“Radyologları Değiştirecek AI” Tahmini 9 Yaşında. Peki Neredeyiz?

Dokuz yıl önce, AI’ın en etkili seslerinden biri, insanların “şimdi radyologları eğitime son vermesini” önermişti. 2016’da, bu cesur bir teknoloji uzmanı tarafından yapılan bir tür tahmin gibi görünüyordu. Bilgisayarlı görü, tıbbi görüntüleme gibi mükemmel bir uyum içinde görünüyordu ve radyoloji, dışardan bakıldığında, desen tanıma etrafında inşa edilmiş bir uzmanlık gibi görünüyordu. Derin öğrenme, insanları görüntülerde yenebilirse, birçok insan geri kalanının domino gibi düşeceğini varsayıyordu.

Şimdi, o görüşü uygun şekilde değerlendirebilecek kadar uzaklaşmış durumdayız. Kısa versiyon, radyologların hala burada olduğu, hala aşırı yük altında olduğu ve hala talep edildiğidir. Mayo Clinic gibi yerlerde, radyoloji personeli o tahmin yapıldığından bu yana keskin bir şekilde artarken, Amerikan Radyoloji Koleji ve Neiman HPI, işgücü gerilimi ve artan görüntüleme talebi konusunda sürekli uyarıda bulunmaya devam etti. Kehanet gerçekleşmedi. Daha ilginç soru, neden gerçekleşmediği.

Tahmin, görüntüyü doğru, işi yanlış yaptı

Orijinal iddia, büyük bir varsayıma dayanıyordu: görüntüleri okumak esas olarak tüm iş ve tıbbın AI uygulaması açısından muhasebe gibi kolay olduğu. Bu, AI insanlarının odaklandığı kısımdı, çünkü benchmark kültürüne temiz bir şekilde haritalanıyordu.

Klinik radyologlar görüntüleri yorumlar, evet, ancak aynı zamanda klinikler yönetir, biyopsi örnekleri alır, hastaları ameliyata hazırlar ve diyagnostik ve tedavi kararları حولinde diğer klinisyenler ile doğrudan çalışır.

Bu daha geniş rol, eski hype döngüsü tarafından kabul edildiğinden daha önemli. Avrupa Radyoloji Derneği, radyologları doktorlar, koruyucular, iletişimciler, yenilikçiler, bilim adamları ve öğretmenler olarak tanımlar. Bu, “taramada anormallikleri tespit eden kişi”den çok daha karmaşık bir hedef için otomasyon.

İhtiyacın diğer tarafı var, ki AI tartışması genellikle bunu görmezden gelir. Neiman HPI, radyolog arzının 2023 ile 2055 arasında current koşullar altında %25,7 artabileceğini öngördü, ancak görüntüleme talebinin aynı dönemde modalityye bağlı olarak %16,9 ile %26,9 arasında artabileceğini tahmin etti.

Bu, yok olma tehlikesinde olan bir mesleği tanımlamıyor. Bir sistem, takip etmeye çalıştığını tanımlıyor. ACR’nin 2026 işgücü güncellemesi aynı temel noktayı vurguluyor: eksiklikler ve artan hacimler, alan üzerinde gerçek bir baskı oluşturuyor.

AI, radyolojiyi kesinlikle değiştirdi, ancak film fragmanı gibi değil

Hiçbir şey, AI’ın başarısız olduğunu göstermez. Uzak değil. FDA’nın AI destekli tıbbi cihaz listesi sürekli genişliyor ve radyoloji, bu araçların en yoğun konsantrasyonlarından biri olarak kalıyor. Erken hastane anketleri, radyolojinin, FDA onaylı AI tıbbi görüntüleme araçlarının çoğunun kullanıldığı alan olduğunu buldu ve daha recent raporlar, benimsemelerin ABD’nin büyük bir bölümündeki radyoloji bölümlerine yayıldığını gösteriyor. Bu, satıcı kilidinin erken safhalarda bertaraf edildiğini gösteriyor.

Gerçekten benimsenen şey, anlatıyor. Pew anketindeki hastaneler en sık AI’ı görüntü yorumlama ve analizi için kullandı, işlistesi önceliklendirmesi ve iş akışı desteği için. Uygulamada, bu, acil durumları daha hızlı ortaya çıkarmak, görüntüleri keskinleştirmek, nicelendirme ile yardımcı olmak, muhtemel anormallikleri işaretlemek ve radyologların zamanının büyük kısmını alan rapor yazma işini artırmak anlamına geliyor. Bu, gerçek bir değer. Ancak bu, boş okuyucu odaları ve işten çıkarmalarla ilgili bir hikaye değil.

