“AI 将取代放射科医生的预测” 已经九年了，我们现在在哪里？

九年前，人工智能领域最具影响力的声音之一表示，人们应该“现在停止培训放射科医生”。2016 年，这听起来像只有勇敢的技术人员才会大声说出的预测。计算机视觉发展迅速，医疗成像看起来像是完美的匹配，而放射科似乎从外部来看像是围绕模式识别构建的专科。如果深度学习可以击败人类图像，那么很多人就认为其余的就会像多米诺骨牌一样倒下。

现在我们已经有足够的距离来正确判断那个观点。简而言之，放射科医生仍然存在，仍然超负荷工作，仍然备受需求。在 Mayo Clinic 等地方，放射科人员自那次预测以来已经大幅增长，而美国放射科学院和 Neiman HPI 继续警告工作量紧张和成像需求增加。预言没有实现。更有趣的问题是为什么。

预测在图像部分是正确的，但在工作部分是错误的

原始声明做出了一个巨大的假设：阅读图像基本上就是整个工作，医学就像会计一样容易在人工智能实施方面。人工智能人员一直专注于这一点，因为它很好地映射到了基准文化。

输入扫描，训练模型，比较输出，宣布获胜。真正的放射科从来都不是那么干净。临床放射科医生解释图像，是的，但他们还运行诊所，采取活检样本，准备患者进行手术，并直接与其他临床医生合作诊断和治疗决策。

这种更广泛的角色比旧的炒作周期承认的更重要。欧洲放射科学会将放射科医生描述为医生、保护者、沟通者、创新者、科学家和教师。这是一个比“发现扫描异常的人”更复杂的目标，自动化更难以实现。一旦你停止将专科简化为图像标记，错过的预测就开始有更多的意义。

然后还有需求侧，人工智能话语往往忽略它，当它变得过于沉迷于替代时。Neiman HPI 预测放射科医生供应量从 2023 年到 2055 年在当前条件下将增加 25.7%，但估计成像需求可能会在同一时期内增加 16.9% 至 26.9%，这取决于模态。

这并没有描述一种即将灭绝的职业。这描述的是一个系统试图跟上。ACR 的 2026 年工作量更新做出了同样的基本观点：短缺和日益增长的体积正在对该领域施加真正的压力。

人工智能绝对改变了放射科，但不是以电影预告片的方式

这并不意味着人工智能失败。远非如此。FDA 的人工智能启用医疗设备列表不断扩大，放射科仍然是这些工具最集中的领域之一。即使早期的医院调查也发现，放射科是 FDA 批准的最多的人工智能医疗成像工具被使用的地方，最近的报告表明采用率正在扩散到美国大部分放射科部门。这意味着供应商锁定得以避免。

实际上正在采用的东西很说明问题。Pew 调查的医院最常使用人工智能进行图像解释和分析，工作列表优先级和工作流程支持。在实践中，这意味着更快地显示紧急情况，锐化图像，帮助量化，标记可能的异常，并越来越多地帮助报告编写的苦差事，这占用了大量放射科医生的时间。这是真正的价值。但这是一个非常不同的故事，与空荡荡的阅读室和裁员单不同。

最有力的证据不断指向同一个方向：狭窄、良好集成的用例可以起作用。Nature Medicine 上的一项关于乳腺筛查的前瞻性研究发现，人工智能辅助的额外阅读者工作流程可以改善早期癌症检测，同时最小化额外的回忆。RSNA 也强调了丹麦数据，表明人工智能可以在不损害乳腺 X 线摄影癌症检测准确性的情况下显著减少工作量。这是一个重大的胜利。这也是一个工作流程胜利，而不是一个干净的替代故事。

替代之所以被延迟的原因是医学比演示更难

最有用的现实检查之一来自 Nature Medicine 上的一项大型研究，研究了 140 名放射科医生和 15 项胸部 X 线任务。人工智能辅助并没有以相同的方式提高每个人的性能。有些放射科医生变得更好，有些变得更糟糕。效果取决于临床医生和模型的质量。哈佛大学对该研究的总结很简单：更强大的人工智能工具可以提高放射科医生的性能，而较弱的工具可能会拖累它。这不是一个可以替代人类的技术的行为。

集成是 2016 年预测几乎没有考虑到的另一个砖墙。最近对放射科中人工智能集成有效性的审查指出，当前系统仍然难以整合临床数据和先前的或同时成像，这可能会导致错误。

瑞士成像网络的真实部署数据显示，效率有了可衡量的提高，但也存在持续的障碍，例如报告集成和时序问题，只有少数人工智能结果在报告之前可用。事实证明，将算法插入医院工作流程比击败测试集要困难得多。

然后还有治理问题，它一直把对话拉回现实。Pew 发现，早期的医院采用往往伴随着薄薄的试点和监测。FDA 仍然需要对许多设备进行预市场审查，只是在这个月拒绝了一份寻求放松某些放射科人工智能产品审查要求的请愿，理由是安全和性能问题。此外，美国的法律责任仍然主要归咎于医生，患者的情绪仍然很明确：人们可能喜欢人工智能，但他们仍然希望在循环中拥有人类的监督。

结论

那么我们现在在哪里？我们不在旧标题所承诺的世界里。我们处于一个更可信的世界里，放射科成为医学中最重要的人工智能测试场之一，但这个专科本身之所以能够站立，是因为工作比预测假设的更广泛、更临床、更社会化地负责。

这也意味着下一个问题不应该是人工智能是否取代放射科医生。这种框架正在变得过时。更尖锐的问题是谁吸收了生产力收益，工具在混乱的现实世界环境中的安全性如何，以及更好的软件是否可以缓解倦怠或只是提高了已经紧张的团队的期望。

即使是 Geoffrey Hinton 的当前立场也比 2016 年的声称更接近真相。未来看起来更像放射科医生加人工智能，而不是放射科医生对抗人工智能。这不那么戏剧化，不那么吸引人，但更接近于实际发生的事情。