นักวิจัยพัฒนาโมเดล AI ยกระดับภาพ MRI 3T ให้มีคุณภาพเทียบเท่า MRI 7T
ทีมวิจัยจาก UCSF พัฒนาโมเดล AI ที่สามารถยกระดับคุณภาพภาพ MRI 3T ให้เทียบเท่า MRI 7T ช่วยให้แพทย์มองเห็นรายละเอียดความผิดปกติของสมองได้ชัดเจนขึ้น เพิ่มความแม่นยำในการวินิจฉัยโรคทางระบบประสาท เช่น TBI และ MS
Key takeaway
- นักวิจัยจาก UCSF พัฒนาโมเดล AI ที่สามารถยกระดับคุณภาพของภาพ MRI 3T ให้มีความละเอียดใกล้เคียงกับ MRI 7T ช่วยให้แพทย์มองเห็นรายละเอียดความผิดปกติของสมองได้ชัดเจนขึ้น
- เทคโนโลยีนี้มีศักยภาพในการเพิ่มความแม่นยำในการวินิจฉัยโรคทางระบบประสาท เช่น traumatic brain injury (TBI) และ multiple sclerosis (MS) แต่ยังต้องมีการศึกษาทางคลินิกเพิ่มเติม
- นวัตกรรมนี้อาจช่วยขยายการเข้าถึงข้อมูลเชิงลึกจากภาพคุณภาพสูงโดยไม่จำเป็นต้องใช้อุปกรณ์พิเศษ แต่การนำไปใช้ในทางคลินิกจำเป็นต้องมีการตรวจสอบและประเมินผลอย่างละเอียดเพิ่มเติม
ทีมวิจัยจากมหาวิทยาลัยแคลิฟอร์เนีย ซานฟรานซิสโก (UCSF) ได้พัฒนาโมเดล machine learning ที่สามารถเพิ่มคุณภาพของภาพ MRI 3T ให้มีความละเอียดสูงใกล้เคียงกับภาพจาก MRI 7T ช่วยให้แพทย์สามารถมองเห็นรายละเอียดความผิดปกติของสมองได้ชัดเจนยิ่งขึ้น
ภาพ synthetic 7T ที่สร้างขึ้นจากโมเดลนี้ แสดงให้เห็นรายละเอียดที่ละเอียดมากขึ้น เช่น white matter lesions และ subcortical microbleeds ซึ่งมักยากที่จะตรวจพบด้วยระบบ MRI มาตรฐาน
เทคโนโลยีนี้มีศักยภาพในการเพิ่มความแม่นยำในการวินิจฉัยโรคทางระบบประสาท เช่น traumatic brain injury (TBI) และ multiple sclerosis (MS) แม้ว่าจะต้องมีการศึกษาทางคลินิกเพิ่มเติมก่อนนำไปใช้จริง
ดร. Reza Abbasi-Asl ผู้ช่วยศาสตราจารย์ด้านประสาทวิทยาที่ UCSF และผู้เขียนอาวุโสของการศึกษา กล่าวว่า "ระบบ AI นี้ช่วยปรับปรุงการมองเห็นและการระบุความผิดปกติของสมองที่ถ่ายด้วย MRI ในกรณี Traumatic Brain Injury ซึ่งแสดงให้เห็นถึงศักยภาพของ AI และ machine learning ในการยกระดับคุณภาพของภาพทางการแพทย์ที่ถ่ายด้วยระบบถ่ายภาพรุ่นเก่า"
นวัตกรรมนี้อาจช่วยขยายการเข้าถึงข้อมูลเชิงลึกจากภาพคุณภาพสูงโดยไม่จำเป็นต้องใช้อุปกรณ์พิเศษ นับเป็นความก้าวหน้าสำคัญในการผสานเทคโนโลยี AI เข้ากับการถ่ายภาพทางการแพทย์
อย่างไรก็ตาม การนำไปใช้ในทางคลินิกจำเป็นต้องมีการตรวจสอบอย่างละเอียดเพิ่มเติม รวมถึงการประเมินผลทางคลินิกอย่างกว้างขวาง การให้คะแนนทางคลินิกของภาพที่สร้างจากโมเดล และการวัดความไม่แน่นอนในโมเดล
ผลการวิจัยนี้ได้นำเสนอในการประชุม 27th International Conference on Medical Image Computing and Computer Assisted Intervention (MICCAI) เมื่อวันที่ 7 ตุลาคม ที่ผ่านมา
Why it matters
ข้อมูลอ้างอิงจาก https://neurosciencenews.com/ai-mri-neurology-27870/
