यदि आपने पहले कभी एमआरआई स्कैन करवाया है, तो आपको पता होगा कि अनुभव कितना अस्थिर हो सकता है। आपको एक क्लस्ट्रोफोबिया-उत्प्रेरण ट्यूब में रखा जाता है और एक घंटे तक पूरी तरह से रुकने के लिए कहा जाता है , जबकि एक मेडिकल पॉलीजिस्ट की तरह अनदेखी, हार्डवेयर क्रेप, और थंप्स । नए शोध, हालांकि, सुझाव देते हैं कि एआई इस पूर्वानुमान के साथ एमआरआई स्कैन को चार गुना तेजी से करने में मदद कर सकता है, जिससे मरीजों को ट्यूबलाइट से अंदर और बाहर किया जा सकता है।
काम एक सहयोगी परियोजना है जिसे फेसबुक के एआई अनुसंधान दल ( एफएआईआर ) और एनवाईयू लैंगोन हेल्थ में रेडियोलॉजिस्ट के बीच फास्टएमआरआई कहा जाता है । साथ में, वैज्ञानिकों ने निम्न-रिज़ॉल्यूशन और उच्च-रिज़ॉल्यूशन वाले एमआरआई स्कैन के जोड़े पर एक मशीन लर्निंग मॉडल को प्रशिक्षित किया , इस मॉडल का उपयोग "भविष्यवाणी" करने के लिए किया गया कि अंतिम एमआरआई स्कैन सामान्य इनपुट डेटा के सिर्फ एक चौथाई से कैसा दिखता है। इसका मतलब है कि स्कैन तेजी से किया जा सकता है, जिसका अर्थ है मरीजों के लिए कम परेशानी और त्वरित निदान।
"यह मेडिकल इमेजिंग में ऐ को शामिल करने के लिए एक प्रमुख स्टेपिंग पत्थर है," Nafissa Yakubova, मेला में अतिथि जैव चिकित्सा ऐ शोधकर्ता, जो परियोजना पर काम, बताता है वर्ज ।
कम डेटा से समान स्कैन का उत्पादन करने के लिए कृत्रिम बुद्धिमत्ता का उपयोग किया जा सकता है क्योंकि तंत्रिका नेटवर्क ने अनिवार्य रूप से एक अमूर्त विचार सीखा है कि प्रशिक्षण डेटा की जांच करके मेडिकल स्कैन कैसा दिखता है। यह तब अंतिम आउटपुट के बारे में एक भविष्यवाणी करने के लिए इसका उपयोग करता है। इसे ऐसे आर्किटेक्ट की तरह समझें, जिसने वर्षों से बहुत सारे बैंकों को डिजाइन किया है। उनके पास एक सार विचार है कि एक बैंक कैसा दिखता है, और इसलिए वे तेजी से एक अंतिम खाका बना सकते हैं।
"तंत्रिका जाल चिकित्सा छवि की समग्र संरचना के बारे में जानता है," डीन सोडिकसन, NYU लैंगोन हेल्थ में रेडियोलॉजी के प्रोफेसर, द वर्ज को बताता है । " कुछ तरीकों से हम जो कर रहे हैं, वह इस विशेष रोगी के बारे में विशिष्ट है जो डेटा पर आधारित [स्कैन] है।"
FastMRI टीम वर्षों से इस समस्या पर काम कर रही है, लेकिन आज, वे अमेरिकन जर्नल ऑफ रोएंटजेनोलॉजी में एक नैदानिक अध्ययन प्रकाशित कर रहे हैं , जो वे कहते हैं कि उनकी विधि की विश्वसनीयता साबित होती है। अध्ययन ने रेडियोलॉजिस्ट को मरीजों के घुटनों के पारंपरिक एमआरआई स्कैन और एआई-एन्हांस्ड स्कैन के आधार पर निदान करने के लिए कहा। अध्ययन की रिपोर्ट है कि जब पारंपरिक और एआई स्कैन दोनों का सामना किया जाता है, तो डॉक्टरों ने सटीक एक ही आकलन किया।
सोडिकसन कहते हैं, '' यहां प्रमुख शब्द जिस पर भरोसा किया जा सकता है, वह है परस्पर विनिमयशीलता। “हम छवि गुणवत्ता के आधार पर कुछ मात्रात्मक मीट्रिक नहीं देख रहे हैं। हम कह रहे हैं कि रेडियोलॉजिस्ट एक ही निदान करते हैं। वे वही समस्याएं पाते हैं। वे कुछ भी नहीं याद करते हैं।
