Prediksi “AI Akan Menggantikan Radiolog” Berusia Sembilan Tahun. Jadi, Di Mana Kita Sekarang?

Sembilan tahun yang lalu, salah satu suara paling berpengaruh dalam AI mengatakan orang harus “berhenti melatih radiolog sekarang”. Pada tahun 2016, itu terdengar seperti prediksi yang hanya dibuat oleh seorang teknolog yang berani. Penglihatan komputer berkembang pesat, pencitraan medis terlihat seperti fitur yang ideal, dan radiologi tampaknya, dari luar, seperti spesialis yang dibangun di sekitar pengenalan pola. Jika pembelajaran dalam dapat mengalahkan manusia dalam gambar, banyak orang menganggap sisanya akan jatuh seperti domino.

Sekarang kita memiliki jarak yang cukup untuk menilai prediksi tersebut dengan tepat. Versi singkatnya adalah bahwa radiolog masih ada, masih kelebihan beban kerja, dan masih dibutuhkan. Di tempat-tempat seperti Mayo Clinic, staf radiologi telah tumbuh secara tajam sejak prediksi tersebut, sementara American College of Radiology dan Neiman HPI terus memperingatkan tentang ketegangan tenaga kerja dan peningkatan permintaan pencitraan. Nubuat itu tidak terwujud. Pertanyaan yang lebih menarik adalah mengapa.

Prediksi itu mendapatkan bagian gambar yang benar dan bagian pekerjaan yang salah

Klaim asli membuat satu asumsi besar: bahwa membaca gambar hampir merupakan pekerjaan utama dan bahwa kedokteran sempurna seperti akuntansi dalam hal implementasi AI. Itulah bagian yang orang-orang AI fokuskan, karena itu dapat dipetakan dengan rapi ke budaya benchmark.

Memasukkan pemindaian, melatih model, membandingkan output, menyatakan pemenang. Radiologi klinis nyata tidak pernah semudah itu. Radiolog klinis menafsirkan gambar, ya, tetapi mereka juga mengelola klinik, mengambil sampel biopsi, mempersiapkan pasien untuk operasi, dan bekerja langsung dengan klinisi lain sekitar keputusan diagnosis dan pengobatan.

Peran yang lebih luas itu lebih penting daripada yang diakui oleh siklus hype lama. European Society of Radiology menjelaskan radiolog sebagai dokter, pelindung, komunikator, inovator, ilmuwan, dan guru. Itulah target yang lebih kompleks untuk otomatisasi daripada “orang yang menemukan kelainan pada pemindaian”. Begitu Anda berhenti meratakan spesialisasi menjadi pelabelan gambar, prediksi yang terlewat mulai masuk akal.

Kemudian ada sisi permintaan, yang cenderung diabaikan oleh wacana AI setiap kali terlalu terobsesi dengan penggantian. Neiman HPI memproyeksikan pasokan radiolog meningkat 25,7% dari 2023 hingga 2055 dalam kondisi saat ini, tetapi memperkirakan permintaan pencitraan dapat meningkat 16,9% hingga 26,9% selama periode yang sama tergantung pada modalitas.

Itu tidak menggambarkan profesi yang menuju kepunahan. Itu menggambarkan sistem yang berusaha untuk tetap mengikuti. Pembaruan tenaga kerja ACR 2026 membuat poin dasar yang sama: kekurangan dan volume yang meningkat menghasilkan tekanan nyata pada bidang tersebut saat ini.

AI benar-benar mengubah radiologi, hanya tidak dengan cara trailer film

Tidak ada yang berarti AI gagal. Jauh dari itu. Daftar perangkat medis AI yang disetujui FDA terus berkembang, dan radiologi tetap salah satu konsentrasi alat-alat tersebut. Bahkan survei rumah sakit awal menemukan bahwa radiologi adalah tempat sebagian besar alat pencitraan medis AI yang disetujui FDA digunakan, dan laporan terbaru menunjukkan bahwa adopsi menyebar di sebagian besar departemen radiologi AS. Itu berarti ketergantungan vendor dicegah.

Apa yang sebenarnya diadopsi sangat mengungkapkan. Rumah sakit dalam survei Pew paling sering menggunakan AI untuk interpretasi gambar dan analisis, prioritas daftar kerja, dan dukungan alur kerja. Dalam prakteknya, itu berarti menampilkan kasus darurat lebih cepat, memperjelas gambar, membantu dengan kuantifikasi, menandai kemungkinan kelainan, dan semakin membantu dengan pekerjaan menulis laporan yang memakan banyak waktu radiolog. Itu adalah nilai nyata. Ini hanya cerita yang sangat berbeda dari ruang baca yang kosong dan surat pengantar.

