量子技术变革医学成像，纽约大学医学院与美国国家量子中心达成合作
光子盒研究院出品
从磁共振成像(MRI)机器到正在开发的量子计算机，美国能源部费米国家加速器实验室(FNAL)超导量子材料和系统中心(SQMS)正在探索两种超导技术的潜在应用，以彻底改变医学成像。费米实验室在去年成为了五个美国能源部国家量子信息科学研究中心之一。7月20日，SQMS宣布将通过与纽约大学朗格尼健康中心的合作伙伴关系，探索分析MRI扫描的新方法[1]。这是SQMS中心的首个合作伙伴关系，双方致力于利用量子计算加速MRI扫描，将直接推动医疗保健发展。
包括量子计算在内的量子技术如何赋能MRI？你将在这篇文章中找到答案！
MRI是用于创建患者体内器官和组织图像的最常见医学成像技术之一，当医生分析MRI扫描时，他们利用对人体的了解和解释MRI图像的经验来诊断疾病或制定治疗方案。
MRI技术人员对患者进行MRI扫描
想象一下在平静的湖面上有许多帆船，这些帆船是随机分布的。突然，一阵强风吹过湖面，吹动了它们的帆，将船只引向一个方向。这些船就像质子。质子具有称为“磁矩”（magnetic moment）的性质，它们就像微小的条形磁铁，其磁场指向某个方向。
使用强大的磁铁——MRI机器，就像强风一样，将患者体内质子的磁矩沿同一方向对齐。技术人员用射频脉冲将质子推离磁场，当质子的磁矩重新定向到MRI的磁场时，它们会释放电磁能量，机器会检测到电磁能量并用它来创建图像。
人类体重的60%是水，水不均匀地集中在身体组织中，因此MRI机器通常针对水分子中的氢质子，使不同的组织彼此之间的亮度变化，从而产生患者身体内部的详细黑白图像。
纽约大学格罗斯曼医学院放射学副教授、该合作伙伴关系的首席研究员Riccardo Lattanzi说，“使用MRI鉴定人体组织生物物理特性的一种技术被称为‘磁共振指纹识别’(MRF)，这是纽约大学朗格尼健康中心的一个活跃研究领域，在这种方法中，MRI数据被用作‘指纹’，以归入对观察到的MRI信号行为的潜在组织特性。除了含水量外，还有其他特性利于MRI扫描在身体组织之间建立对比。”
医学成像科学家现在正在寻求实现定量MRI或qMRI。这一创新过程必须依赖计算机的辅助，以帮助识别和表征组织，补充医生对图像的解释。
使用来自MRI机器的数据和保存在MRI图像的3D像素中的信息，医生将能够测量这些特性，以评估和监测患者在多次扫描中的健康状况。量子计算机可以使这些测量更快，并且可以生成更准确的MRI信号模拟，揭示MRI数据指纹背后的底层特性。
当量子计算机完全实现时，将提供计算能力的巨大增长。这些下一代计算机将用于执行计算的算法可以大大改善qMRI并促进其转化为临床实践。届时qMRI将为医生提供治疗患者的强大工具。然后，医生将能够以定量方式比较MRI扫描，而不仅仅是查看MRI图像。通过可量化的参数而不是MRI图像对比度的不一致，医学专业人员和研究人员可以使用统计数据并在MRI扫描中运行机器学习。
“使用标准方法来执行这些模拟，科学家只能模拟简化的生物物理模型，但量子计算可以实现考虑许多分子之间化学交换的计算。这为更准确地评估人体特性打开了大门。”Lattanzi说。
纽约大学郎格尼健康中心和SQMS之间的研究合作将作为试点项目，每个机构的两名年轻研究人员配对。然后，这些研究人员将开发未来SQMS量子计算机使用的算法，以通过MRI扫描准确快速地估计多种组织特性。
SQMS主办机构费米实验室（Fermilab）领导了对超导体或充分冷却后失去电阻的材料的前沿研究。这种特性使它们非常适合制造超导射频腔以加速粒子加速器中的粒子，现在它们可以用于制造量子计算机。
