九年前，人工智能领域最具影响力的声音之一曾表示人们应该"现在就停止培训放射科医生"。在2016年，这听起来像是只有勇敢的技术专家才会公开做出的预言。当时计算机视觉发展迅速，医学影像看起来是完美适用的领域，而放射医学从外部看似乎是一个建立在模式识别基础上的专业。如果深度学习能在图像识别上战胜人类，很多人认为其他方面也会像多米诺骨牌一样相继倒下。
如今，我们已经有足够的距离来正确评判这一观点。简而言之，放射科医生仍然存在，仍然工作超负荷，且需求依然旺盛。在梅奥诊所等机构，自该预言提出以来，放射科工作人员数量已大幅增长，而美国放射学会和尼曼卫生政策研究所则持续警告放射科医生工作压力和影像检查需求的上升。这一预言并未实现。更有趣的问题是为什么。
这一预言在图像部分是正确的，但在工作部分是错误的
最初的主张基于一个巨大假设：阅读图像是工作的全部，且医学在人工智能实施方面像簿记一样简单。这是人工智能从业者一直关注的部分，因为它与基准测试文化完美契合。
输入扫描结果，训练模型，比较输出，宣布胜者。真实的放射医学从来不是这么简单。临床放射科医生确实要解读图像，但他们还负责管理诊所、采集活检样本、为患者手术做准备，并与其它临床医生直接合作进行诊断和治疗决策。
这种更广泛的角色比以往炒作周期所承认的更为重要。欧洲放射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。这对自动化来说是一个比"在扫描图像中发现异常的人"更为复杂的对象。一旦你不再将这一专业简化为图像标注，错失的预言就开始更有意义了。
还有需求方面，当人工智能讨论过于痴迷于替代时，往往忽视这一点。尼曼卫生政策研究所预测，在当前条件下，2023年至2055年间放射科医生的供应量将增长25.7%，但估计影像检查需求在同一时期可能增长16.9%至26.9%，具体取决于检查类型。
这并不描述一个即将灭绝的职业。它描述的是一个试图跟上需求的系统。美国放射学会(ACR)2026年的工作力更新也表达了同样的基本观点：短缺和不断增加的工作量正在给该领域带来真正的压力。
人工智能确实改变了放射医学，只是不像电影预告片那样
这些并不意味着人工智能失败了。恰恰相反。美国食品药品监督管理局(FDA)的人工智能医疗设备清单不断扩大，放射医学仍然是这些工具最集中的应用领域之一。即使是早期的医院调查也发现，大多数FDA批准的人工智能医学影像工具都在放射科使用，而最近的报道指出，这种采用正在美国大部分放射科部门中扩散。这意味着供应商锁定问题在萌芽阶段就被遏制了。
真正被采用的内容很有说明性。皮尤调查中的医院最常使用人工智能进行图像解读与分析、工作列表优先排序和工作流程支持。实际上，这意味着更快地发现紧急病例、增强图像清晰度、辅助量化分析、标记可能的异常，并越来越多地协助撰写报告——这项工作消耗了放射科医生大量时间。这是真实的价值。这只与空荡荡的阅片室和解雇通知截然不同的故事。
最有力的证据不断指向同一个方向：狭义且良好集成的用例可以发挥作用。《自然·医学》杂志上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片工作流程提高了早期癌症检出率，且召回率增加极少。北美放射学会(RSNA)也强调了丹麦的数据，表明人工智能可以在不影响癌症检出准确率的情况下显著减少乳腺X光检查的工作量。这是一个重大的胜利。这也是一个工作流程的胜利，而不是彻底替代的故事。
替代不断被延迟的原因是医学比演示要复杂得多
最有用的现实检验之一来自《自然·医学》杂志的一项大型研究，该研究考察了140名放射科医生在15项胸部X光任务中的表现。人工智能辅助并没有以同样的方式改善每个人的表现。有些放射科医生的表现有所提高，有些则变得更差。效果取决于医生和模型的质量。哈佛大学对该研究的总结直截了当：更强的人工智能工具提高了放射科医生的性能，而较弱的工具可能会拖累表现。这不是一个即插即用的替代技术应有的表现。
集成是2016年预测几乎未考虑的另一道障碍。最近一项关于放射医学中有效人工智能集成的综述指出，当前系统在整合临床数据和先前或同时进行的影像检查方面仍然存在困难，这可能导致错误。
瑞士影像网络的现实部署数据显示，虽然取得了可衡量的效率提升，但也存在持续的障碍，如报告集成不佳和时间问题，只有少数人工智能结果能在报告前获得。事实证明，将算法嵌入医院工作流程比在测试集上取得好成绩要困难得多。
然后是治理问题，它不断将讨论拉回现实。皮尤发现，医院早期采用人工智能时往往伴随着薄弱的试点和监测。美国食品药品监督管理局(FDA)仍然要求对许多设备进行上市前审查，就在本月，FDA驳回了一项要求放宽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，在美国，法律责任仍然主要由医生承担，患者的态度也很明确：人们原则上可能喜欢人工智能，但他们仍然希望有人类监督介入。
结论
那么我们目前处于什么状况？我们并未进入旧标题所承诺的世界。我们处于一个更为可信的世界中，在这里，放射医学成为医学中最重要的人工智能试验场之一，但该专业本身依然屹立不倒，因为这份工作比预言所假设的更为广泛、更具临床性和社会责任感。
这也意味着下一个问题不应该是人工智能是否会取代放射科医生。这种框架已经过时。更尖锐的问题是谁吸收了生产力提升的成果，在混乱的现实环境中工具的安全性如何，以及更好的软件是缓解了工作倦怠还是仅仅提高了对已经超负荷团队的期望。
即使是杰弗里·辛顿(Geoffrey Hinton)当前的立场也比2016年的简短言论更接近真相。未来更可能是"放射科医生+人工智能"而非"放射科医生vs人工智能"。这不那么戏剧化，不那么吸引点击，但更接近实际情况。
【全文结束】
