Предсказание “Искусственный интеллект заменит радиологов” уже девять лет. Итак, где мы находимся?

Девять лет назад один из наиболее влиятельных голосов в области искусственного интеллекта заявил, что люди должны “перестать обучать радиологов сейчас”. В 2016 году это звучало как предсказание, которое мог сделать только смелый технолог. Компьютерное зрение развивалось быстро, медицинская визуализация казалась идеальным вариантом, а радиология, казалось, была специальностью, построенной вокруг распознавания образов. Если глубокое обучение могло победить людей в изображениях, многие люди предполагали, что остальное упадет как домино.

Теперь у нас достаточно расстояния, чтобы правильно оценить это заявление. Короткая версия заключается в том, что радиологи все еще здесь, все еще перегружены и все еще востребованы. В таких местах, как клиника Майо, штат радиологов резко увеличился с момента этого предсказания, в то время как Американский колледж радиологии и Neiman HPI продолжают предупреждать о напряжении в рабочей силе и растущем спросе на визуализацию. Пророчество не сбылось. Более интересный вопрос заключается в том, почему.

Предсказание правильно оценило изображение, но ошиблось в части работы

Первоначальное заявление сделало одно огромное предположение: что чтение изображений является基本ной частью работы и что медицина так же проста, как бухгалтерия, в плане реализации искусственного интеллекта. Это та часть, на которую люди, занимающиеся искусственным интеллектом, продолжали сосредотачиваться, потому что она идеально соответствовала культуре бенчмаркинга.

Подайте сканы, обучите модель, сравните выходные данные, объявите победителя. Реальная радиология никогда не была такой чистой. Клинические радиологи интерпретируют изображения, да, но они также ведут клиники, берут биопсийные образцы, готовят пациентов к операции и работают напрямую с другими клиницистами над диагнозом и лечением.

Эта более широкая роль имеет большее значение, чем старый цикл ажиотажа признал. Европейское общество радиологии описывает радиологов как врачей, защитников, коммуникаторов, инноваторов, ученых и учителей. Это гораздо более сложная цель для автоматизации, чем “человек, который обнаруживает аномалии на скане.” Как только вы перестанете упрощать специальность до маркировки изображений, пропущенное предсказание начинает иметь больше смысла.

Затем есть спрос, который дискурс искусственного интеллекта склонен игнорировать, когда он становится слишком увлеченным заменой. Neiman HPI предсказал рост предложения радиологов на 25,7% с 2023 по 2055 год при текущих условиях, но оценил, что спрос на визуализацию может увеличиться на 16,9-26,9% за тот же период в зависимости от модальности.

Это не описывает профессию, которая идет к вымиранию. Это описывает систему, пытающуюся поспевать. Обновление рабочей силы Американского колледжа радиологии за 2026 год делает ту же基本ную точку: нехватка и растущие объемы реально давят на область прямо сейчас.

Искусственный интеллект абсолютно изменил радиологию, но не так, как в трейлере фильма

Ничто из этого не означает, что искусственный интеллект потерпел неудачу. Напротив. Список медицинских устройств, оснащенных искусственным интеллектом, FDA продолжает расширяться, и радиология остается одной из наиболее высоких концентраций этих инструментов. Даже ранние опросы больниц показали, что радиология была тем местом, где использовалось большинство медицинских изображений, оснащенных искусственным интеллектом, и более недавние отчеты указывают на то, что внедрение распространяется на большую долю радиологических отделений США. Это означает, что замкнутость поставщика была ликвидирована на корню.

Что на самом деле принимается, это показательно. Больницы в опросе Pew чаще всего использовали искусственный интеллект для интерпретации и анализа изображений, определения приоритета списка работы и поддержки рабочего процесса. На практике это означает более быстрое выявление срочных случаев, улучшение изображений, помощь в количественной оценке, выделение вероятных аномалий и все чаще помощь в написании отчетов, которое занимает так много времени у радиологов. Это реальная ценность. Это просто совершенно другая история, чем пустые комнаты для чтения и увольнения.

Самые сильные доказательства продолжают указывать в одном и том же направлении: узкие, хорошо интегрированные случаи использования могут работать. Проспективное исследование Nature Medicine о маммографии показало, что рабочий процесс дополнительного читателя с помощью искусственного интеллекта улучшил раннее обнаружение рака с минимальным количеством дополнительных вызовов. RSNA также подчеркнул датские данные, предполагающие, что искусственный интеллект может значительно сократить нагрузку на маммографию без ущерба для точности обнаружения рака. Это серьезная победа. Это также победа рабочего процесса, а не чистой замены.

Причина задержки замены заключается в том, что медицина сложнее демонстрации

Одна из наиболее полезных проверок реальности пришла от большого исследования Nature Medicine, которое изучало 140 радиологов по 15 задачам рентгенографии грудной клетки. Помощь искусственного интеллекта не улучшила всех одинаково. Некоторые радиологи стали лучше с его помощью. Некоторые стали хуже. Эффект зависел от клинициста и от качества модели. Резюме Гарварда этого исследования было прямым: более сильные инструменты искусственного интеллекта улучшили производительность радиологов, в то время как более слабые могли ее ухудшить. Это не то, как себя ведет технология замены.

Интеграция – это еще одна кирпичная стена, которую предсказание 2016 года едва учло. Недавний обзор эффективной интеграции искусственного интеллекта в радиологии отметил, что текущие системы все еще испытывают трудности с включением клинических данных и предыдущих или одновременных изображений, что может привести к ошибкам.

Реальные данные о развертывании из швейцарской сети визуализации показали измеримые выгоды в эффективности, но также постоянные барьеры, такие как плохая интеграция отчетов и проблемы с таймингом, при этом только меньшинство результатов искусственного интеллекта было доступно до составления отчета. Оказалось, что вставка алгоритма в больничный рабочий процесс намного сложнее, чем победа над тестовым набором.

Затем есть управление, которое продолжает возвращать разговор к реальности. Pew обнаружил, что раннее внедрение в больницах часто сопровождалось тонким пилотированием и мониторингом. FDA все еще требует предварительного обзора для многих устройств, и только на этой неделе отклонил петицию, которая стремилась облегчить требования к обзору для некоторых продуктов радиологии на основе искусственного интеллекта, ссылаясь на проблемы безопасности и производительности. Кроме того, юридическая ответственность в США по-прежнему в основном лежит на враче, и отношение пациентов остается довольно ясным: люди могут любить искусственный интеллект в принципе, но они все еще хотят человеческого надзора в цикле.

Вывод

Итак, где мы находимся? Мы не в мире, который обещал старый заголовок. Мы в более правдоподобном мире, где радиология стала одной из наиболее важных площадок для тестирования искусственного интеллекта в медицине, но сама специальность осталась на месте, потому что работа была шире, более клинической и более социально ответственной, чем предполагало предсказание.

Это также означает, что следующий вопрос не должен быть о том, заменит ли искусственный интеллект радиологов. Этот подход становится устаревшим. Более острый вопрос заключается в том, кто поглощает выгоды от производительности, насколько безопасны инструменты в сложных реальных условиях и облегчают ли лучшие программы автоматизацию выгорание или просто повышают ожидания для уже растянутых команд.

Даже текущая позиция Джеффри Хинтона намного ближе к истине, чем звучит в 2016 году. Будущее выглядит более как радиолог плюс искусственный интеллект, чем радиолог против искусственного интеллекта. Это менее драматично, менее привлекательно и намного ближе к тому, что на самом деле происходит.