根据今天在北美放射学会(RSNA)年会上发表的一项研究，研究人员正在使用人工智能来减少MRI检查后留在体内的造影剂的剂量。

钆是一种用于对比材料的重金属，可增强MRI上的图像。最近的研究发现，经过某些类型钆检查的人体内残留了大量的金属。这种沉积的影响尚不清楚，但放射科医师正在积极主动地优化患者安全性，同时保留钆增强MRI扫描提供的重要信息。

研究的主要作者，加州斯坦福大学斯坦福大学研究员，Enhao Gong博士说：“有确凿的证据证明钆沉积在大脑和身体中。”虽然这种影响尚不清楚，但可以减轻潜在的患者风险。最大限度地提高MRI检查的临床价值势在必行。“

龚博士和斯坦福大学的同事们一直在研究深度学习，以此来实现这一目标。深度学习是一种复杂的人工智能技术，通过实例教授计算机。通过使用称为卷积神经网络的模型，计算机不仅可以识别图像，还可以在人类观察者可能无法识别的成像数据之间找到细微的区别。

为了训练深度学习算法，研究人员使用了来自200名接受过对比增强MRI检查的患者的MR图像，用于各种适应症。他们为每位患者收集了三组图像：造影前扫描，在造影剂施用前完成，称为零剂量扫描;低剂量扫描，在标准钆剂量给药10%后获得;和100%剂量给药后获得的全剂量扫描。

该算法学会了接近来自零剂量和低剂量图像的全剂量扫描。然后神经放射学家评估图像的对比度增强和整体质量。

结果显示，低剂量，算法增强的MR图像与全剂量，对比度增强的MR图像之间的图像质量没有显着差异。最初的结果还证明了在不使用造影剂的情况下创造相当于全剂量，对比度增强的MR图像的潜力。

根据龚博士的说法，这些研究结果表明该方法可以在不牺牲诊断质量的情况下显着降低钆剂量。

“低剂量钆图像产生了大量尚未开发的临床有用信息，现在可通过深度学习和人工智能获取，”他说。

现在研究人员已经证明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它，而龚博士认为它最终会找到一个家。

未来的研究将包括在更广泛的MRI扫描仪和不同类型的造影剂上评估算法。

“我们并没有试图取代现有的成像技术，”龚博士说。“我们正在努力改善它，并从现有信息中获取更多价值，同时注意我们患者的安全。”