摘要: 盡管人工智能在醫(yī)學(xué)影像領(lǐng)域的應(yīng)用日益廣泛，但放射科醫(yī)生的需求量卻達(dá)到了歷史新高。本文探討了這一悖論背后的原因，分析了AI在放射學(xué)應(yīng)用中面臨的挑戰(zhàn)，以及人類醫(yī)生在診斷、與患者溝通和處理復(fù)雜病例方面的獨(dú)特優(yōu)勢(shì)。文章指出，AI在放射學(xué)領(lǐng)域的應(yīng)用并非簡(jiǎn)單的替代，而是與人類醫(yī)生相互協(xié)作，提高效率和診斷準(zhǔn)確性的過程。

隨著人工智能（AI）技術(shù)的快速發(fā)展，許多行業(yè)都面臨著被自動(dòng)化取代的擔(dān)憂。然而，在醫(yī)學(xué)影像領(lǐng)域，盡管AI模型的準(zhǔn)確性和速度不斷提高，但放射科醫(yī)生的需求卻達(dá)到了歷史新高 。 這篇文章探討了這一看似矛盾的現(xiàn)象，并分析了AI在放射學(xué)應(yīng)用中面臨的挑戰(zhàn)，以及人類醫(yī)生在診斷、與患者溝通和處理復(fù)雜病例方面的獨(dú)特優(yōu)勢(shì)。

AI在放射學(xué)中的應(yīng)用：現(xiàn)狀與挑戰(zhàn)

AI在放射學(xué)領(lǐng)域的主要應(yīng)用是輔助診斷，即通過分析醫(yī)學(xué)影像（如X光片、CT掃描和MRI）來檢測(cè)疾病或異常情況。最早的AI模型，如CheXNet，能夠以比普通放射科醫(yī)生更高的準(zhǔn)確率檢測(cè)肺炎 。 隨后，像Annalise.ai、Lunit、Aidoc和Qure.ai等公司推出了能夠檢測(cè)數(shù)百種疾病的AI模型，這些模型在基準(zhǔn)測(cè)試中表現(xiàn)出比人類放射科醫(yī)生更高的準(zhǔn)確性和速度 。 有些產(chǎn)品甚至可以重新排列放射科醫(yī)生的工作列表，優(yōu)先處理危急病例，為醫(yī)療團(tuán)隊(duì)提供下一步的建議，或者生成符合醫(yī)院記錄系統(tǒng)的結(jié)構(gòu)化草稿報(bào)告 。 甚至，一些模型，如IDx-DR，已經(jīng)被批準(zhǔn)在沒有醫(yī)生閱讀圖像的情況下使用 。 截至目前，已有超過700個(gè)FDA批準(zhǔn)的放射學(xué)模型，約占所有醫(yī)療AI設(shè)備的三分之二 。

然而，盡管AI在某些方面表現(xiàn)出色，但在實(shí)際應(yīng)用中，它仍然面臨著諸多挑戰(zhàn)：

1. 性能差異： 盡管AI模型在標(biāo)準(zhǔn)測(cè)試中表現(xiàn)出色，但在醫(yī)院的實(shí)際操作中，其性能往往無法復(fù)制。 許多工具只能診斷在訓(xùn)練數(shù)據(jù)中常見的異常情況，并且在測(cè)試條件之外的效果不佳 ?。
2. 法律和監(jiān)管限制： 監(jiān)管機(jī)構(gòu)和醫(yī)療保險(xiǎn)公司對(duì)于批準(zhǔn)或覆蓋完全自主的放射學(xué)模型持謹(jǐn)慎態(tài)度 ?。
3. 工作范圍有限： AI模型目前主要用于診斷，但放射科醫(yī)生的大部分時(shí)間都花在其他活動(dòng)上，如與患者和臨床醫(yī)生溝通 ?。
4. 模型泛化能力不足： 許多模型在一個(gè)醫(yī)院訓(xùn)練后，在其他醫(yī)院的表現(xiàn)會(huì)下降，這主要是由于醫(yī)院之間的數(shù)據(jù)記錄和設(shè)備存在差異 ?。
5. 數(shù)據(jù)集的局限性： 訓(xùn)練數(shù)據(jù)集通常具有嚴(yán)格的納入標(biāo)準(zhǔn)，這使得模型傾向于在最簡(jiǎn)單的病例上表現(xiàn)出色，而在現(xiàn)實(shí)世界中的復(fù)雜病例上表現(xiàn)不佳 ?。
6. 偏差問題： 訓(xùn)練數(shù)據(jù)集可能缺乏兒童、婦女和少數(shù)族裔的病例，這使得模型在這些人群中的表現(xiàn)通常較差 ?。

