脸书本周和纽约大学研究人员合作开发的一项AI模型，可用1/4资料量产生供诊断的核磁共振（MRI）图片，因而可加速MRI扫描速度。
最新消息为脸书旗下AI研究中心和纽约大学朗格尼医学中心（Langone Health）合作开发名为fastMRI的AI模型研究的成果。双方2018年启动合作，并在当年将fastMRI模型及150万张MRI扫描片开源。有别于其他AI医学图片项目以AI来判读医疗图片，侦测异常之处，fastMRI却是利用AI来产生医学图片。
传统MRI扫描需要病患平躺通过扫描隧道，以产生身体组织的核磁图片。但为了产生足够资料，扫描过程耗时长达一小时，患者不能乱动，且需忍受噪音及幽闭空间的恐惧。本项目就是希望创新资料产生方法，以加速扫描过程。
利用NYU朗格尼医学中心2018年底开源的MRI图片资料集，脸书以大约1,200名匿名患者的膝盖扫描图片来训练fastMRI模型。研究人员利用原始图片制作出分辨率较低的版本，每张新图片的资料量都是原始图片的1/4，然后以fastMRI来比对高、低分辨率的图片，借此训练其预测能力，之后这个AI模型就能以更少（即1/4）资料量产生高分辨率图片。若这样的资料可以使用，则临床上有望加快MRI扫描的速度。
而在之后的一项可交互性（interchangeability）研究中，由放射科医师分别针对传统MRI，以及由fastMRI算法产生资料量少75%的图片进行盲测，结果显示医生都能做出相同诊断，且无法分辨哪些是由AI产生的图片。
NYU朗格尼医师及放射科主任Michael Recht指出，这项研究是MRI领域AI研究一大进展，因为这也是首次AI图片达到和标准临床MRI图片无法区分，而诊断准确度达到可交互水准。
研究人员指出，fastMRI已是开源项目，因此开放其他研究人员和厂商使用和测试。他们希望硬件企业可以在取得FDA许可后，协助fastMRI算法的投产。