Η Προβλέψη “Η Τεχνητή Νοημοσύνη Θα Αντικαταστήσει τους Ακτινολόγους” Έχει Εννέα Χρόνια. Πού Βρισκόμαστε;

Εννέα χρόνια πριν, μια από τις πιο επιδραστικές φωνές της Τεχνητής Νοημοσύνης είπε ότι οι άνθρωποι πρέπει να “σταματήσουν να εκπαιδεύουν ακτινολόγους τώρα”. Το 2016, αυτό ακούγεται σαν μια πρόβλεψη που θα την έκανε μόνο ένας τολμηρός τεχνολόγος με σιγουριά. Η όραση του υπολογιστή προχώρησε γρήγορα, η ιατρική απεικόνιση φαινόταν σαν μια τέλεια αντιστοίχηση και η ακτινολογία φαινόταν, από την εξωτερική πλευρά, σαν μια ειδικότητα που χτίστηκε γύρω από την αναγνώριση προτύπων. Αν η βαθιά μάθηση μπορούσε να νικήσει τους ανθρώπους στις εικόνες, πολλοί άνθρωποι υποθέτουν ότι το υπόλοιπο θα πέσει σαν ντόμινο.

Τώρα έχουμε αρκετή απόσταση για να κρίνουμε σωστά αυτή την πρόβλεψη. Η σύντομη εκδοχή είναι ότι οι ακτινολόγοι είναι ακόμα εδώ, ακόμα υπερφορτωμένοι και ακόμα σε ζήτηση. Σε μέρη όπως το Mayo Clinic, το προσωπικό ακτινολογίας έχει αυξηθεί δραματικά από τότε που έγινε η πρόβλεψη, ενώ το Αμερικανικό Κολέγιο Ακτινολογίας και το Neiman HPI συνέχισαν να προειδοποιούν για τη δυσχέρεια της εργατικής δύναμης και την αυξανόμενη ζήτηση για απεικόνιση. Η προφητεία δεν ευδοκίμησε. Το πιο ενδιαφέρον ερώτημα είναι το γιατί.

Η πρόβλεψη έπιασε το μέρος της εικόνας σωστά και το μέρος της δουλειάς λάθος

Η αρχική αξίωση έκανε μια τεράστια υπόθεση: ότι η ανάγνωση εικόνων είναι βασικά η ganze δουλειά και ότι η ιατρική είναι όσο εύκολη όσο η λογιστική σε όρους εφαρμογής Τεχνητής Νοημοσύνης. Αυτό είναι το μέρος που οι άνθρωποι της Τεχνητής Νοημοσύνης συνέχισαν να επικεντρώνονται, γιατί αντιστοιχούσε καλά στην κουλτούρα των βεντούων.

Βάλτε τις σκηνές, εκπαιδεύστε ένα μοντέλο, συγκρίνετε τις εξόδους, δηλώστε έναν νικητή. Η πραγματική ακτινολογία δεν ήταν ποτέ così καθαρή. Οι κλινικοί ακτινολόγοι ερμηνεύουν εικόνες, ναι, αλλά επίσης διεξάγουν κλινικές, λαμβάνουν δείγματα βιοψίας, προετοιμάζουν ασθενείς για χειρουργική επέμβαση και εργάζονται trực tiếp με άλλους κλινικούς γύρω από διαγνωστικές και θεραπευτικές αποφάσεις.

Αυτό το ευρύτερο ρόλο έχει σημασία περισσότερο από ό,τι η παλιά υπερβολική πρόβλεψη παραδέχτηκε. Η Ευρωπαϊκή Εταιρεία Ακτινολογίας περιγράφει τους ακτινολόγους ως γιατρούς, προστατευτές, επικοινωνιολόγους, καινοτόμους, επιστήμονες και δασκάλους. Αυτό είναι ένα πολύ πιο复雑ο στόχο για αυτοματοποίηση από “άτομο που εντοπίζει ανωμαλίες σε μια σάρωση.” Μόλις σταματήσετε να πιέζετε την ειδικότητα σε ετικέτα εικόνας, η πρόβλεψη που χάθηκε αρχίζει να έχει πολύ περισσότερο νόημα.

Στη συνέχεια, υπάρχει η πλευρά της ζήτησης, την οποία η συζήτηση για την Τεχνητή Νοημοσύνη έχει την τάση να αγνοεί κάθε φορά που γίνεται πολύ εθισμένη με την αντικατάσταση. Το Neiman HPI προέβλεψε ότι η προσφορά ακτινολόγων θα αυξηθεί 25,7% από το 2023 έως το 2055 υπό τις τρέχουσες συνθήκες, αλλά εκτίμησε ότι η ζήτηση για απεικόνιση θα μπορούσε να αυξηθεί 16,9% έως 26,9% κατά την ίδια περίοδο, ανάλογα με το είδος.

Η Τεχνητή Νοημοσύνη άλλαξε αποφασιστικά την ακτινολογία, αλλά όχι με τον τρόπο που φανταζόμαστε

Κανένα από αυτά δεν σημαίνει ότι η Τεχνητή Νοημοσύνη απέτυχε. Μακράν. Ο κατάλογος των ιατρικών συσκευών που ενεργοποιούνται από την Τεχνητή Νοημοσύνη της FDA συνεχίζει να επεκτείνεται και η ακτινολογία παραμένει μια από τις πιο πυκνές συγκεντρώσεις αυτών των εργαλείων. Ακόμη και οι πρώτες έρευνες σε νοσοκομεία βρήκαν ότι η ακτινολογία ήταν το μέρος όπου χρησιμοποιούνταν τα περισσότερα FDA-εγκεκριμένα εργαλεία ιατρικής απεικόνισης που ενεργοποιούνται από την Τεχνητή Νοημοσύνη, και πιο πρόσφατες αναφορές δείχνουν ότι η υιοθέτηση εξαπλώνεται σε ένα μεγάλο ποσοστό των τμημάτων ακτινολογίας των ΗΠΑ. Αυτό σημαίνει η Vendor lock-in κόπηκε στην αρχή.

