طور فريق الذكاء الاصطناعي من فيسبوك بالتعاون مع أخصائيي الأشعة في المركز الطبي الأكاديمي التابع لجامعة نيويورك (NYU Langone Health) شبكة عصبونية يمكنها تقليص الوقت الذي يقضيه الأشخاص في جهاز الرنين المغناطيسي (MRI) من أكثر من ساعة إلى بضع دقائق فقط.
ويوفر الرنين المغناطيسي للأطباء رؤى حيوية عن دواخل المرضى، لكن الآلات تعمل بوتيرة بطيئة للغاية وتتطلب من المريض أن يظل ثابتًا تمامًا.
ويجعلها هذا الأمر غير مناسبة للاستخدام مع الأطفال الصغار – الذين يجب تخديرهم – والأشخاص الذين يعانون من حالات الطوارئ الطبية الحرجة، مثل السكتات الدماغية.
ويأتي ذلك بعد عامين من البحث، ويطلق على الشبكة العصبونية (fastMRI)، وتختصر وقت المسح لأنها لا تتطلب سوى ربع كمية البيانات لإنتاج الصورة.
ودرب العلماء نموذج تعلم آلي على فحوصات الرنين المغناطيسي المنخفضة الدقة والعالية الدقة، واستخدموا هذا النموذج للتنبؤ بالشكل النهائي لعمليات التصوير بالرنين المغناطيسي من ربع بيانات الإدخال المعتادة فقط.
ويعني هذا أنه يمكن إجراء عمليات المسح بشكل أسرع، مما يعني صعوبة أقل للمرضى والتشخيص بشكل أسرع.
وتشكل هذه الشبكة العصبونية خطوة رئيسية لدمج الذكاء الاصطناعي في التصوير الطبي.
ويرجع السبب في إمكانية استخدام الذكاء الاصطناعي لإنتاج عمليات المسح نفسها بواسطة بيانات أقل إلى أن الشبكة العصبونية قد تعلمت فكرة مجردة عن شكل الفحص الطبي من خلال فحص بيانات التدريب.
ويمكن للشبكة العصبونية استخدام هذه الفكرة للتنبؤ بالناتج النهائي، حيث تعرف البنية العامة للصورة الطبية، وتحاول ملء ما هو فريد حول الفحص لمريض معين بناءً على البيانات.
ويعمل فريق (fastMRI) على هذه المشكلة منذ سنوات، لكنهم نشروا حديثًا دراسة إكلينيكية في المجلة الأميركية لعلم الجينات، والتي يقولون: إنها تثبت مصداقية طريقتهم.
وطلبت الدراسة من أخصائيي الأشعة إجراء التشخيصات بناءً على فحوصات التصوير بالرنين المغناطيسي التقليدية والمسح المعزز بالذكاء الاصطناعي لركب المرضى.
وتشير الدراسة إلى أنه لا توجد فروق ذات دلالة إحصائية في تقييمات أطباء الأشعة عند رؤية صور الرنين المغناطيسي لركبة المريض عبر عمليات المسح التقليدية ومسح الذكاء الاصطناعي.
وتتمثل الخطوة التالية في إدخال التكنولوجيا إلى المستشفيات حيث يمكنها مساعدة المرضى، ويثق فريق (fastMRI) من أن هذا يمكن أن يحدث بسرعة إلى حد ما، ربما في غضون سنوات فقط.
ويمكن دمج بيانات التدريب والنموذج الحالي في أجهزة الرنين المغناطيسي الحالية بدون إجراء أي تعديل عتادي جديد.
وبالنظر إلى أن النظام مفتوح المصدر، يمكن لأي مصنع الوصول إليه الآن واستخدامه لإجراء مزيد من الاختبارات.
