การทำนาย “AI จะแทนที่นักรังสีวิทยา” มีอายุเกิน 9 ปีแล้ว ดังนั้นเราจึงอยู่ที่ไหน?

เกิน 9 ปีที่แล้ว หนึ่งในเสียงที่มีอิทธิพลที่สุดของ AI กล่าวว่า “ควรหยุดฝึกนักรังสีวิทยาแล้ว” ในปี 2016 นั่นดูเหมือนจะเป็นการทำนายที่มีแต่ผู้เทคโนโลยีที่กล้าออกมาเปิดเผย เสียงนั้น ความเห็นนั้นเหมือนกับว่าคนจะหยุดฝึกนักรังสีวิทยาแล้ว ในขณะนั้นการมองเห็นของคอมพิวเตอร์กำลังเคลื่อนที่อย่างรวดเร็ว การถ่ายภาพทางการแพทย์ดูเหมือนจะเหมาะสมกับการใช้งานของ AI และนักรังสีวิทยาดูเหมือนจะเป็นงานที่สร้างขึ้นโดยการรับรู้รูปแบบ หากการเรียนรู้ลึกสามารถเอาชนะมนุษย์ได้ในการมองเห็นภาพ มีหลายคนที่คิดว่าส่วนที่เหลือจะล้มลงเหมือนโดมิโน

ตอนนี้เรามีระยะเวลาที่เพียงพอในการตัดสินใจอย่างเหมาะสม การทำนายที่ว่านักรังสีวิทยาจะถูกแทนที่ด้วย AI นั้นไม่เกิดขึ้น นักรังสีวิทยา仍อยู่ที่นั่น ยังคงทำงานหนัก และยังคงมีความต้องการสูง ในสถานที่อย่าง Mayo Clinic ทีมนักรังสีวิทยามีการเติบโตอย่างรวดเร็วตั้งแต่การทำนายนั้น ในขณะที่ American College of Radiology และ Neiman HPI ยังคงเตือนเกี่ยวกับภาวะการขาดแคลนและความต้องการที่เพิ่มขึ้นในการถ่ายภาพ การทำนายไม่เกิดขึ้น คำถามที่น่าสนใจกว่านั้นคือทำไม

การทำนายที่ได้ภาพถูกต้อง แต่งานไม่ถูกต้อง

การทำนายเดิมมีการสันนิษฐานครั้งใหญ่หนึ่งครั้ง คือ การอ่านภาพเป็นงานหลัก และการแพทย์เป็นเรื่องที่ง่ายเหมือนการทำบัญชี ในแง่ของการนำ AI ไปใช้ นั่นคือส่วนที่ผู้คนในด้าน AI ให้ความสนใจเพราะว่ามันสอดคล้องกับวัฒนธรรมการเปรียบเทียบ

การให้อาหารเข้าไปในระบบ การฝึกแบบจำลอง การเปรียบเทียบผลลัพธ์ และการประกาศผู้ชนะ การทำนักรังสีวิทยาที่แท้จริงไม่เคยเป็นเรื่องง่ายๆ นักรังสีวิทยาไม่เพียงแต่อ่านภาพเท่านั้น แต่ยังจัดการคลินิก รับชิ้นเนื้อผู้ป่วย เตรียมผู้ป่วยสำหรับการผ่าตัด และ ทำงานร่วมกับผู้เชี่ยวชาญด้านการแพทย์อื่นๆ ในการวินิจฉัยและตัดสินใจในการรักษา

บทบาทที่กว้างขึ้นนั้นสำคัญมากกว่าที่การทำนายเก่าๆ ยอมรับ European Society of Radiology อธิบายนักรังสีวิทยาเป็นแพทย์ ผู้คุ้มครอง ผู้สื่อสาร นักนวัตกรรม นักวิทยาศาสตร์ และครู นั่นคือเป้าหมายที่ซับซ้อนกว่าการแทนที่ “คนอ่านภาพ” เมื่อคุณหยุดการลดงานนี้ลงเป็นการให้ฉลากภาพ การทำนายที่พลาดไปเริ่มมีความหมายมากขึ้น

จากนั้นก็มีด้านความต้องการ ซึ่งการอภิปรายเกี่ยวกับ AI มักจะละเลยเมื่อมันกลายเป็นเรื่องการแทนที่ Neiman HPI คาดการณ์ว่าจำนวนผู้เชี่ยวชาญด้านรังสีวิทยาจะเพิ่มขึ้น 25.7% ระหว่างปี 2023 ถึง 2055 ภายใต้สภาพปัจจุบัน แต่คาดการณ์ว่าความต้องการการถ่ายภาพอาจเพิ่มขึ้น 16.9% ถึง 26.9% ในช่วงเวลาเดียวกันขึ้นอยู่กับวิธีการ