Τι είναι αυτό που πραγματικά υιοθετείται είναι ενδιαφέρον. Τα νοσοκομεία στην έρευνα του Pew χρησιμοποίησαν πιο συχνά την Τεχνητή Νοημοσύνη για ερμηνεία και ανάλυση εικόνων, προτεραιότητα λίστας εργασιών και υποστήριξη ροής εργασιών. Στην πράξη, αυτό σημαίνει ότι επιφέρουν τις επείγουσες περιπτώσεις πιο γρήγορα, κολακεύουν τις εικόνες, βοηθούν στην ποσοτικοποίηση, σηματοδοτούν πιθανές ανωμαλίες και βοηθούν όλο και περισσότερο με το χρονοβόρο γράψιμο αναφορών που καταβροχθίζει τόσο πολύ χρόνο των ακτινολόγων. Αυτό είναι πραγματική αξία. Είναι απλά μια πολύ διαφορετική ιστορία από τις κενές αίθουσες ανάγνωσης και τις πINK slips.

Ο λόγος για τον οποίο η αντικατάσταση καθυστερεί είναι ότι η ιατρική είναι πιο δύσκολη από μια demo

Μια από τις πιο χρήσιμες πραγματικές ελέγχους ήρθε από μια μεγάλη μελέτη στο Nature Medicine που εξέτασε 140 ακτινολόγους σε 15 εργασίες ακτινογραφίας θώρακα. Η βοήθεια της Τεχνητής Νοημοσύνης δεν βελτίωσε όλους με τον ίδιο τρόπο. Κάποιοι ακτινολόγοι έγιναν καλύτεροι με αυτό. Κάποιοι έγιναν χειρότεροι. Η επίδραση εξαρτήθηκε από τον κλινικό ιατρό και από την ποιότητα του μοντέλου. Η περίληψη της μελέτης από το Χάρβαρντ την έθεσε απλά: ισχυρότερα εργαλεία Τεχνητής Νοημοσύνης βελτίωσαν την απόδοση των ακτινολόγων, ενώ τα πιο αδύναμα θα μπορούσαν να την μειώσουν. Αυτό δεν είναι το πώς μια τεχνολογία αντικατάστασης συμπεριφέρεται.

Η ολοκλήρωση είναι ένα άλλο τοίχο που η πρόβλεψη του 2016几乎 δεν έλαβε υπόψη. Μια πρόσφατη ανασκόπηση για την αποτελεσματική ολοκλήρωση της Τεχνητής Νοημοσύνης στην ακτινολογία σημείωσε ότι τα τρέχοντα συστήματα ακόμα παλεύουν να ενσωματώσουν κλινικά δεδομένα και προηγούμενες ή ταυτόχρονες απεικονίσεις, που μπορεί να οδηγήσει σε λάθη.

Πραγματικά δεδομένα από ένα δίκτυο απεικόνισης στην Ελβετία έδειξαν μετρήσιμες κέρδη αποδοτικότητας, αλλά και ανθεκτικά εμπόδια όπως η κακή ολοκλήρωση αναφορών και προβλήματα χρονισμού, με μόνο μια μειοψηφία των αποτελεσμάτων της Τεχνητής Νοημοσύνης να είναι διαθέσιμα πριν από την αναφορά. Αποδείχθηκε ότι η τοποθέτηση ενός αλγορίθμου σε μια ροή εργασιών νοσοκομείου είναι πολύ πιο δύσκολο από το να νικήσει ένα σετ δοκιμών.

Συμπέρασμα

Πού βρισκόμαστε; Δεν βρισκόμαστε στον κόσμο που η παλιά επικεφαλίδα υποσχόταν. Βρισκόμαστε σε ένα πιο πιστευτό, όπου η ακτινολογία έγινε ένα από τα πιο σημαντικά πεδία δοκιμών της Τεχνητής Νοημοσύνης, αλλά η ειδικότητα herself παρέμεινε όρθια γιατί η δουλειά ήταν ευρύτερη, πιο κλινική και πιο κοινωνικά υπεύθυνη από ό,τι η πρόβλεψη υποθέτουν.

Αυτό επίσης σημαίνει ότι το επόμενο ερώτημα δεν πρέπει να είναι αν η Τεχνητή Νοημοσύνη αντικαθιστά τους ακτινολόγους. Αυτή η στάση γίνεται παλιά. Το πιο οξύ ερώτημα είναι ποιος απορροφά τα κέρδη αποδοτικότητας, πόσο ασφαλή είναι τα εργαλεία σε ακατάστατους πραγματικούς συνθήκες και αν καλύτερη λογισμικό μειώνει την εξουθένωση ή απλά αυξάνει τις προσδοκίες για ήδη τεντωμένα ομάδες.

Ακόμη και η τρέχουσα θέση του Geoffrey Hinton είναι πολύ πιο κοντά στην αλήθεια από ό,τι η πρόβλεψη του 2016. Το μέλλον φαίνεται πιο σαν ακτινολόγος συν Τεχνητή Νοημοσύνη παρά ακτινολόγος εναντίον Τεχνητής Νοημοσύνης. Αυτό είναι λιγότερο δραματικό, λιγότερο κλικ και πολύ πιο κοντά σε ό,τι πραγματικά συμβαίνει.