Jason Wei于10月19日发文预测,AI将在未来十年改变放射科,但放射科医生不会很快被全面取代。他的核心理由是:单次阅片所需人工减少后,更低的解读成本可能带来更多检查需求。
Wei用一个假设说明这种可能:医生只需人工阅读全部流入影像的20%,但流入影像总量达到原来的5倍。按这一设定计算,人工需要阅读的影像数量可与原来相当。这两个数字都是情景假设,并非医疗机构采用AI后的观测结果;影像数量相当,也不能直接推出总工时或岗位数量不变。
他还认为,放射科包含许多不同的诊断任务,AI会先擅长常见且容易识别的病种,少见病种则受数据不足影响,因此会先用于分诊。Wei估计,从可靠的分诊工具走向全面自动化,即使在最佳情形下也需要3至5年。这是对两个技术阶段之间进程的个人估计,并非从发帖日起计算的确定期限。
在Wei看来,技术进步还可能创造新任务:新治疗方案可能要求以不同方式解读影像,新扫描设备可能揭示此前难以诊断的疾病,部分医生也可能转向前沿研究,并将新知识转化为模型更新。他同时将监管、既有基础设施和数据访问限制列为医疗系统采用新技术的障碍。
这场讨论也延续了对Geoffrey Hinton早期预测的反思。在2023年12月发布的Eric Topol访谈中,Hinton承认,自己2016年关于神经网络将在五年内比放射科医生更擅长解读医学影像的预测有误。他当时也澄清,预测针对的是影像解读,而非医生的全部工作。
Wei提出了需求扩张抵消部分自动化影响的一条可能路径,但新增需求是否足够,仍没有可验证的答案。其原帖没有提供就业、检查量或价格传导数据。要判断这一预测能否成立,还需观察解读成本下降能否降低整项检查的价格,以及新增检查会带来多少实际人工工作。
参考来源:
