來(lái)源：新智元

【導(dǎo)讀】2016年，Hinton曾建議停止培訓(xùn)放射科醫(yī)生，因?yàn)樗麄冊(cè)谖磥?lái)五年中很可能被AI取代。如今已快九年，美國(guó)放射科醫(yī)生不僅沒(méi)有被AI取代，而且還以52萬(wàn)美元的平均年薪成為全美第二高薪的醫(yī)療專業(yè)，崗位數(shù)量也創(chuàng)下歷史新高。

「我們現(xiàn)在就應(yīng)該停止培訓(xùn)放射科醫(yī)生了——再過(guò)五年，深度學(xué)習(xí)的表現(xiàn)就會(huì)比他們更強(qiáng)。」

2016年，在多倫多大學(xué)一場(chǎng)關(guān)于機(jī)器學(xué)習(xí)的會(huì)議上，「AI之父」Geoffrey Hinton如此預(yù)言道。

Hinton在多倫多大學(xué)Rotman商學(xué)院有關(guān)「機(jī)器學(xué)習(xí)」會(huì)議上的發(fā)言

隨后，F(xiàn)rank Chen在X平臺(tái)上轉(zhuǎn)述了這一觀點(diǎn)。

Hinton第一任妻子Rosalind在1994年因患卵巢癌去世，這促使他長(zhǎng)期關(guān)注「AI+醫(yī)療」（尤其是癌癥早篩與醫(yī)學(xué)影像）領(lǐng)域。

然而九年即將過(guò)去，Hinton預(yù)言不僅未能成真，現(xiàn)實(shí)甚至朝著相反的方向發(fā)展：

2025年，美國(guó)放射科醫(yī)生的數(shù)量再創(chuàng)新高，同時(shí)平均年薪較2015年增長(zhǎng)48%，成為全美第二高薪的醫(yī)療專業(yè)。

特斯拉前AI部門總監(jiān)、OpenAI創(chuàng)始團(tuán)隊(duì)成員Andrej Karpathy在X平臺(tái)上轉(zhuǎn)發(fā)一篇「AI不會(huì)取代放射科醫(yī)生」的博文，指出Hinton預(yù)言落空的原因。

Hacker News中有一篇「對(duì)人類放射科醫(yī)生的需求達(dá)到歷史新高」熱帖，一名放射科醫(yī)生在下面留言：

AI在讀取診斷圖像上可能比放射科醫(yī)生做得更好，但它并不會(huì)因此取代放射科醫(yī)生。

AI為什么替代不了放射科醫(yī)生？

理論上，放射學(xué)應(yīng)當(dāng)是最容易被AI替代的職業(yè)之一。

因?yàn)樗鼡碛袛?shù)字化圖像、明確的評(píng)估標(biāo)準(zhǔn)和可重復(fù)的任務(wù)。

這也是Hinton在2016年提出「應(yīng)停止培養(yǎng)放射科醫(yī)生」這一觀點(diǎn)的重要背景。

也是在2016年以后，美國(guó)的AI醫(yī)療器械迎來(lái)了快速發(fā)展。

比如，2017年發(fā)布的CheXNet，僅需一塊普通消費(fèi)級(jí)GPU即可運(yùn)行，可在一秒內(nèi)完成對(duì)新影像的分類。

還有模型可以在多種影像中檢測(cè)出上百種疾病，并在基準(zhǔn)測(cè)試中展現(xiàn)出比人類更高的速度和準(zhǔn)確率。

少數(shù)模型，甚至已獲準(zhǔn)在無(wú)人醫(yī)生審閱圖像的情況下獨(dú)立工作。

放射科占據(jù)了FDA每年核準(zhǔn)的AI醫(yī)療器械數(shù)量的絕大多數(shù)

從上圖可以看出，在1995年—2015年這二十年間，幾乎沒(méi)有AI醫(yī)療器械獲批。

2016年后增長(zhǎng)明顯加速。2024年，所有獲批的AI醫(yī)療器械中，有78%屬于放射科。

即便如此，放射科就業(yè)并未遭受到AI的強(qiáng)烈沖擊，正好相反：

2025年美國(guó)放射學(xué)診斷住院醫(yī)師項(xiàng)目提供了創(chuàng)紀(jì)錄的1,208個(gè)名額，較2024年增長(zhǎng)4%。

