「AIが放射線科医を置き換える」という予測は9歳です。那么、私たちはどこにいますか？

9年前、AIの最も影響力のある声の1つが「今すぐ放射線科医の訓練を停止するべきです」と述べました。2016年に、そのような予測は、勇敢なテクノロジストだけが大声で言うようなものでした。コンピュータビジョンは急速に進化しており、医療用画像は完璧なフィットだったように見え、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に見えました。如果ディープラーニングが画像で人間を超えることができると、多くの人々は、残りはドミノのように倒れると思っていました。

今、私たちはそのような予測を適切に判断するのに十分な距離を得ました。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、まだ需要とされているということです。メイヨー・クリニックのような場所では、その予測以来、放射線科のスタッフが急激に増加していますが、アメリカ放射線科医協会とニーマン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。予言は当たりませんでした。より興味深い質問は、理由です。

予測は画像の部分は正しかったが、仕事の部分は間違っていた

元の主張は、1つの大きな仮定を行いました。画像の読み取りは基本的に仕事の全体であり、医学はAIの実装という点では会計と同じであるということです。那がAIの人が焦点を当てていた部分でした。なぜなら、それはベンチマーク文化にきれいにマッピングされたからです。

スキャンを入力し、モデルを訓練し、出力を比較し、勝者を宣言します。実際の放射線科は決してそのようなクリーンなものではありません。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。

そのより広い役割は、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医学会は、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、教師として記述しています。那は「スキャン上の異常を検出する人」というより汚いターゲットです。画像ラベリングに専門分野を平坦化するのを止めると、予測のミスはより多くの意味をなします。

そして、需要側がありますが、AIの議論は、代替にすぎることにすぎず、需要側を無視することがあります。ニーマンHPI 放射線科医の供給は2023年から2055年までに25.7%増加することを予測しましたが、画像需要は同期間中に16.9%から26.9%増加する可能性があると推定しました。

それは、絶滅への道にある職業を記述していません。那は、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年の労働力更新は、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与えています。

AIは絶対に放射線科を変えた、ただし映画の予告編のような方法ではなかった

これは、AIが失敗したことを意味しません。遠からずです。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。放射線科は依然として、それらのツールの最も高い濃度の1つです。早期の病院調査では、放射線科がFDA承認のAI医療画像ツールが使用されている場所であることがわかりました。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。那意味してベンダーロックインは芽を摘みました。

実際に採用されているものは、物語を語っています。病院のPewの調査では、AIを最も頻繁に使用しているのは、画像解釈と分析でした。仕事の優先順位付けとワークフローのサポート。実践では、緊急事態をより速く浮き彫りにし、画像を鋭くし、定量化を支援し、可能性のある異常を指摘し、報告書の書き込みの苦労を助けるということです。那は実際の価値です。それはただの別の物語です。

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つの最も役立つ現実チェックは、140人の放射線科医を対象に、15の胸部X線タスクを調査したNature Medicineの研究から来ました。AIの支援は、すべての人のパフォーマンスを同じように改善しませんでした。何人かの放射線科医は、それで改善しました。何人かは悪化しました。効果は、臨床医とモデルの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述べました。弱いものはそれを下げることができます。那は、ターニ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ることがわかりました。那は、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際の展開データは、効率性の改善が測定できましたが、報告書の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ていることも示しました。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ことよりもはるかに難しいです。

そして、ガバナンスがありますが、それは会話を地に戻します。Pewは、病院の初期の採用は、薄いパイロットと監視とともに行われていたことを発見しました。FDAは依然として、多くのデバイスに対して事前市場レビューを要求しています。先月、放射線科のAI製品のレビュー要件を緩和しようとした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。上に加えて、米国の法的責任は依然として主に医師にあり、患者さんの意見は、原則としてAIを好むかもしれませんが、ループ内に人間の管理が必要であることを示しています。

結論

那么、私たちはどこにいますか？私たちは、古い見出しの約束した世界にいません。私たちは、放射線科が医学の最も重要なAIテストサイトの1つになった、より信頼できる世界にいますが、専門分野自体は、仕事がより広く、より臨床的で、より社会的に責任があるため、立ち続けています。

それは、次の質問は、AIが放射線科医を置き換えるかどうかではなく、誰が生産性の向上を吸収するか、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燃え尽き症を軽減するか、またはすでに伸び切っているチームの期待を高めるだけ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のようになります。那は、よりドラマティックではなく、よりクリックされず、実際に起こっていることとは遠いです。