの代わりにMRIを使用できるようになる可能性もある。特に、MRIは他のスキャンとは異なり、電離放射線を使用しないため、これは非常に興味深いことだ。
FBとNYUは、これまでに、膝と脳のMRIのk空間データを含む史上最大のデータセットをリリースしたことや、画像再構成チャレンジを開始したことに続いて、研究成果を公開し、モデルコードをGitHub上で共有している。「この一連のリソースを共有することは、MRイメージングを高速化するための独自の方法を開発するのではなく、より大きなAIや医療画像研究コミュニティに参加してもらうというfastMRIの使命を反映している」。
AIで加速されたMRIは、地面の真実を正確に表現する
標準的なMRIでは,スキャナで収集したk空間データを逆フーリエ変換などの数学的手法を用いてMR画像を生成する。FastMRIでは、これとは全く異なるアプローチで、より限られた量のk空間データをAIモデルに与え、そのAIモデルを訓練して、そのデータを基底真実に一致する画像を生成する。
ニューラルネットワークは、精度を犠牲にすることなく、スキャンデータのギャップを効果的かつ確実に埋めることができなければならない。これまでの他の分野のコンピュータビジョン技術では,信頼性の高い画像を生成することに成功してきたが,fastMRIモデルでは,不完全なデータを取り込んで,信頼性が高く,かつ正確な画像を生成しなければならなかった。わずかなピクセルの欠損や不正確なモデル化は、クリアなスキャンと靭帯の断裂や腫瘍の可能性を発見するスキャンの区別を誤らせる可能性がある。
しかし、正確な画像を生成することだけが課題ではなかった。AIモデルはまた、従来のMRI画像と視覚的に区別がつかない画像を作成しなければならない。放射線科医はこれらの画像を慎重に分析するために多くの時間を費やしていますが,見慣れない外観や感触は,放射線科医の診療現場でfastMRIを採用しにくくしてしまう可能性がある。
発表された相互互換性に関する研究は、AIが生成した画像が従来の画像と同様の診断結果を確実にもたらし、放射線科医のニーズを満たすことを示すために特別に設計された。この研究では、6人の専門の放射線科医が、NYU Langone Healthで評価された108人の被検者の非識別・匿名化された2セットの膝MRIをレビューした。この研究に参加した放射線科医は、特に筋骨格系疾患の診断と治療のフェローシップを修了している。評価者にはどちらの画像がAIを用いて作成されたかは知らされておらず,リコールバイアスの可能性を制限するために,標準画像とAIアクセラレータを用いた画像の評価は少なくとも1ヶ月間隔をあけて行ったという。
この研究では、放射線科医の評価に有意な差は見られなかった。標準MRIとAI生成MRIのどちらを検査していたかに関係なく、同じ異常や病理を発見したという。すべての検査者は、AI加速画像は従来の画像よりも全体的に質が高いと判断した。6人の放射線科医のうち5人は、どの画像がAIを用いて生成されたものかを正確に識別できなかった。
「これは、AIが従来の画像と同様に地に足のついた真実を表現していることを確認するために重要である。AIは何かを見逃したり、追加したりすることはなく、画像は従来のMRIと同様に診断目的に適していた」とブログ記事に記述されている。
Photo by National Cancer Institute on Unsplash