放射科醫(yī)生以平均年薪52萬(wàn)美元成為全國(guó)第二高薪的醫(yī)療專業(yè)，比2015年增長(zhǎng)了48%。

每年幾乎所有放射科住院醫(yī)師名額都能被申請(qǐng)者填滿

從上圖可以看出，從2013年—2025年的大多數(shù)年份里，未填補(bǔ)名額只占很小一條粉色帶，說(shuō)明放射科崗位幾乎年年被填滿。

背后原因主要有三個(gè)：

• 實(shí)際場(chǎng)景性能下降：模型在醫(yī)院的真實(shí)環(huán)境中，很難復(fù)現(xiàn)在標(biāo)準(zhǔn)測(cè)試中的成績(jī)。一旦脫離測(cè)試環(huán)境，性能往往急劇下降。

• 法律阻力：監(jiān)管機(jī)構(gòu)和醫(yī)療保險(xiǎn)公司普遍不愿批準(zhǔn)或支付完全自主運(yùn)行的放射學(xué)AI。

• 作用有限：即使模型的診斷正確，但這只覆蓋了放射科醫(yī)生工作的很小一部分。還有大量的工作如與患者或同事交流、監(jiān)督掃描過(guò)程、教學(xué)培訓(xùn)等無(wú)法覆蓋。

AI只覆蓋了放射科臨床的冰山一角

大多數(shù)模型只能識(shí)別一個(gè)發(fā)現(xiàn)，且僅限于一種影像類型。

比如一個(gè)模型可能用于查看胸部CT，或被用于評(píng)估冠狀動(dòng)脈鈣化評(píng)分。

這意味著每個(gè)問(wèn)題都需要一個(gè)單獨(dú)模型。醫(yī)生一天的日常工作，也可能需要在幾十個(gè)模型之間切換。

而且這些模型，往往來(lái)自不同廠商，彼此之間是相互獨(dú)立的。

結(jié)果往往仍停留在逐點(diǎn)回答，難以形成對(duì)影像的整體性解讀。

不僅如此，在目前FDA已批準(zhǔn)數(shù)百種影像AI中，加在一起所覆蓋的臨床任務(wù)仍只是冰山一角。

它們大多集中在中風(fēng)、乳腺癌和肺癌等少數(shù)幾個(gè)場(chǎng)景上，其它?？迫缪堋㈩^頸、脊柱和甲狀腺影像則嚴(yán)重缺乏模型。

這主要仍是受制于數(shù)據(jù)問(wèn)題。

許多AI在訓(xùn)練時(shí)使用的是極其有限的數(shù)據(jù)源，這導(dǎo)致它們?cè)谟?xùn)練醫(yī)院以外的場(chǎng)景使用時(shí)常?！杆敛环?。

在這些場(chǎng)景中它們表現(xiàn)下滑幅度甚至可高達(dá)20個(gè)百分點(diǎn)。

此外，目前的放射學(xué)AI模型更適用于簡(jiǎn)單的病例，在面對(duì)真實(shí)世界中復(fù)雜、模糊的病例就顯得十分吃力。

一位放射科醫(yī)生曾表示：他們用的模型會(huì)把圖像中出現(xiàn)的手術(shù)釘誤判為出血，僅僅是因?yàn)榻饘俚牧辆€被誤認(rèn)為是異常影像。

此類情況往往需要醫(yī)生結(jié)合患者背景與臨床信息作出綜合判斷。

此外，訓(xùn)練數(shù)據(jù)集中往往缺乏兒童、女性和少數(shù)族裔的病例，使得模型在這些群體中的表現(xiàn)更差。

兩大挑戰(zhàn)

監(jiān)管門檻與保險(xiǎn)限制

現(xiàn)實(shí)中，監(jiān)管門檻和保險(xiǎn)限制仍是兩大障礙。

FDA將影像AI分為「輔助」和「自主」兩種類別：輔助類必須由醫(yī)生簽字確認(rèn)，而自主類則無(wú)需醫(yī)生介入。

自主類AI對(duì)模型能力的要求極高：它們必須能夠證明當(dāng)圖像模糊、掃描設(shè)備異常，或任務(wù)超出模型能力時(shí)，自己可以自動(dòng)拒絕判斷。

因?yàn)橐坏┤祟愅顺隽鞒?，一個(gè)模型bug在沒(méi)人監(jiān)督的情況下可能連續(xù)誤診成千上萬(wàn)患者。

即便是目前最強(qiáng)的視覺(jué)神經(jīng)網(wǎng)絡(luò)，在低對(duì)比度、角度不規(guī)整或偽影干擾嚴(yán)重時(shí)仍容易出錯(cuò)。