放射科醫(yī)生需求量高的原因

盡管AI在放射學(xué)領(lǐng)域取得了顯著進(jìn)展，但對(duì)人類放射科醫(yī)生的需求卻持續(xù)增長(zhǎng)。 2025年，美國(guó)的放射診斷住院醫(yī)師項(xiàng)目提供了創(chuàng)紀(jì)錄的1,208個(gè)職位，比2024年增加了4%，而且該領(lǐng)域的空缺率也達(dá)到了歷史新高 。 放射學(xué)在2025年是該國(guó)收入第二高的醫(yī)學(xué)專業(yè)，平均收入為52萬美元，比2015年的平均工資高出48%以上 。

這主要有以下三個(gè)原因：

• 診斷不僅僅是檢測(cè)： 放射科醫(yī)生不僅需要診斷，還需要與患者溝通，解釋診斷結(jié)果，并與其他醫(yī)生協(xié)作。 這些是AI目前無法完全勝任的任務(wù) ?。
• 法律和監(jiān)管的限制： 監(jiān)管機(jī)構(gòu)和醫(yī)療保險(xiǎn)公司尚未批準(zhǔn)或覆蓋完全自主的AI放射學(xué)模型。 這意味著人類醫(yī)生仍然需要參與診斷過程 ?。
• AI僅替代了部分工作： 即使AI能夠準(zhǔn)確診斷，它也只能替代放射科醫(yī)生工作的一小部分。 放射科醫(yī)生的大部分時(shí)間用于診斷以外的活動(dòng)，如與患者和臨床醫(yī)生溝通 ?。

AI與人類醫(yī)生的協(xié)同

AI在放射學(xué)領(lǐng)域的未來，并非是取代人類醫(yī)生，而是與人類醫(yī)生協(xié)同工作，提高效率和診斷準(zhǔn)確性。 AI可以輔助醫(yī)生完成重復(fù)性、標(biāo)準(zhǔn)化的任務(wù)，例如檢測(cè)肺部結(jié)節(jié)或骨折，從而為醫(yī)生節(jié)省時(shí)間和精力 。 這使得醫(yī)生能夠?qū)⒏鄷r(shí)間用于更復(fù)雜的病例，與患者溝通，并與其他醫(yī)生協(xié)作 。

計(jì)算機(jī)輔助診斷的經(jīng)驗(yàn)教訓(xùn)

20世紀(jì)90年代，計(jì)算機(jī)輔助診斷（CAD）系統(tǒng)被開發(fā)用于篩查乳腺X光檢查，以尋找乳腺癌。 在試驗(yàn)中，人類和CAD系統(tǒng)的結(jié)合在評(píng)估乳房X光檢查方面的準(zhǔn)確性優(yōu)于單獨(dú)的人類 。 美國(guó)政府為使用該技術(shù)的放射科醫(yī)生支付了額外的費(fèi)用； 到2010年，大約74%的乳房X光檢查是由計(jì)算機(jī)輔助診斷與臨床醫(yī)生一起閱讀的 。

然而，CAD的結(jié)果令人失望。 研究表明，CAD增加了圖像被標(biāo)記的數(shù)量，導(dǎo)致臨床醫(yī)生進(jìn)行更多的活檢，但并未發(fā)現(xiàn)更多的癌癥 。 許多臨床研究得出了類似的結(jié)論 。 這表明，在臨床實(shí)踐中，醫(yī)生可能會(huì)過度依賴輔助AI工具，這與在實(shí)驗(yàn)室研究或其他受控實(shí)驗(yàn)中的行為不同 。

結(jié)論

AI在放射學(xué)領(lǐng)域的發(fā)展是一個(gè)復(fù)雜的過程，它既帶來了機(jī)遇，也帶來了挑戰(zhàn)。 雖然AI在診斷方面取得了顯著進(jìn)展，但它無法完全取代人類醫(yī)生。 放射科醫(yī)生需要具備診斷、與患者溝通和處理復(fù)雜病例的能力，而這些能力是AI目前無法完全勝任的。

放射學(xué)領(lǐng)域的經(jīng)驗(yàn)表明，AI的應(yīng)用需要適應(yīng)社會(huì)，并且受到社會(huì)規(guī)則的約束 。 AI的進(jìn)步不一定會(huì)在其推廣的最初幾年內(nèi)主導(dǎo)每個(gè)領(lǐng)域 。 充分利用AI的益處將涉及將其應(yīng)用于社會(huì)，并將社會(huì)的規(guī)則應(yīng)用于AI 。

在許多工作中，任務(wù)是多樣化的，風(fēng)險(xiǎn)很高，并且需求具有彈性。 在這種情況下，我們應(yīng)該期望軟件最初會(huì)帶來更多的人類工作，而不是更少 。 來自放射學(xué)模型的十年的經(jīng)驗(yàn)教訓(xùn)既不是對(duì)產(chǎn)出增加的樂觀，也不是對(duì)替代的恐懼。 模型可以提高生產(chǎn)力，但其實(shí)施取決于行為、機(jī)構(gòu)和激勵(lì)措施 。 目前，悖論依然存在：機(jī)器越好，放射科醫(yī)生就越忙 。

圖片

本文轉(zhuǎn)載自??知識(shí)圖譜科技??，作者：Wolfgang