人工智能可能有助于减少MRI中的钆剂量

钆是一种重金属，用于增强MRI图像的造影剂。最近的研究发现，在接受某些类型的钆检查的人体内，仍有微量的金属残留。这种沉积的影响尚不清楚，但放射科医生正在积极努力，以优化患者安全，同时保留钆增强MRI扫描提供的重要信息。“有具体的证据表明钆沉积在大脑和身体中，”该研究的主要作者、斯坦福大学的研究人员Enhao Gong博士说。“虽然这一结果的意义尚不清楚，但在最大限度地提高MRI检查的临床价值的同时，降低潜在的患者风险是势在必行的。”

龚博士和斯坦福大学的同事们一直在研究深度学习，将其作为实现这一目标的一种方式。深度学习是一种复杂的人工智能技术，通过实例教计算机。通过使用一种叫做卷积神经网络的模型，计算机不仅可以识别图像，还可以发现人类观察者可能无法识别的图像数据之间的细微差别。

为了训练深度学习算法，研究人员使用了200名患者的磁共振成像图像，这些患者接受了针对各种适应症的对比增强MRI检查。他们为每个病人收集了三组图像:对比前扫描，在给药前进行，称为零剂量扫描;低剂量扫描，10%的标准钆剂量给药后获得;和全剂量扫描，在100%剂量给药后获得。

该算法学会了从零剂量和低剂量图像中逼近全剂量扫描。神经放射科医生然后评估图像的对比度增强和整体质量。

结果表明，低剂量、算法增强的MR图像与全剂量、对比度增强的MR图像的图像质量无显著差异。最初的结果也显示了在不使用任何造影剂的情况下，创建相当于全剂量、对比增强MR图像的潜力。

龚博士说，这些发现表明，该方法有可能在不牺牲诊断质量的前提下，显著降低钆剂量。他说:“低剂量钆图像产生了大量尚未开发的临床有用信息，现在可以通过深度学习和人工智能获取这些信息。”

既然研究人员已经证明了这种方法在技术上是可行的，他们希望在临床环境中进一步研究这种方法，龚博士相信这种方法最终会在临床环境中找到归宿。未来的研究将包括在更广泛的核磁共振扫描仪和不同类型的对比剂中评估算法。“我们并不是要取代现有的成像技术，”龚博士说。“我们正在努力改进它，从现有信息中创造更多价值，同时考虑到患者的安全。”