“AI가 방사선 의사를 대체할 것”이라는 예측은 9년 전부터 시작되었다.那么 우리는 어디에 있는가?

9년 전, AI의 가장 영향력 있는 목소리 중 하나가 “방사선 의사를 지금 훈련시키지 말아야 한다”고 말했다. 2016년에 그것은 용기 있는 기술자가 대놓고 말할 수 있는 예측처럼 들렸다. 컴퓨터 비전은 빠르게 발전하고 있었고 의료 영상은 완벽한 적합이라고 보였으며 방사선학은 외부에서 보면 패턴 인식에 기반한 전문 분야로 보였다. 깊은 학습이 인간을 이미지에서 이길 수 있다면 많은 사람들이 나머지가 도미노처럼 무너질 것이라고 가정했다.

이제 우리는 그 예측을 제대로 평가할 수 있는 거리까지 나아갔다. 짧은 버전은 방사선 의사가 여전히 존재하며 과부하되고 여전히 수요가 있음을 보여준다. 메이오 클리닉과 같은 곳에서 방사선학 스태프는 그 예측 이후 크게 증가했으며 미국 방사선학회와 Neiman HPI는 계속해서 노동력 긴장과 영상 수요 증가에 대해 경고했다. 예언은 실제로 이루어지지 않았다. 더 흥미로운 질문은 왜 그런지이다.

예측은 이미지 부분은 옳았지만 직업 부분은 틀렸다

원래 주장은 하나의巨大한 가정을 했다. 즉, 이미지 읽기는 본질적으로 전체 직업이고 의학은 AI 구현 측면에서 회계와 마찬가지라는 것이다. 그것이 AI 사람們이 계속해서 집중한 부분이다. 왜냐하면 그것은 벤치마크 문화에 깨끗이 매핑되 之後이다.

실제 방사선학은 결코那样 청소하지 않았다. 임상 방사선학자는 이미지 해석을 하지만 또한 클리닉을 운영하고 생체 검사 샘플을 채취하고 수술을 준비하고 다른 임상 의사와 함께 진단 및 치료 결정에 대해 직접 협력한다.

그 보다 넓은 역할은 예전 하이프 사이클이 인정한 것보다 더 중요하다. 유럽 방사선학회는 방사선학자를 의사, 보호자, 커뮤니케이터, 혁신가, 과학자, 교사로 묘사한다. 그것은 “스캔에서 이상을 발견하는 사람”보다 훨씬 더 복잡한 자동화 대상이다. 한旦你停止將専門을 이미지 레이블링으로 평평하게 만들면, 예측을 놓친 것은 더 많은 의미를 갖는다.

그런 다음 수요 측면이 있다. AI 논의는 그것이 대체에 너무 매료되면 언제나 무시한다. Neiman HPI는 2023년부터 2055년까지 현재 상황에서 방사선학자 공급이 25.7% 증가할 것으로 예측했지만 영상 수요는 모달리티에 따라 같은 기간 동안 16.9%에서 26.9%까지 증가할 수 있다고 추정했다.

그것은 멸종으로 향하는 직업을 묘사하지 않는다. 그것은 따라가려고 하는 시스템을 묘사한다. 미국 방사선학회 2026년 노동력 업데이트 또한 같은 기본적인 점을 강조한다. 부족과 증가하는 볼륨은 현재 분야에 실제 압력을 가하고 있다.

AI는 방사선학을 완전히 바꿨다. 그러나 영화 예고편 방식으로는 아니다

이것은 AI가 실패했다는 것을 의미하지 않는다. 멀리 않다. FDA의 AI 활성화 의료 기기 목록은 계속 확장되고 있으며 방사선학은 여전히 그 도구 중 하나이다. 초기 병원 조사에서 대부분의 FDA 승인 AI 의료 영상 도구가 방사선학에서 사용되고 있었으며最近의 보고서는採用이 미국 방사선학 부서의 큰 부분에 걸쳐 확산되고 있음을 나타낸다. 즉, 벤더 잠금이 초기에 억제되었다.

실제로採用되는 것은 말해주는 바가 있다. Pew의 조사에 따르면 병원들은 대부분 이미지 해석 및 분석, 작업 목록 우선순위 지정, 워크플로우 지원을 위해 AI를 사용했다. 실제로는 긴급한 경우를 더 빠르게 표면화하고 이미지의 선명도를 높이고 양적화를 도와주고 가능성 있는 이상을 플래그하고 보고서 작성 그라운드를 도와주는 것을 의미한다. 그것은 실제 가치이다. 그러나 그것은 빈 읽기실과 분홍색 슬립과는 매우 다른 이야기이다.