นั่นไม่ได้อธิบายถึงอาชีพที่กำลังจะสูญพันธุ์ นั่นเป็นระบบที่พยายามที่จะตามทัน ACR’s 2026 workforce update ยังชี้ให้เห็นถึงจุดเดียวกัน คือ การขาดแคลนและปริมาณที่เพิ่มขึ้น กดดันสาขานี้อย่างแท้จริง

AI ได้เปลี่ยนแปลงการแพทย์รังสีวิทยา แต่ไม่ใช่ในแบบที่เป็นภาพยนตร์

ไม่มีอะไรบ่งชี้ว่า AI ล้มเหลว นั่นไม่ถูกต้องเลย รายการอุปกรณ์ทางการแพทย์ที่ได้รับการอนุมัติจาก FDA ที่ใช้ AI ยังคงเพิ่มขึ้นอย่างต่อเนื่อง และการแพทย์รังสีวิทยาเป็นหนึ่งในสาขาที่มีการใช้เครื่องมือเหล่านี้มากที่สุด แม้ว่าในตอนแรกการสำรวจโรงพยาบาลพบว่าการแพทย์รังสีวิทยาเป็นสถานที่ที่มีการใช้เครื่องมือ AI ที่ได้รับการอนุมัติจาก FDA มากที่สุด และรายงานล่าสุดชี้ให้เห็นว่าการนำไปใช้กำลังกระจายไปทั่วแผนกการแพทย์รังสีวิทยาในสหรัฐอเมริกาส่วนใหญ่

สิ่งที่ถูกนำมาใช้จริงๆ นั้นบอกเป็นนัย Hospitals ในการสำรวจของ Pew ใช้ AI มากที่สุดสำหรับการตีความภาพ การจัดลำดับความสำคัญของงาน และการสนับสนุนการทำงาน ในทางปฏิบัติ นั่นหมายถึงการแสดงผลลัพธ์ที่เร่งด่วนให้เร็วขึ้น การทำให้ภาพชัดเจนขึ้น การช่วยเหลือในการคำนวณ และการช่วยเหลือในการเขียนรายงานที่กินเวลามาก ซึ่งเป็นคุณค่าที่แท้จริง นั่นเป็นเรื่องราวที่แตกต่างจากห้องอ่านภาพที่ว่างเปล่าและใบปลด

หลักฐานที่แข็งแกร่งที่สุดยังคงชี้ไปในทิศทางเดียวกัน คือ การใช้งานที่แคบและรวมเข้ากับระบบได้ดีสามารถทำงานได้ การศึกษาใน Nature Medicine เกี่ยวกับการตรวจคัดกรองเต้านมพบว่าการทำงานร่วมกันระหว่าง AI และผู้อ่านเพิ่มเติมสามารถปรับปรุงการตรวจคัดกรองมะเร็งเต้านมได้โดยไม่ต้องเพิ่มการเรียกคืน RSNA ยังเน้นย้ำถึงข้อมูลจากเดนมาร์กที่แสดงให้เห็นว่า AI สามารถลดภาระงานมะเร็งเต้านมได้อย่างมีนัยสำคัญโดยไม่ส่งผลต่อความแม่นยำในการตรวจคัดกรอง นั่นเป็นชัยชนะที่สำคัญ นั่นเป็นชัยชนะในการทำงาน ไม่ใช่เรื่องราวการแทนที่

เหตุผลที่การแทนที่ถูกเลื่อนออกไปคือการแพทย์ยากกว่าการแสดงตัวอย่าง

การตรวจสอบความเป็นจริงที่มีประโยชน์มากที่สุดมาจาก การศึกษาใน Nature Medicine ที่ตรวจสอบนักรังสีวิทยา 140 คนใน 15 งาน X-ray 胸 การช่วยเหลือของ AI ไม่ได้ปรับปรุงทุกคนในทางเดียวกัน บางคนได้รับการปรับปรุง บางคนแย่ลง ผลลัพธ์ขึ้นอยู่กับผู้เชี่ยวชาญและคุณภาพของแบบจำลอง การสรุปของ Harvard ของการศึกษานั้นกล่าวว่า เครื่องมือ AI ที่แข็งแกร่งสามารถปรับปรุงประสิทธิภาพของนักรังสีวิทยา ในขณะที่เครื่องมือที่อ่อนแอสามารถลดประสิทธิภาพลงได้ นั่นไม่ใช่วิธีการทำงานของเทคโนโลยีการแทนที่แบบครบวงจร

