「AIが放射線科医を置き換える」という予測は9歳です。そこではどこにいますか？

9年前、AIの最も影響力のある声の1つが、「放射線科医の訓練を今すぐ停止すべきです」と述べました。2016年、その予測は、勇敢な技術者だけが大声で話すような予測のようです。コンピュータビジョンは急速に進化しており、医療画像は完璧なフィットのようですし、放射線科は外側から見ると、パターン認識を中心とした専門分野のようです。如果深層学習が画像で人間を超えることができれば、多くの人々はそのほかのすべてがドミノのように倒れると思っていました。

今、私たちにはその予測を適切に判断するための十分な距離があります。短いバージョンは、放射線科医はまだここにいて、まだ過負荷で、まだ需要です。メイヨー・クリニックのような場所では、放射線科のスタッフは予測以来急激に増加していますが、アメリカ放射線科大学とニーマンHPIは、労働力の緊張と画像需要の増加について警告を続けています。預言は当たりませんでした。より興味深い質問は、理由です。

予測は画像の部分を正しくし、仕事の部分を間違えました

元の主張は、1つの大きな仮定を行いました。画像を読むことは基本的に仕事の全体であり、医学は会計と同じくらいAIの実装が簡単であるということです。那はAIの人々が焦点を当てていた部分です。なぜなら、それはベンチマーク文化にうまくマッピングされたからです。

実際の放射線科は決してそうではありませんでした。臨床放射線科医は画像を解釈しますはい、しかし彼らはまたクリニックを運営し、生検サンプルを取り、患者を手術のために準備し、診断と治療の決定について他の臨床医と直接協力します。

その広い役割は、古いハイプサイクルが認めたよりも重要です。ヨーロッパ放射線科学会は、放射線科医を医師、保護者、コミュニケーター、イノベーター、科学者、教師として説明しています。那は、「スキャン上の異常を発見する人」というよりも、ずっと汚いターゲットです。専門分野を画像ラベルに平坦化するのを止めると、予測の失敗はより多くの意味をなします。

すると、需要側がありますが、AIの議論は、置き換えに過度に夢中になるときにそれを無視することがあります。ニーマンHPIは、2023年から2055年までの現在の条件で放射線科医の供給が25.7%増加することを予測しましたが、画像需要は16.9%から26.9%まで増加する可能性があることを推定しました。

それは、絶滅への道にある職業を記述していません。システムが追いつこうとしていることを記述しています。ACRの2026年の労働力アップデートは、基本的に同じ点を強調しています。不足と増加するボリュームは、現在フィールドに実際の圧力をかけています。

AIは放射線科を絶対に変えましたが、映画の予告編のようにではありませんでした

これは、AIが失敗したことを意味しません。遠くからです。FDAのAIを使用した医療機器のリストは拡大し続けていますが、放射線科は依然としてそのツールの1つの集中しています。初期の病院の調査では、放射線科がFDA承認のAI医療画像ツールを使用している場所が最も多かったことがわかりましたが、最近の報告では、採用が米国の放射線科部門の大部分に広がっていることを示しています。那は、ベンダーロックインが芽をつけられたことを意味します。

実際に採用されているのは、物語を語っています。病院のPewの調査では、AIを最も頻繁に使用するのは、画像解釈と分析、ワークリストの優先順位付け、ワークフローのサポートです。実践では、緊急事態をより速く表面化させ、画像を鋭くし、量化に助け、可能な異常をフラグ付けし、放射線科医の時間を奪うレポート作成の苦労を助けることが含まれます。那は、実際の価値があります。ただし、それは空の読み取り部屋やピンクのスリップではなく、物語です。

最も強い証拠は、同じ方向に指し続けています。狭い、よく統合されたユースケースは機能します。Nature Medicineの潜在的な研究では、AIアシストの追加リーダーワークフローが、最小限のリコールで早期がん検出を改善したことがわかりました。RSNAも、AIが乳房X線検査のワークロードを大幅に削減できることを示すデンマークのデータを強調しました。那は、重大な勝利です。ただし、それは置き換えの物語ではなく、ワークフローの勝利です。

置き換えが遅れる理由は、医学がデモよりも難しいからです

1つの役立つ現実のチェックは、15の胸部X線タスクを扱う140人の放射線科医を調査したNature Medicineの研究から来ました。AIアシストは、すべての放射線科医を同じように改善しませんでした。いくつかの放射線科医は、それで改善しました。いくつかの放射線科医は、それで悪化しました。効果は、臨床医とモデル品質に依存しました。ハーバードの研究の要約は、強力なAIツールが放射線科医のパフォーマンスを改善したと簡単に述べましたが、弱いものはそれを下げる可能性があります。那は、ターンキーレプレイスメントテクノロジーのように動作しません。

統合は、2016年の予測がほとんど説明していない別の壁です。放射線科におけるAIの有効な統合に関する最近のレビューでは、現在のシステムは依然として、臨床データと以前または同時の画像を統合するのに苦労していますと述べていますが、それはエラーにつながる可能性があります。

スイスの画像ネットワークからの実世界の展開データは、効率の改善が測定されたものの、レポート統合とタイミングの問題などの障壁が依然として存在し、AIの結果のほんの一部だけが報告の前に利用可能であったことを示しています。アルゴリズムを病院のワークフローにスロットすることは、テストセットを勝つよりもはるかに難しいことです。

そして、統治がありますが、会話を地に戻すことがあります。Pewは、初期の病院の採用は、しばしば薄いパイロットと監視とともに来ましたと発見しました。FDAは依然として、多くのデバイスに対する事前市場レビューを要求していますが、先月、放射線科のAI製品のいくつかのレビュー要件を緩和することを求める請願を却下しました。安全性とパフォーマンスに関する懸念を引用しました。さらに、米国の法的責任は依然として主に医師にあり、患者さんの気分は依然として明確です。原則ではAIが好きですが、ループ内に人間の管理が必要です。

結論

そこではどこにいますか？私たちは、古い見出しが約束した世界にいません。私たちは、より信頼できる世界にいます。そこでは、放射線科が医学で最も重要なAIテストのグラウンドの1つになりましたが、専門分野自体は、仕事が予測よりも広く、臨床的で、社会的に責任があるため、立っています。

それは、次の質問が、AIが放射線科医を置き換えるかどうかではなく、誰が生産性の利益を吸収するか、ツールが汚い現実の環境でどれほど安全か、そして、より優れたソフトウェアがバーンアウトを軽減するか、既に伸びているチームの期待を単に高めるかどうかであることを意味します。

Geoffrey Hintonの現在の立場は、2016年のサウンドバイトよりもはるかに真実に近いです。未来は、放射線科医対AIではなく、放射線科医プラスAIのようです。那は、よりドラマティックでなく、よりクリック可能でなく、そして実際に起こっていることのほうが近いです。