ジーナ・シアヴァラは、マンハッタンにあるニューヨーク大学ランゴン・ヘルスの暗い部屋に座っている。そこは読影室で、彼女のような放射線科医がX線やMRIのスキャン画像を検査する場所だ。目の前のモニターには、匿名化された患者の膝のグレースケール画像が映し出されており、彼女はそこに一つの重大な問題を発見した。前十字靭帯（ACL）断裂だ。「これは間違いなく異常です」とシアヴァラは説明する。
しかし、シアヴァラには、骨、靭帯、脂肪、軟骨、腱の渦巻きをスキャンして断裂や関節炎などの問題がないか確認するだけでなく、もう一つ評価しなければならないことがある。この膝のスキャン画像は人工知能（AI）によって作成されたものだろうか、それとも従来のMRI装置から生成されたものだろうか？「直感的にAIだと思います」と彼女は確信を持てずに言う。「ただ、少しぼやけているように見えるだけです」
シアバラ氏とニューヨーク大学の同僚たちは、AIが生成したスキャン画像と従来のスキャン画像の品質を比較した研究に参加しました。コンピューター科学者と放射線科医は、AIとMRI装置を組み合わせることで、一般的な医療検査を大幅にスピードアップできると考えています。これは患者と病院双方にとって大きなメリットです。例えば、10分かかる膝のスキャンを5分に、あるいは1時間かかる心臓スキャンを30分に短縮できる可能性があります。また、病院の費用削減や、じっとしていられない小児患者の麻酔の必要性軽減にもつながります。
NYUが現在学術審査への提出準備を進めているこの研究は、NYU医学部とFacebookという奇妙な提携関係にある2つのプロジェクトの一環です。Facebookの人工知能研究部門が主導し、1年以上前に発表されたこの提携の目標はシンプルです。AIを用いて迅速かつ高品質なMRIスキャンを開発することで、多忙な医療センターがより多くの患者をケアできるようになり、資源の乏しい国々が既存の機器をより有効に活用できるようになり、高齢者や若者、閉所恐怖症の人々が狭くて騒音の大きい磁気管の中で過ごす時間を短縮できるようになるのです。
AIをこのように使うことのメリットは、人体の内部を医師に見せる画像を作成する際に、従来の手法（逆フーリエ変換と呼ばれる）よりもはるかに少ない情報量で済むことだ。「MRIでは、一定量のデータを集めて再構成法を使って画像を作成します」とニューヨーク大学ランゴーン・ヘルスの放射線科長マイケル・レヒト氏は言う。「しかし、これまでおそらく必要以上のデータを集めてきたことが判明しました」。燃費の良い車がガソリンを大量に消費するガタガタ車に取って代わるようなものだと考えてみよう。新しいアルゴリズムでは、MRI装置と同じ距離（この場合は正しい画像を取得する）を進むのに、より少ない測定から得られるデータしか必要としない。
放射線科医や外科医に必要な情報を提供し、この実験を成功と見なすためには、AI生成画像が2つの条件を満たしている必要があると、FAIRの研究科学者ラリー・ジトニック氏は説明する。まず、正確性が必要だ。靭帯の断裂を見逃したり、実際には存在しないものを偽造したりするような美しいスキャン画像は、役に立たないだけでなく、危険にもなり得る。次に、「放射線科医が画像を気に入る必要がある」とジトニック氏は言う。シアバラ医師のような医師が暗い読影室で何時間もスキャン画像を見つめるには、鮮明で目に優しい写真が必要だ。
しかし、このように実績のある機械が生成する情報をアルゴリズムに解釈させるのは容易なことではありません。AIソフトウェアが周波数データを正しく画像に変換できるように訓練するため、Facebookチームは実際のMRIスキャン情報を用いて約1,000種類の異なるモデルを試したと述べています。アルゴリズムに生の情報を与えるだけでなく、対応する画像も提示することで、ニューラルネットワーク（写真に写っているものを認識するなど、ソフトウェアエンジニアが様々なタスクを訓練できる一般的な機械学習ツール）が正しい画像を生成できるようにしました。
Facebookはモデルを開発した後、鋭い観察眼を持つ専門家によるブラインドテストを実施する必要がありました。シアバラ氏をはじめとするニューヨーク大学の放射線科医たちは、AIによって生成された膝のスキャン画像と従来の方法で作成された膝のスキャン画像を検証し、両方から同じ診断情報が得られるかどうかを検証しました。そして、どちらが正しいかを推測する必要がありました。患者を2回スキャンする（つまり、より遅い通常の方法と、より高速なAIを活用した方法）のではなく、チームは通常のスキャン画像から生データの一部を遡及的に抽出し、機械をより高速に動作させた場合の状況をシミュレートしました。
ジトニック氏はまた、AIが生成した画像に少しノイズを加えてよりリアルに見せ、医師に情報が漏れるのを防いだと指摘する。「ちょうどいい具合に調整すると、放射線科医はどれがAIによるものでどれがそうでないかを見分けるのが非常に難しくなります。なぜなら、そこにあったたった一つのヒントが消えてしまうからです」と彼は言う。（追加されたノイズはスキャンの診断価値に影響を与えなかったと彼は言う。）
AIと放射線医学の融合というと、一般的にはアルゴリズムが画像を分析するものであり、Facebookとニューヨーク大学のプロジェクトのように画像を作成するものではありません。「これは非常に刺激的で重要な研究分野だと思います」と、デューク大学の准教授で放射線医学とAIを専門としているが、このMRI研究には関わっていないマチェイ・マズロウスキー氏は述べています。「これは、放射線医学におけるAI研究のほとんどとは異なるものです。」例えば、マズロウスキー氏はニューラルネットワークを用いて、超音波スキャンで甲状腺の結節を評価しました。他の研究では、機械学習を用いて胸部画像から結核などの問題を検出することに焦点を当てています。
Facebookは、AI-MRIアルゴリズムを一般公開すると発表しました。これにより、機械の高速化や人工知能を用いたデータ解釈による画像化といった目標に取り組みたい他の研究者も、その目標に取り組めるようになるためです。「MRIスキャナーは高価で、頻繁にバックアップされるため、臨床現場でのAI導入の影響は甚大です」とマズロウスキー氏は述べています。しかし、AIをプロセスに組み込むことには潜在的なリスクがいくつか存在します。例えば、アルゴリズムによって実際には存在しない問題（アーティファクト）が作り出される可能性があります。さらに重要なのは、マズロウスキー氏によると、実際の問題を見落とし、放射線科医が前十字靭帯断裂に気付かない可能性があることです。
これは非常にリスクの高いプロジェクトであり、非常に重要な見返りが期待できます。外科医はスキャンの結果に応じて、切開するかしないかを決める可能性があります。「本当に不安です」とジトニック氏は言います。「これらのことを正しく行うことが重要です。だからこそ、私たちは非常に計画的に作業を進めているのです。」
互換性研究が学術的な審査を待つ間、ニューヨーク大学の研究者たちは、AIが生成した画像が、外科医が膝関節鏡検査を行う際に実際に目にする画像と一致するかどうかを評価するための更なる比較研究の準備を進めています。将来の目標は、この技術を膝関節だけでなく、現在非常に長いスキャン時間を必要とする脳MRIなど、他の部位にも適用することです。
ニューヨーク大学のレヒト氏は、AIによる高速スキャンが医師と患者とMRIの関係を変えることを期待していると述べています。「私の夢は、あらゆる関節を5分でスキャンすることです」と彼は言います。
