์ฌ์ ๋ฆฌ๋
“AI๊ฐ ๋ฐฉ์ฌ์ ๊ณผ๋ฅผ ๋์ฒดํ ๊ฒ”์ด๋ผ๋ ์์ธก์ 9๋ ์ ์ ๋๋ค.้ฃไน ์ฐ๋ฆฌ๋ ์ด๋์ ์๋์?
9년 전, AI의 가장 영향력 있는 목소리 중 하나는 사람들이 “지금 방사선과를 훈련시키는 것을 멈추어야 한다”고 말했습니다. 2016년에 그것은 용기 있는 기술자가 큰 소리로 말할 수 있는 예측처럼 들렸습니다. 컴퓨터 비전은 빠르게 진행되고 있었고 의료 이미징은 완벽한 적합이라고 보였으며 방사선과는 외부에서 본 것으로 패턴 인식 주변에 구축된 전문 분야로 보였습니다. 깊은 학습이 이미지에서 인간을 이길 수 있다면 많은 사람들이 나머지가 도미노처럼倒れる 것으로 가정했습니다.
지금 우리는 그 예측을 제대로 평가할 수 있는 충분한 거리를 가지고 있습니다. 짧은 버전은 방사선과들이 여전히 존재하며 여전히 과부하되어 있고 여전히 수요가 있음을 의미합니다. Mayo Clinic과 같은 곳에서는 방사선과 직원이 예측 이후 크게 증가했으며 미국 방사선과 학회(American College of Radiology)와 Neiman HPI는 계속해서 인력 부족과 이미징 수요 증가에 대한 경고를 발행했습니다. 예언은 이루어지지 않았습니다. 더 흥미로운 질문은 왜 그런지입니다.
예측은 이미지 부분은 맞았지만 직무 부분은 틀렸습니다
원래 주장은 하나의巨대한 가정으로 이루어졌습니다. 즉, 이미지 읽기를 기본적으로 전체 직무로 간주하고 의학이 AI 구현 측면에서 회계와 같은 것으로 간주합니다. 그것이 AI 사람들께서 계속해서 집중한 부분입니다. 왜냐하면 그것이 벤치마크 문화에 깔끔하게 매핑되기 때문입니다.
스캔을 입력하고 모델을 훈련시키고 출력을 비교하고 승자를 선언합니다. 실제 방사선과는 कभ也不 그랬습니다. 임상 방사선과는 이미지를 해석하지만 또한 클리닉을 운영하고 생체 검사 샘플을 준비하고 환자를 수술에 준비시키고 다른 임상 의사와 함께 진단 및 치료 결정에 직접적으로 참여합니다.
그 보다 넓은 역할은 예전의 하이프 사이클에서 인정한 것보다 더 중요합니다. 유럽 방사선과 학회는 방사선과를 의사, 보호자, 커뮤니케이터, 혁신가, 과학자, 교사로 묘사합니다. 그것은 “스캔에서 비정상성을 감지하는 사람”보다 훨씬 더 복잡한 자동화 대상입니다. 한번에 특수를 이미지 레이블링으로 평탄화하는 것을停止하면 예측을 놓친 이유가 더 많이 이해되기 시작합니다.
그런 다음 수요 측면이 있습니다. AI 담론은 그것이 대체에 너무 매료될 때마다 그것을 무시하는 경향이 있습니다. Neiman HPI는 2023년부터 2055년까지 현재 조건에서 방사선과 공급이 25.7% 증가할 것으로 예측했지만 이미징 수요는 같은 기간 동안 16.9%에서 26.9%까지 증가할 수 있다고 추정했습니다.
그것은 직종이 멸종으로 향하고 있음을 나타내지 않습니다. 그것은 시스템이 따라가고 있는 것을 나타냅니다. ACR의 2026년 인력 업데이트 보고서는 같은 기본적인 점을 강조합니다. 인력 부족과 증가하는 볼륨은 현재 분야에 실제 압력을 가하고 있습니다.
AI는绝對적으로 방사선과를 변경했지만 영화 예고편과 같은 방식으로는 아닙니다
이것은 AI가 실패했다는 것을 의미하지 않습니다. 멀리 않습니다. FDA의 AI를활용한 의료 기기 목록은 계속 확장되고 있으며 방사선과는 여전히 그 도구의 가장 집중된 분야 중 하나입니다. 조기 병원 설문조사에서 방사선과에서 가장 많은 FDA 승인 AI 의료 이미징 도구가 사용되고 있었으며最近의 보고서는 그採用이 미국 방사선과 부서의 큰 부분에 걸쳐 확산되고 있음을 나타냅니다. 즉, 벤더 잠금이 초기에 차단되었습니다.