가장 강력한 증거는 계속해서 같은 방향으로 지적한다. 狹い, 잘 통합된 사용 사례는 작동할 수 있다. 유방암 검사에 대한 Prospective Nature Medicine 연구에서는 AI 보조 추가 판독자 워크플로우가 최소한의 추가 재호출과 함께 초기 암을 발견하는 것을 개선했음을 발견했다. RSNA 또한 덴마크 데이터가 AI가 암 검출 정확도를 손상시키지 않고 유방암 작업량을 상당히 줄일 수 있음을 시사한다. 그것은 심각한 승리이다. 그러나 그것은 대체 이야기가 아닌 워크플로우 승리이다.

대체가 지연되는 이유는 의학이 데모보다 더 어려운 것이다

가장 유용한 현실 점검 중 하나는 15개의 흉부 엑스선 작업을 포함한 140명의 방사선학자를 조사한 대규모 Nature Medicine 연구에서 나왔다. AI 보조는 모든 사람에게 동일한 방식으로 개선되지 않았다. 일부 방사선학자는 그것으로 개선되었다. 일부는 더 나빴다. 효과는 임상 의사와 모델의 품질에 따라 달랐다. 하버드의 연구 요약은 다음과 같이 말했다. 더 강력한 AI 도구는 방사선학자의 성능을 개선했지만 더 약한 도구는 성능을 저하할 수 있다. 그것은 턴키 대체 기술이 작동하는 방식이 아니다.

통합은 2016년 예측이 거의 설명하지 않은 또 다른 벽돌이다. 방사선학에서 효과적인 AI 통합에 대한 최근 리뷰는 현재 시스템이仍然 임상 데이터와 이전 또는 동시 영상 데이터를 통합하는 데 어려움을 겪고 있음을 지적했으며 이는 오류로 이어질 수 있다.

스위스 영상 네트워크의 실제 배포 데이터는 측정 가능한 효율성 개선을 보여주었지만 보고서 통합과 타이밍 문제와 같은 지속적인 장벽이 존재했으며 AI 결과는 보고서 작성 전에 사용할 수 없었다. 알고리즘을 병원 워크플로우에插入하는 것은 테스트 세트를 이기는 것보다 훨씬 더 어렵다.

그런 다음 거버넌스가 있다. 그것은 대화를 계속해서 현실로 끌어들이는 것이다. Pew는 초기 병원 채택이 종종 얇은 시험과 모니터링과 함께 이루어졌음을 발견했다. FDA는 여전히 많은 기기의 사전 시장 검토를 요구하며 방사선학 AI 제품에 대한 검토 요구를 완화하려고 하는 청원을 최근 거부했으며 안전성과 성능에 대한 우려를 언급했다. 또한 미국에서는 의사의 법적 책임이 여전히 대부분 있으며 환자들의 의견은 명확하다. 원칙적으로는 AI를 좋아하지만 루프에 인간监督이 있기를 원한다.

결론

那么 우리는 어디에 있는가? 우리는 예전 헤드라인이 약속한 세계에 있지 않다. 우리는 더 믿을 수 있는 세계에 있다. 여기서 방사선학은 의학의 가장 중요한 AI 테스트 장소 중 하나가 되었지만 전문 분야 자체는 예측이 가정한 것보다 더 넓고 임상적이며 사회적으로 책임이 있는 것으로 남아 있었다.

그것은 또한 다음 질문이 방사선학자를 대체하는지 여부가 아니라誰가 생산성 개선을 흡수하는지, 도구가 메시한 실제 환경에서 얼마나 안전한지, 소프트웨어가 번아웃을 완화하는지 또는 이미 과부하된 팀에 대한 기대를 단순히 높이는지 여부라는 것을 의미한다.

지오프리 힌턴의 현재 입장은 2016년 사운드 바이트보다 훨씬 더 사실에 가깝다. 미래는 방사선학자 대신 AI를 의미하는 것이 아니라 방사선학자와 AI를 의미한다. 그것은 더 드라마틱하지 않으며 클릭할 수 있는 것이 적으며 실제로 발생하는 것과 훨씬 더 가까운 이야기이다.