Bukti terkuat terus menunjuk ke arah yang sama: penggunaan kasus yang sempit dan terintegrasi dengan baik dapat berfungsi. Studi Prospektif Nature Medicine tentang skrining payudara menemukan bahwa alur kerja pembaca tambahan yang dibantu AI dapat meningkatkan deteksi kanker dini dengan sedikit tambahan panggilan kembali. RSNA juga menyoroti data Denmark yang menunjukkan AI dapat mengurangi beban kerja mammografi secara signifikan tanpa merusak akurasi deteksi kanker. Itu adalah kemenangan serius. Ini juga kemenangan alur kerja, bukan cerita penggantian yang bersih.

Alasan penggantian terus ditunda karena kedokteran lebih sulit daripada demo

Salah satu pemeriksaan kenyataan yang paling berguna datang dari studi Nature Medicine besar yang melihat 140 radiolog di 15 tugas sinar-X dada. Bantuan AI tidak meningkatkan semua radiolog dengan cara yang sama. Beberapa radiolog menjadi lebih baik dengannya. Beberapa menjadi lebih buruk. Efeknya tergantung pada klinisi dan kualitas model. Ringkasan Harvard dari studi tersebut menyatakan dengan jelas: alat AI yang lebih kuat meningkatkan kinerja radiolog, sedangkan yang lebih lemah dapat menurunkannya. Itu tidak seperti teknologi penggantian yang siap pakai.

Integrasi adalah dinding lain yang prediksi 2016 hampir tidak memperhitungkan. Tinjauan terbaru tentang integrasi AI yang efektif dalam radiologi mencatat bahwa sistem saat ini masih berjuang untuk menggabungkan data klinis dan pencitraan sebelumnya atau bersamaan, yang dapat menyebabkan kesalahan.

Data pelaksanaan dunia nyata dari jaringan pencitraan Swiss menunjukkan peningkatan efisiensi yang dapat diukur, tetapi juga hambatan yang persisten seperti integrasi laporan yang buruk dan masalah waktu, dengan hanya minoritas hasil AI yang tersedia sebelum pelaporan. Ternyata memasukkan algoritma ke dalam alur kerja rumah sakit jauh lebih sulit daripada mengalahkan set tes.

Kemudian ada tata kelola, yang terus menarik percakapan kembali ke bumi. Pew menemukan bahwa adopsi awal rumah sakit sering datang dengan piloting dan pemantauan yang tipis. FDA masih memerlukan tinjauan prapemasaran untuk banyak perangkat, dan baru-baru ini menolak petisi yang berusaha untuk mempermudah persyaratan tinjauan untuk beberapa produk AI radiologi, dengan alasan keamanan dan kinerja. Di atas itu, tanggung jawab hukum di AS masih sebagian besar berada pada dokter, dan sentimen pasien tetap cukup jelas: orang mungkin menyukai AI dalam prinsip, tetapi mereka masih ingin pengawasan manusia dalam loop.

Kesimpulan

Jadi, di mana kita sekarang? Kita tidak berada di dunia yang dijanjikan oleh headline lama. Kita berada di dunia yang lebih dapat dipercaya, di mana radiologi menjadi salah satu lapangan uji AI yang paling penting dalam kedokteran, tetapi spesialisasi itu sendiri tetap berdiri karena pekerjaan yang lebih luas, lebih klinis, dan lebih bertanggung jawab secara sosial daripada yang diperkirakan.

Itu juga berarti pertanyaan berikutnya tidak boleh tentang apakah AI menggantikan radiolog. Itu adalah kerangka yang sudah ketinggalan zaman. Pertanyaan yang lebih tajam adalah siapa yang menyerap keuntungan produktivitas, seberapa aman alat-alat tersebut dalam pengaturan dunia nyata yang kacau, dan apakah perangkat lunak yang lebih baik dapat mengurangi kelelahan atau hanya meningkatkan harapan untuk tim yang sudah terlalu sibuk.

Bahkan posisi saat ini Geoffrey Hinton jauh lebih dekat dengan kebenaran daripada kalimat suara 2016. Masa depan terlihat lebih seperti radiolog plus AI daripada radiolog versus AI. Itu kurang dramatis, kurang dapat diklik, dan jauh lebih dekat dengan apa yang sebenarnya terjadi.