यह अवधारणा अत्यंत महत्वपूर्ण है। यद्यपि मशीन लर्निंग मॉडल अक्सर कम-रिज़ॉल्यूशन इनपुट से उच्च-रिज़ॉल्यूशन डेटा बनाने के लिए उपयोग किए जाते हैं, यह प्रक्रिया अक्सर त्रुटियों को पेश कर सकती है। उदाहरण के लिए, AI का उपयोग पुराने वीडियो गेम से कम-रिज़ॉल्यूशन इमेजरी को अपस्केल करने के लिए किया जा सकता है , लेकिन मानव को यह सुनिश्चित करने के लिए आउटपुट की जांच करनी होगी कि यह इनपुट से मेल खाता है या नहीं। और एक गलत एमआरआई स्कैन एअर इंडिया की "कल्पना" करना स्पष्ट रूप से चिंताजनक है।
FastMRI टीम, हालांकि, यह उनके तरीके के साथ एक मुद्दा नहीं है। एक शुरुआत के लिए, AI स्कैन बनाने के लिए उपयोग किया जाने वाला इनपुट डेटा पूरी तरह से शरीर के लक्ष्य क्षेत्र को कवर करता है। मशीन लर्निंग मॉडल अनुमान नहीं लगा रहा है कि कुछ पहेली टुकड़ों से अंतिम स्कैन कैसा दिखता है। कम संकल्प पर, इसके सभी टुकड़ों की जरूरत होती है। दूसरे, वैज्ञानिकों ने एमआरआई स्कैन की भौतिकी पर आधारित तंत्रिका नेटवर्क के लिए एक जांच प्रणाली बनाई। इसका मतलब है कि एक स्कैन के निर्माण के दौरान नियमित अंतराल पर, एआई प्रणाली यह जांचती है कि इसका आउटपुट डेटा मेल खाता है कि एमआरआई मशीन के उत्पादन के लिए शारीरिक रूप से क्या संभव है।
"हम सिर्फ नेटवर्क को किसी भी मनमानी छवि बनाने की अनुमति नहीं देते हैं," सोडिकसन कहते हैं। “हमें इस बात की आवश्यकता है कि प्रक्रिया के माध्यम से उत्पन्न कोई भी छवि एमआरआई छवि के रूप में भौतिक रूप से वास्तविक हो। हम एक तरह से खोज स्थान को सीमित कर रहे हैं, यह सुनिश्चित करते हुए कि सब कुछ एमआरआई भौतिकी के अनुरूप है। "
याकूबोवा का कहना है कि यह इस विशेष अंतर्दृष्टि थी, जो केवल रेडियोलॉजिस्ट और एआई इंजीनियरों के बीच लंबी चर्चा के बाद आई थी, जिसने परियोजना की सफलता को सक्षम किया। "पूरक विशेषज्ञता इस तरह के समाधान बनाने के लिए महत्वपूर्ण है," वह कहती हैं।
हालांकि, अगला कदम अस्पतालों में प्रौद्योगिकी प्राप्त करना है जहां यह वास्तव में रोगियों की मदद कर सकता है। FastMRI टीम को विश्वास है कि यह काफी जल्दी हो सकता है, शायद केवल कुछ ही वर्षों में। उनके द्वारा बनाया गया प्रशिक्षण डेटा और मॉडल पूरी तरह से खुली पहुंच है और नए हार्डवेयर के बिना मौजूदा एमआरआई स्कैनर में शामिल किया जा सकता है। और सोडिकसन का कहना है कि शोधकर्ता पहले से ही उन कंपनियों के साथ बातचीत कर रहे हैं जो इन स्कैनर का उत्पादन करते हैं।
यूनिवर्सिटी कॉलेज लंदन में एमआरआई अनुसंधान टीम का नेतृत्व करने वाले और इस शोध में शामिल नहीं होने वाले करिन श्मुइली ने द वर्ज को बताया कि यह आगे बढ़ने के लिए एक महत्वपूर्ण कदम होगा।
श्मुइली कहते हैं, "क्लिनिक में शोध से कुछ लेने में अड़चन अक्सर निर्माताओं द्वारा अपनाई और कार्यान्वित की जाती है।" उन्होंने कहा कि फास्टएमआरआई की तरह काम एक व्यापक प्रवृत्ति का हिस्सा था जिसमें कृत्रिम बुद्धिमत्ता को चिकित्सा इमेजिंग में शामिल किया गया था जो बेहद आशाजनक था। "एआई निश्चित रूप से भविष्य में उपयोग में अधिक होने जा रहा है," वह कहती हैं।
कोई टिप्पणी नहीं:
एक टिप्पणी भेजें
Thank you for your opinion