การรวมเข้ากับระบบเป็นอีกอุปสรรคหนึ่งที่การทำนายในปี 2016 ไม่ได้คำนึงถึงมากนัก การทบทวนเกี่ยวกับการรวม AI ที่มีประสิทธิภาพในการแพทย์รังสีวิทยาเน้นย้ำว่า ระบบปัจจุบันยังคงดิ้นรนในการรวมข้อมูลทางคลินิกและข้อมูลการถ่ายภาพก่อนหน้าหรือในขณะเดียวกัน ซึ่งอาจนำไปสู่ข้อผิดพลาด

ข้อมูลการนำไปใช้งานจริงจากเครือข่ายการถ่ายภาพในสวิสแสดงให้เห็นถึงการเพิ่มประสิทธิภาพที่วัดได้ แต่ยังพบอุปสรรคที่ยั่งยืน เช่น การรวมรายงานที่ไม่ดีและปัญหาเรื่องเวลา โดยมีเพียงส่วนน้อยของผลลัพธ์ AI ที่พร้อมใช้ก่อนการรายงาน มันกลายเป็นว่าการใส่แบบจำลองเข้าไปในกระบวนการทำงานของโรงพยาบาลเป็นเรื่องที่ยากกว่าการเอาชนะชุดการทดสอบ

จากนั้นก็มีการกำกับดูแลซึ่งดึงการอภิปรายกลับมาอยู่บนพื้นจริง Pew พบว่า การนำไปใช้โรงพยาบาลในตอนแรกมักจะมีการทดสอบและติดตามที่บางๆ FDA ยังคงต้องการการตรวจสอบก่อนการตลาดสำหรับอุปกรณ์หลายชนิด และเพิ่งปฏิเสธคำร้องที่พยายามลดความต้องการการตรวจสอบสำหรับผลิตภัณฑ์ AI ในการแพทย์รังสีวิทยา โดยอ้างถึงความกังวลเรื่องความปลอดภัยและประสิทธิภาพ นอกจากนี้ความรับผิดชอบทางกฎหมายในสหรัฐอเมริกายังคงอยู่กับแพทย์ และความคิดเห็นของผู้ป่วยยังคงชัดเจน คือ ผู้คนอาจชอบ AI ในทฤษฎี แต่ยังคงต้องการการดูแลของมนุษย์ในกระบวนการ

สรุป

ดังนั้นเราจึงอยู่ที่ไหน เราไม่ได้อยู่ในโลกที่การทำนายเก่าๆ สัญญาไว้ เราอยู่ในโลกที่น่าเชื่อถือมากกว่า ซึ่งการแพทย์รังสีวิทยาได้กลายเป็นสนามทดสอบ AI ที่สำคัญที่สุดของการแพทย์ แต่สาขานี้ยังคงอยู่เพราะงานมันกว้างขึ้น มีคลินิกมากขึ้น และมีความรับผิดชอบทางสังคมมากกว่าที่การทำนายเดิมๆ คาดการณ์ไว้

นั่นหมายความว่าคำถามต่อไปไม่ควรเป็น “AI จะแทนที่นักรังสีวิทยาหรือไม่” การตั้งคำถามนั้นกำลังจะหมดไป คำถามที่คมชัดกว่าคือ ใครจะดูดซับผลประโยชน์ในการเพิ่มผลผลิตอย่างไร ความปลอดภัยของเครื่องมือเหล่านี้ในสถานการณ์จริงที่ซับซ้อนจะเป็นอย่างไร และซอฟต์แวร์ที่ดีกว่าจะช่วยลดการเผาไหม้หรือเพิ่มความคาดหวังให้กับทีมที่ยืดเยื้อหรือไม่

แม้แต่ตำแหน่งปัจจุบันของ Geoffrey Hinton ก็ใกล้เคียงกับความจริงมากกว่าการพูดในปี 2016 อนาคตดูเหมือนจะเป็นนักรังสีวิทยา cộng AI มากกว่านักรังสีวิทยาเทียบกับ AI นั่นไม่ได้สร้างความน่าดึงดูดใจนัก แต่ก็ใกล้เคียงกับสิ่งที่เกิดขึ้นจริงมากกว่า