En güçlü kanıtlar, aynı yöne işaret etmeye devam ediyor: dar, iyi entegre kullanım örnekleri çalışabilir. Bir Nature Medicine çalışması, meme taraması için AI destekli ek okuyucu iş akışının, minimal ek geri çağrı ile erken kanser tespitini iyileştirdiğini buldu. RSNA ayrıca, AI’ın mammografi iş yükünü önemli ölçüde azaltabileceğini ve kanser tespitinin doğruluğunu bozmadığını gösteren Danimarka verilerini vurguladı. Bu, önemli bir kazanım. Ayrıca, bir iş akışı kazanımları hikayesi, temiz bir değiştirme hikayesi değil.

Değiştirme neden sürekli erteleniyor? Çünkü tıp, bir demo’dan daha zor

En yararlı gerçeklik kontrollerinden biri, 140 radyolog ve 15 göğüs X-ışını görevi üzerinde yapılan büyük bir Nature Medicine çalışmasından geldi. AI desteği, herkesi aynı şekilde iyileştirmedi. Bazı radyologlar, onunla daha iyi hale geldi. Bazıları daha kötü hale geldi. Etki, klinisyene ve modelin kalitesine bağlıydı. Harvard’ın çalışmanın özeti, daha güçlü AI araçlarının radyolog performansını iyileştirdiğini, daha zayıf olanların ise bunu azaltabileceğini belirtti. Bu, bir anahtar teslimi değiştirme teknolojisinin davranışı değil.

Entegrasyon, 2016 kehanetinin neredeyse hesaplayamadığı başka bir engel taşıdır. Radyolojide etkili AI entegrasyonu üzerine recent bir inceleme, mevcut sistemlerin hala klinik verileri ve önceki veya eşzamanlı görüntülemeyi entegre etmekte zorluklar yaşadığını ve bu durumun hatalara yol açabileceğini belirtti.

İsviçre’deki bir görüntüleme ağından alınan gerçek dünya dağıtım verileri, ölçülebilir verimlilik kazanımlarını gösterdi, ancak aynı zamanda zayıf rapor entegrasyonu ve zamanlama sorunları gibi sürekli engelleri de ortaya koydu ve yalnızca azınlık AI sonuçlarının raporlama öncesi mevcut olduğunu gösterdi. Bir algoritmayı bir hastane iş akışına yerleştirmek, bir test kümesini yenmekten çok daha zor.

Sonra, konuşmayı sürekli olarak yere çeken yönetim var. Pew, erken hastane benimsemesinin genellikle zayıf pilotlama ve izleme ile geldiğini buldu. FDA, birçok cihaz için öncül inceleme gerektiriyor ve bu ay, bazı radyoloji AI ürünlerinde inceleme gereksinimlerini gevşetme talebini, güvenlik ve performans endişeleri nedeniyle reddetti. Buna ek olarak, ABD’de yasal sorumluluk hala büyük ölçüde hekimle birlikte kalıyor ve hasta duygusu, ilke olarak AI’ı sevmelerine rağmen, döngüde insan denetimi istiyor.

SONUÇ

Peki neredeyiz? Vaat edilen dünya değil. Daha inandırıcı bir dünya, radyolojinin tıbbın en önemli AI test sahalarından biri haline geldiği, ancak uzmanlığın kendisi, işin daha geniş, daha klinik ve daha sosyal olarak sorumlu olduğu için ayakta kaldığı bir dünya.

Bu, bir sonraki sorunun, AI’ın radyologları değiştirmesi olup olmadığı değil, kimin üretkenlik kazanımlarını emeceğini, araçların karmaşık gerçek dünya ortamlarında ne kadar güvenli olduğunu ve daha iyi yazılımların yanmayı azaltıp azaltmadığını veya zaten gerilmiş ekiplere beklentileri artırıp artırmadığını sormak olması gerektiğini gösteriyor.

Geoffrey Hinton’un şu anki konumu, 2016 sound bite’inden çok daha doğru. Gelecek, radyolog karşıtı AI’den ziyade radyolog artı AI’ye benziyor. Bu, daha az dramatik, daha az tıklanabilir ve aslında neler olduğu konusunda çok daha yakın.