以IDx-DR為例，它是少數(shù)獲得批準(zhǔn)的自主模型之一，但也對(duì)它的使用做出了嚴(yán)格限制，比如：

只可用于成人患者；

要求高質(zhì)量圖像、無(wú)糖尿病視網(wǎng)膜病變史；

一旦圖像模糊或瞳孔過(guò)小，就要立即中止判斷并轉(zhuǎn)診醫(yī)生。

這些限制讓模型的市場(chǎng)推廣進(jìn)度遠(yuǎn)遠(yuǎn)落后于技術(shù)進(jìn)展。

此外，保險(xiǎn)限制也是一個(gè)重要制約因素。

即使是監(jiān)管獲批，保險(xiǎn)公司也并不愿為AI誤診買單，因此多數(shù)合同條款都明確注明只對(duì)持證醫(yī)生簽署報(bào)告提供賠償。

Berkley甚至在政策中直接寫明「完全排除 AI 風(fēng)險(xiǎn)」。

這意味著，美國(guó)醫(yī)院想要全面采用AI獨(dú)立診斷，必須證明其降本增效的結(jié)果足以抵消制度風(fēng)險(xiǎn)。

2024年調(diào)查顯示，僅48%的放射科醫(yī)生實(shí)際在工作中使用AI；2025年調(diào)查顯示，只有19%的醫(yī)院在試點(diǎn)AI項(xiàng)目時(shí)取得「明顯成功」。

「杰文斯悖論」

AI越強(qiáng)，醫(yī)生越忙

即使AI能做到完全獨(dú)立閱片，但這并不會(huì)解放放射科醫(yī)生，反而可能會(huì)讓他們更忙。

經(jīng)濟(jì)學(xué)上有一個(gè)「杰文斯悖論」：效率提升后，使用量反而上升。即當(dāng)任務(wù)變得更快、更便宜時(shí)，人們就會(huì)更多使用它。

比如當(dāng)全身CT技術(shù)更快、更便宜時(shí)，關(guān)于掃描的需求也隨之激增。同樣，更強(qiáng)的AI，也將帶來(lái)更多的掃描。

放射科醫(yī)生的工作遠(yuǎn)不止「看片子」

在對(duì)加拿大溫哥華幾家醫(yī)院的一項(xiàng)小樣本研究中，統(tǒng)計(jì)了放射科醫(yī)生在工作日的時(shí)間分配比例：

醫(yī)生僅用36%的時(shí)間處理影像本身，更多時(shí)間用于監(jiān)督檢查過(guò)程、與臨床醫(yī)生和患者溝通、教學(xué)以及調(diào)整掃描方案。

這意味著，即使AI在影像解讀上更高效，反而也可能為放射科醫(yī)生帶來(lái)更多工作，比如監(jiān)督AI工作，或者將更多精力投入到影像解讀之外的工作。

這也解釋了為什么AI并沒(méi)有令放射科醫(yī)生失業(yè)，反而他們的人數(shù)和收入都在持續(xù)上漲。

現(xiàn)實(shí)中，僅靠更強(qiáng)的模型，無(wú)法完全覆蓋現(xiàn)實(shí)醫(yī)療場(chǎng)景的需求以及社會(huì)監(jiān)管要求，這使得AI在醫(yī)療行業(yè)的普及中，更多依賴「人機(jī)協(xié)同」模式，而非簡(jiǎn)單地替代人類。

好處是，放射科醫(yī)生暫時(shí)不用太擔(dān)心失業(yè)了。

但壞處是，他們可能要更忙了——

AI越強(qiáng)，醫(yī)生越忙。

參考資料：

https://www.worksinprogress.news/p/why-ai-isnt-replacing-radiologists

閱讀最新前沿科技趨勢(shì)報(bào)告，請(qǐng)?jiān)L問(wèn)歐米伽研究所的“未來(lái)知識(shí)庫(kù)”

https://wx.zsxq.com/group/454854145828

未來(lái)知識(shí)庫(kù)是“ 歐米伽 未來(lái)研究所”建立的在線知識(shí)庫(kù)平臺(tái)，收藏的資料范圍包括人工智能、腦科學(xué)、互聯(lián)網(wǎng)、超級(jí)智能，數(shù)智大腦、能源、軍事、經(jīng)濟(jì)、人類風(fēng)險(xiǎn)等等領(lǐng)域的前沿進(jìn)展與未來(lái)趨勢(shì)。目前擁有超過(guò)8000篇重要資料。每周更新不少于100篇世界范圍最新研究資料。 歡迎掃描二維碼或訪問(wèn)https://wx.zsxq.com/group/454854145828進(jìn)入。