Meta AI 证明 AI 加速 MRI 与传统 MRI 等效

Meta AI 与 NYU Langone Health 合作的 FastMRI 项目在 2020 年 8 月发布了一项关键临床研究。研究刊于 American Journal of Roentgenology，主张 AI 模型用原始数据约 1/4 的欠采样重建出的膝关节 MRI 图像，在诊断层面与全采样的传统 MRI 完全可互换。六位经过肌骨亚专科训练的放射科医生评估了 108 例患者的两套图像，做出相同诊断；六人中有五人无法分辨哪张图来自 AI 加速、哪张来自传统流程，全部六人都认为 AI 加速图像的整体质量更高。

技术路线上，FastMRI 跳开“用 AI 检测病灶”这条主流路径，把 AI 改用在图像重建环节。模型直接以多线圈欠采样的 k 空间数据为输入，通过 12 级级联的变分网络迭代填补缺失数据点，端到端最大化 SSIM 指标。网络结构融入了 MR 物理先验作为归纳偏置，因此训练效率较高。团队还发现一个反直觉的细节：在 AI 重建图像上有控制地添加少量噪声，反而能让影像感官上更接近传统扫描，使放射科医生更容易接受。为避免噪声掩盖病灶，他们专门设计了“诊断感知”型噪声注入方法。

研究的实际价值是缩短扫描时间到原来的约 1/4。患者在狭窄、嘈杂的 MRI 仓中停留时间显著下降，对儿童和重症病人尤为重要；同一台机器单位时间可服务更多患者，可能扩展 MRI 对部分场景下 X 光与 CT 的替代。Meta 与 NYU Langone 延续此前的开源策略，公开模型与数据。