浅谈人工智能不会取代放射科医生的四大理由

如今，随着职业，社会科学技术的不断发展，人工智能的最新进展使人们猜测人工智能有一天会取代放射科医生？据说有些医学生因为担心工作会被淘汰，所以决定不学放射学。但是，我们可以肯定的是，大多数放射科医生在未来几十年内还会继续有工作——人工智能要做的就是改变和改进这份工作。我们认为放射科医生不会被人工智能取代的原因有四个，其中有几个会阻止其他受到人工智能威胁的工作的大规模自动化。

首先，放射科医生的工作不仅仅是阅读和解释图像。

和其他人工智能系统一样，放射学人工智能系统执行单一任务(弱人工智能)。深度学习模型为特定的图像识别任务执行训练，例如在胸部CT上识别结节或在脑部MRI上识别出血。然而，为了完全识别医学图像中所有可能的结果，数以千计的特定检测任务是必要的，但是现在人工智能只能执行少数任务。

另外，影像判读只是放射科医生执行的任务之一。他们还咨询其他医生讨论诊断和治疗，包括治疗疾病(如提供局部消融治疗)、进行基于图像的医疗干预(介入放射学)、定义成像检查的技术参数(根据患者的病情)、将成像结果与其他病历和检查结果联系起来、与患者讨论手术和结果以及许多其他活动。即使人工智能代替医生解读图像，大多数放射科医生也可以将注意力转向其他必要的活动。

第二，基于人工智能成像的临床流程距离做好日常使用还有很长的路要走。

德雷耶和美国放射学会数据科学研究所(ACR)的一项调查发现，不同的成像技术制造商和深度学习算法关注他们面临的使用场合的不同方面。即使在FDA认可的基于深度学习的结节检测系统中，也有不同的侧重点：病变的可能性、癌症的可能性、结节的特征或其位置。这些独特的重点将使医院难以将深度学习系统嵌入到当前的临床实践中。因此，ACR开始为深度学习软件厂商定义输入和输出。FDA要求厂商在投放市场前后需要验证算法的有效性和价值。ACR为此提供了一套方法。同时，ACR对临床流程、影像要求、输出判读都做了明确的定义，符合当前和未来的临床实践。当然，综合使用场合的梳理还需要很多年，这进一步拓展了放射科医生在人工智能世界中的作用。

第三，图像识别的深度学习算法必须采用ldquo标记数据rdquo去训练

在放射学领域，这意味着医生必须自己诊断癌症、骨折或其他症状患者的图像。在深度学习中获得巨大成功的其他类型的图像识别中，该算法已经为训练，采集了数百万个带标签的图像，但是没有放射性图像的集中存储库，因为它们归制造商、医院和医生、成像中心和患者所有，并且收集和标记它们既困难又耗时。

第四，人工智能在医疗领域的应用也需要改变医疗监管和医疗保险，在此基础上自动图像分析将得到普及。

就像自驾汽车需要改变汽车监管和保险一样，人工智能在医疗领域的应用也需要改变医疗监管和健康保险。比如机器误诊癌症病例，谁负责？技术，的医生、医院、成像制造商还是开发算法的数据科学家？这些问题都是需要解决的，这个领域的进展不可能像实验室的深度学习研究那样迅速。人工智能放射设备可能需要远远优于放射科医生，而不仅仅是好的，以推动监管和报销方面所需的变化。

因此，人工不能代替放射科医生，但放射科医生需要采用新的技能和工作流程。

好消息：广东地区未达到普高分数线的同学，可点击下方按钮咨询客服，就有机会报读高职高考班，获取职校报考全日制大专、本科名额！

在线咨询