Mener de har knekt MR-koden med kunstig intelligens

Magnetisk resonans bildefremstilling (MR-bilder) er mer nøyaktige og mindre skadelige enn CT og vanlig røntgen, men tar mye lenger tid og koster også mer penger. Dessuten krever gode MR-bilder at pasienten ligger helt i ro, noen ganger i opptil en time, noe som kan være krevende når pasienten for eksempel er et barn.

I flere tiår har man forsøkt å finne en metode som kan korte ned tiden pasienten må ligge i en MR-skanner, uten at det går ut over bildekvaliteten, men uten å lykkes.

Nå mener forskere fra NYU Langone Health og Facebooks avdeling for kunstig intelligens (AI) at de har knekt koden. I prosjektet «FastMRI» har de tatt i bruk kunstig intelligens for se om maskinen klarer å lage bilder og avdekke avvik i knær med mye mindre data tilgjengelig. 

Bruker kunstig intelligens
Veldig kort forklart har forskerteamet matet maskinvaren i MR-skanneren med rådata fra NYUs enorme datasett av MR-bilder av knær, slik at den kunstige intelligensen lærer seg å rekonstruere nye bilder mye raskere.   

I en klinisk studie som publiseres i American Journal of Roentgenology (AJR) tirsdag presenterer forskerne de første resultatene:

Bilder generert ved hjelp av kunstig intelligens, laget med en firedel av dataene, var like gode eller bedre enn de som var tatt på den tradisjonelle måten.

Funnene ble presentert på en digital pressekonferanse der representanter fra både NYU og Facebook AI deltok.

– Dersom vi får til dette, vil det ikke bare gjøre at flere kan få tilbud om MR, men det kan også bidra til MR kan erstatte andre typer bildeundersøkelser som ikke gir like mye informasjon, som røntgen, sier dr. Dan Sodickson, nestleder for forskning ved Institutt for radiologi ved NYU Langone Health, professor i radiologi og fysiologi og nevrovitenskap ved NYU Grossman School of Medicine, og professor i biomedisinsk teknikk ved NYU Tandon School of Engineering.

– Dette prosjektet handler ikke om erstatte radiologer, men om å gi dem tilgang til bedre bilder, raskere, med en helt ny metode som de ikke har hatt tilgang til før nå, understreker han videre. 

Svært optimistisk
Hans kollega, dr. Michael Recht, professor og leder for Institutt for radiologi ved NYU Langone Health, har jobbet med å finne en løsning på hvordan man kan forkorte tiden en MR-undersøkelse tar siden 90-tallet:

– Ingen har har vist seg å være gode nok til å kunne settes inn i klinisk praksis, sier han, men er veldig optimistisk når det gjelder de nye resultatene.  

Målet med studien er todelt: Å få bilder som avdekker skader i bløtvevet, som for eksempel en menisk- eller kostbåndsskade, men samtidig få bildekvaliteten like god som bilder tatt på den tradisjonelle måten. 

Dobbeltblindet
Studien er såkalt dobbeltblindet og utført ved at seks radiologer, med ulik erfaring, tolket det AI-genererte bildet og det opprinnelige bildet to ganger med fire ukers mellomrom. 

– Alle seks identifiserte samme patologiske funn på begge typer bilder, begge ganger. Det jeg kanskje ble mest overrasket over var at alle rangerte de bildene som var laget med kunstig intelligens som bedre enn standardbildene. Det betyr at AI-genererte MR-bilder i prinsippet kan adopteres i klinisk praksis raskt, mener Recht. 

Resultatene er basert på data fra seks radiologers tolkning av totalt 108 MR-bilder. På spørsmål fra Dagens Medisin om dette er nok data til å anbefale klinikere å ta i bruk algoritmen, svarer Recht: 

– Nei, vi har ikke nok data til å kunne gå ut og anbefale alle til å ta det i bruk nå. Men det er likevel lovende og spennende nyheter. Dette er den første studien som viser at man kan korte ned tiden uten at det går på bekostning av kvalitet. Det vi trenger nå er å validere disse resultatene i en multisenterstudie, der flere sykehus og klinikere er involvert for å bevise at resultatene fra denne første fasen holder mål. En gruppe radiologer i Europa og USA har allerede sett resultatene og er imponert av dem, så vi håper å få i gang en multisenterstudie så snart som mulig.

En stor og «ekte» utfordring
Larry Zitnick er forsker ved Facebook AI Research. Han forklarer at selskapet lette etter en skikkelig utfordring med «real world impact» å dedikere sine ressurser til.

– Det å kunne hjelpe til at flere får tilbud om MR, for eksempel barn eller personer som har tilstander som gjør det vanskelig å ligge stille, er en motivasjon for oss.

– I tillegg er dette er interessant AI-problem for oss å gå løs på, legger han til.

– Vi gir algoritmen halve bildet og ber den rekonstruere den andre halvdelen. Det som er viktig er at den genererer den riktige andre halvdelen. I tillegg må klinikerne ønske å bruke denne løsningen og bildene må være like gode.

«Open source»
Modellen de har utviklet er såkalt «open source» og kan dermed benyttes fritt av dem som vil. 

– Det at vi deler denne ressursen gjenspeiler fastMRIs ambisjon om å få et bredere engasjement om kunstig intelligens og medisinsk bildediagnostikk. Vi håper denne tilnærmingen vil ha en langtrekkende varig positiv innvirkning på verden og bli 
en modell for fremtidige AI-forskningssamarbeid, uttaler de. 

Algoritmen krever ikke innkjøp av nye maskiner, kun en oppdatering av maskinvaren i allerede eksisterende MR-skannerne.

Neste steg er å finne ut om metoden kan brukes også på andre deler av kroppen, som hodet. 

Samtidig pågår et arbeid mot leverandørene av MR-maskinene for å få  inkorporert ved levering.