실제로採用되는 것은 말해줍니다. Pew 설문조사에서 병원들은 가장 자주 이미지 해석 및 분석에 AI를 사용했으며 작업 목록 우선순위 지정 및 워크플로우 지원도 사용했습니다. 실제로는 긴급한 경우를 더 빠르게 표면화하고 이미지를 선명하게 하고 양적 분석을 도와주고 가능성이 높은 비정상성을 플래그 지정하고 보고서 작성 그라인드에서 점점 더 많은 도움을 주는 것을 의미합니다. 그것은 실제 가치입니다. 그것은 빈 읽기실과 해고와 같은 이야기와는 매우 다른 이야기입니다.
가장 강력한 증거는 계속해서 같은 방향을 가리킵니다. 狭い, 잘 통합된 사용 사례는 작동할 수 있습니다. Nature Medicine의 예비 연구에서 유방암 검진에서 AI 지원 추가 판독 워크플로우가 초기 암 발견을 개선하면서 추가 재호출이 최소화됨을 발견했습니다. RSNA도 덴마크 데이터가 유방암 검사에서 AI가 작업량을 크게 줄일 수 있음을 강조했습니다. 그것은 심각한 승리입니다. 그것은 또한 워크플로우 승리입니다. 깨끗한 대체 이야기는 아닙니다.
대체가 지연되는 이유는 의학이 데모보다 더 어려운 때문입니다
가장 유용한 현실 점검은 15개의 흉부 엑스레이 작업에서 140명의 방사선과를 조사한 대규모 Nature Medicine 연구에서 왔습니다. AI 지원은 모든 사람에게 동일한 방식으로 성능을 개선하지 않았습니다. 일부 방사선과는 그것으로 인해 더 나아졌습니다. 일부는 더 나빠졌습니다. 효과는 임상 의사와 모델의 품질에 달려 있었습니다. 하버드의 연구 요약은 명확하게 말했습니다. 강력한 AI 도구는 방사선과의 성능을 개선했으며 약한 도구는 성능을 저하할 수 있습니다. 그것은 교체 기술의 행동과는 다릅니다.
통합은 2016년 예측이 거의 고려하지 않은 또 다른 벽입니다. 방사선과에서 효과적인 AI 통합에 대한 최근 리뷰는 현재 시스템이 여전히 임상 데이터와 이전 또는 동시 이미징을 통합하는 데 어려움을 겪고 있음을 지적했습니다. 이는 오류로 이어질 수 있습니다.
스위스 이미징 네트워크의 실제 배포 데이터는 측정 가능한 효율성 개선을 보여주었지만 보고서 통합과 타이밍 문제와 같은 지속적인 장벽도 보여주었습니다. 알고리즘을 병원 워크플로우에 슬롯팅하는 것은 테스트 세트를 이기는 것보다 훨씬 더 어려운 것으로 나타났습니다.
그런 다음 거버넌스가 계속해서 대화를 현실로 가져옵니다. Pew는 초기 병원採用은 종종 얇은 시제도와 모니터링과 함께 이루어졌음을 발견했습니다. FDA는 여전히 많은 기기의 사전 시장 검토를 요구하며 이번 달에 일부 방사선과 AI 제품에 대한 검토 요구 사항을 완화하려는 청원을 거부했습니다. 안전성 및 성능 우려를 인용했습니다. 또한 미국에서는 법적 책임이 여전히 대부분 의사와 함께 있으며 환자 감정은 여전히 명확합니다. 원칙적으로 AI를 좋아할 수 있지만 루프에서 인간 감독을 원합니다.
결론
那么 우리는 어디에 있나요? 우리는 예전 헤드라인이 약속한 세계에 있지 않습니다. 우리는 더 믿을 수 있는 세계에 있습니다. 여기서 방사선과는 의학의 가장 중요한 AI 테스트 그라운드 중 하나가 되었지만 특수성 자체는 예측이 가정한 것보다 더 넓고 더 임상적이며 더 사회적으로 책임이 있었기 때문에 서있었습니다.
그것은 또한 다음 질문이 방사선과를 대체할 것인지 여부가 아니라誰가 생산성 이익을 흡수하는지, 도구가 메시한 실제 환경에서 얼마나 안전한지, 더 나은 소프트웨어가 번아웃을 완화하는지 또는 이미 과부하된 팀에 대한 기대를 높이는지 여부인지에 대한 더 날카로운 질문이어야 함을 의미합니다.
지오프리 힌튼의 현재 입장은 2016년 사운드 바이트보다 훨씬 더 사실에 가깝습니다. 미래는 방사선과 대신 AI보다 방사선과 플러스 AI와 같은 모습입니다. 그것은 더 드라마틱하지 않으며 클릭할 수 없으며 실제로 발생하는 것과 훨씬 더 가깝습니다.
