人工智能可能有助于减少磁共振成像中钆剂量

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核磁共振检查后留在体内的造影剂剂量。

钆是一种用作造影剂的重金属，可以增强MRI上的图像。最近的研究发现，在某些类型的钆测试后，大量的金属残留在人体内。这种沉积的影响尚不清楚，但放射科医生正在积极优化患者安全，同时保留钆增强MRI扫描提供的重要信息。

该研究的主要作者，加州斯坦福大学的研究人员恩豪龚(Enhao Gong)博士说：“有确凿的证据表明钆沉积在大脑和身体中。”虽然这种作用尚不清楚，但它可以降低对患者的潜在风险。最大限度地发挥MRI的临床价值势在必行。"

斯坦福大学的龚博士和他的同事们一直在研究深度学习以实现这一目标。深度学习是一种复杂的人工智能技术，通过例子教会计算机。通过使用一种称为卷积神经网络的模型，计算机不仅可以识别图像，还可以发现人类观察者可能无法识别的成像数据之间的细微差异。

为了训练深度学习算法，研究人员使用了200名患者的磁共振图像，这些患者接受了各种适应症的对比增强磁共振检查。他们为每位患者收集了三组图像：造影前扫描，在造影剂给药前完成，称为零剂量扫描；低剂量扫描，标准钆剂量10%后获得；以及在100%剂量给药后获得的全剂量扫描。

该算法从零剂量和低剂量图像中学习接近全剂量扫描。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、对比增强的MR图像在图像质量上没有显著差异。最初的结果也证明了在不使用造影剂的情况下创建具有全剂量和增强对比度的MR图像的潜力。

根据龚博士的说法，这些研究的结果表明，这种方法可以在不牺牲诊断质量的情况下显著降低钆的剂量。

“低剂量钆图像产生了许多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得，”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，而龚博士认为它最终会找到归宿。

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，从现有信息中获得更多价值，同时关注患者的安全。”

　　免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！