在实验室和医学专家之间共享医学数据对于医学研究很重要。然而，由于欧洲严格的数据监管立法，数据共享往往很复杂，有时甚至是不可能的。于韦斯屈莱大学数字健康智能实验室的研究人员解决了这个问题，并开发了一种人工神经网络，可以创建甚至可以骗过医学专家的合成 X 射线图像。

于韦斯屈莱大学 AI 中心芬兰中部项目的一组研究人员开发了一种基于 AI 的方法来创建合成膝关节 X 射线图像，以替代或补充膝关节骨关节炎分类中的真实 X 射线图像。

研究人员使用合成生成的 X 射线图像来补充来自骨关节炎研究的真实 X 射线图像数据集。然后与来自芬兰中部医疗保健区的专家一起评估图像的真实性。

医学专家被要求在不知道数据集包含合成图像的情况下评估骨关节炎的严重程度。在第二阶段，专家们试图识别真实图像和合成图像。结果表明，平均而言，即使是医学专家也不太可能区分真实 X 射线图像和合成 X 射线图像。

“合成数据的使用不受与真实数据相同的数据保护法规的约束。使用合成数据可以促进研究小组、公司和教育机构之间的合作，”数字健康智能实验室负责人 Sami Äyrämö 说。于韦斯屈莱大学。

根据 Äyrämö 的说法，使用合成数据还可以加快授权流程，从而加快对新想法的测试等。

使用合成数据可以在患者护理和医疗方法开发方面带来更好的结果

数据驱动的人工智能方法可用于支持医生进行诊断。尽管人工智能的技术潜力巨大，但医疗数据量往往不足，这是开发医学上有效方法的关键挑战。

“通过混合真实和合成的 X 射线图像，我们改进了基于 AI 的骨关节炎分类系统，”负责开发人工神经网络的博士研究员 Fabi Prezja 说。

未来，合成数据可以在开发医疗方法和患者护理方面带来更好的结果，特别是对于真实患者数据有限的医疗条件。

“此外，神经网络能够将合成 X 射线图像修改为专家规范。这种功能非常强大，可以在未来用于医学教育应用，以及对其他 AI 系统进行压力测试，”Prezja 补充道。

该研究是与芬兰中部医疗区合作进行的，该区主任、外科教授 Juha Paloneva 认为基于人工智能的诊断方法是一种有价值的方式，可以将经验丰富的医生的专业知识转移到支持年轻人的工作中医生。

相邻图像显示了一组动画屏幕截图，展示了如何将合成 X 射线修改为专家规格。

“例如，AI 可用于揭示难以发现的早期骨关节炎迹象。但是，用于骨关节炎的 AI 方法仍在改进，因此工作仍在继续，”Paloneva 说。

该研究发表在《科学报告》上。