MR （磁共振）成像的技术源于 130 多年前尼古拉·特斯拉进行的研究。此后的科学家一直在加大研究力度，历经整个 20 世纪才逐渐开发出 MRI 设备。如今全世界使用的 MRI 设备已达到 22,000 多台1，但这项技术的发展速度并未减缓。在这项技术中发展最快的就是设备的计算能力速度。
由经验丰富的放射科医生操作这些设备，MR 成像能够成功挽救很多生命。由于医疗提供方可以将其作为一种安全的非侵入性方式查看患者体内详情，因此这些机器目前已成为主动诊断和治疗计划过程（从癌症到糖尿病）的一部分。机器学习和人工智能的结合，可能会将 MR 成像技术推向全新高度。
人工智能与缩短 MR 成像时间
长期以来，MR 成像技术一直都存在着一个缺点：机器完成一次扫描需要较长时间。尽管 MR 成像时间近年来有所缩短，但平均仍需 10 到 60 分钟。有时候，由于机器无法捕获诊断所需的适当图像，因此患者很可能需要立即进行二次扫描。2
这也许听起来不是一个大问题，但对重病或重伤患者进行较大图像扫描时就是一个障碍。所以扫描相关的时间长度在很多情况下都会带来挑战，特别是对于某些患者而言更是如此。扫描需要患者在嘈杂狭小的空间内长时间保持不动的状态。所以现在迫切需要减少扫描时间来提高患者的舒适度，同时还要让放射科在不影响质量的前提下实现更高的工作效率。
AI 在该领域具有光明前景。一个研究团队在开发出一种自动重建程序后于 2018 年发表了一项研究结果，显示出这个程序能够大幅缩短 MRI 机器提供准确适当图像的时间。该研究由美国国立卫生研究院资助，研究成果为一项名为 AUTOMAP 的技术。
研究人员指出，与当前标准人工过程相比，基于 AI 的系统能够提供更好的信噪比，在进行必要的 MRI 调整时会更快更准确。
这项研究的最终结果可能会加快 MRI 程序，在任何类型或程序过程中得到即时图像反馈（现有技术无法始终做到这一点）以及加快诊断过程。3
在基于 AI 的最前沿技术研究领域中，包括利用机器学习能力使用庞大的数据库，从而减少欠采样对 MRI 的影响。目前 MRI 扫描耗费时间较长，因为快速获取图像会产生噪音过大和颗粒状的问题。人眼通常无法准确读取这些图像。但通过结合庞大的数据库和机器学习，“智能”扫描能够在更短时间内重建出更好的图像。4
机器学习和诊断准确性
但 AI 的重要性不仅限于扫描速度本身。它在诊断学中也开始发挥着越来越重要的作用。深度学习目前在诊断多种症状时可实现接近人类的准确性，在某些情况下甚至更精确。5
但这不代表 AI 将会彻底取代放射科医生。机器学习能够利用大量知识库，包括先前的扫描和结果。它将凭借这种能力解决人类无法完成的任务。但是人类大脑，尤其是经过放射学培训的技术人员，能够从不同的创造性角度去处理每个问题。人脑与这些工具相结合，MR 成像有望在未来实现大跨步的发展。
在 AI 的帮助下，放射科医生和其他人员可以更快的速度做出正确的诊断或制定治疗计划，减少患者等待时间，强化医院资源管理，获得更积极的结果。
1. "Featured History: Magnetic resonance imaging." Department of Radiology, University of Washington. Web. 21 December 2018. <https://rad.washington.edu/blog/featured-history-magnetic-resonance-imaging/>.
2. "Magnetic Resonance Imaging (MRI)." Inside Radiology. 21 December 2018. <https://www.insideradiology.com.au/mri/>.
3. "Artificial Intelligence enhances MRI scans." NIH Research Matters. 21 December 2018. <https://www.nih.gov/news-events/nih-research-matters/artificial-intelligence-enhances-mri-scans>.
4. Hugh Harvey. "Can AI enable a 10 Minute MRI?" Torwards Data Science. 21 December 2018. <https://towardsdatascience.com/can-ai-enable-a-10-minute-mri-77218f0121fe>.
5. Koichiro Yasaka. "Deep learning and artificial intelligence in radiology: Current applications and future directions." PLOS. 30 November 2018. 21 December 2018. <https://journals.plos.org/plosmedicine/article?id=10.1371/journal.pmed.1002707>