作为美国《国家量子倡议法案》的一部分，费米实验室被选为五个美国能源部国家量子信息科学研究中心之一：开发基于超导技术的量子计算机，因为它在用于粒子加速器的超导体方面具有专业知识。纽约大学已获得美国能源部科学办公室批准成为SQMS中心的成员之一。合作目前正在等待纽约大学与费米研究联盟有限责任公司之间正式协议的最终批准。
SQMS主任Anna Grassellino说，“SQMS在基于超导的量子计算方面取得了重要进展，包括开发基于超导射频（SRF）腔体的三维量子处理器。与纽约大学郎格尼健康中心合作进行MRI应用将对医学和社会产生重大影响，并将帮助技术专家完善我们基于3D的SRF计算机的架构细节。很高兴欢迎纽约大学和Lattanzi教授加入SQMS。Lattanzi为合作带来的知识是使用超导技术的有力延续。”
此次合作并非量子助力医疗的唯一案例。
从2018年开始，微软量子团队与凯斯西储大学（CWRU）合作，展示了量子计算的力量[2]。
CWRU一直在引领磁共振成像（MRI）的开创性研究，这个领域几十年来从未发生过巨大变化。为了在更短的时间内提高MRI结果的准确性，CWRU也引入了“磁共振指纹识别”（MRF）方法：典型的MRI机器使用一系列固定采集来建立诊断，MRF使用不断变化的脉冲序列，从而产生单一的统一检查。通过将响应与查找表进行比较来生成最终的定量图，MRF的像素已被证明比可比较的定量MRI高出1.8倍。
凯斯西储大学放射科正在使用微软的量子算法，使用“磁共振指纹识别”的创新方法来提高MRI扫描的速度和准确性。
这种方法带来了显着的改进，但挑战是确定脉冲和读数的最佳序列，以实现最佳的扫描效率，或者为识别特定疾病而优化的采集。这些是传统计算方法需要很长时间才能解决的问题。微软通过将问题映射到适合量子计算机的形式来帮助优化脉冲序列，然后在经典计算机上运行量子算法。通过生成优化的脉冲序列，CWRU的研究人员将能够创建一种提高MRI诊断能力的解决方案。
2019年，微软研究人员使用了一种量子启发算法[3]，提高了医学成像的速度和质量。在微软量子算法的帮助下，CWRU研究人员发现，他们可以在以前1/3-1/6的时间内完成扫描，同时将扫描精度提高25%以上。
此外，2022年初，来自加拿大Raffi Budakian的团队利用量子传感器，设计了一种在纳米光尺度上产生磁场的新方法——核磁共振衍射（NMRD）[4]，用于成像和控制核自旋。“在高层次上，这项工作可用于开发量子技术来研究蛋白质结构和动力学，”Budakian说，“了解蛋白质的结构对于药物开发至关重要。”
这一微型成像技术突破将MRI功能降低到原子尺度，对人类健康和医疗未来将产生重大影响。
Raffi Budakian是纳米级磁共振成像实验室的首席研究员、量子计算研究所（IQC）成员、滑铁卢大学物理与天文学系教授
上述成就突破，不仅可以提高医疗保健和医学研究的质量，还可以展示如何将量子计算、机器学习和混合计算结合起来，将过去的挑战转化为未来的解决方案。
参考链接：
https://news.fnal.gov/2022/07/nyu-langone-plans-to-partner-with-fermilabs-sqms-to-advance-mri-analysis/
https://blogs.microsoft.com/blog/2018/05/18/microsoft-quantum-helps-case-western-reserve-university-advance-mri-research/
https://fortune.com/2019/07/15/microsoft-quantum-algorithm-boosts-medical-imaging/
https://uwaterloo.ca/news/global-impact/new-quantum-imaging-could-lead-better-understanding-diseases