eNewsTree.com

标题: 无法被AI取代，放射科医生需求爆棚 [打印本页]

作者: hawk 时间: 前天 19:36
标题: 无法被AI取代，放射科医生需求爆棚
worksinprogress

AI在影像诊断上成绩耀眼，却没能取代放射科医生，反而让他们的需求和薪酬攀上新高。

AI在许多领域展现出惊人潜力，医学影像学似乎尤为适合它大展拳脚。放射学以数字化图像、明确标准和可重复任务为核心，几乎是“为机器量身打造”。早在2017年，CheXNet就凭借超过10万张胸片训练，能在肺炎检测上超过多位权威放射科医生。它运行快速、免费，甚至一张普通显卡就能在一秒内完成分类。

随后，Annalise.ai、Lunit、Aidoc、Qure.ai等公司纷纷推出模型，可以在多种影像类型中识别上百种疾病，有的还能调整医生的工作清单，优先显示危急病例，甚至生成结构化的初稿报告。少数产品如IDx-DR更是获得批准，能在无医生审核的情况下独立作出结论。目前，美国食品药品监督管理局已批准七百多款影像AI模型，占医疗AI设备的四分之三。

如果说有一个专业最可能被AI替代，那便是放射学。2016年，图灵奖得主Geoffrey Hinton甚至直言：“我们该停止培养放射科医生了。”然而，现实却走向了另一条道路。2025年，美国放射学住院医师项目创下历史新高，提供了1208个培训名额，比前一年增长4%。放射科的岗位空缺也空前严重。与此同时，放射科成了全国第二高薪的医学专科，平均年薪52万美元，比2015年高出近一半。

[ad8] [/ad8]

为什么会出现这种“越智能，越缺人”的悖论？原因有三。其一，AI在标准化测试中表现优异，但在真实医院中却往往水土不服。它们只能识别常见的影像异常，换个医院、换种设备，准确率就会明显下降。其二，监管和保险制度迟迟不愿放行全自动AI诊断。其三，医生的工作远不止“看片子”。多数时间他们要与患者沟通、与临床医生协作，还要指导年轻医生。这些环节机器无法替代。

尽管AI遍地开花，但放射学证明：它不会在短期内主宰一个领域，真正发挥作用的过程更像是人机协作的磨合。

当下的AI模型往往只针对某一种影像和单一问题，比如在胸部CT上寻找结节、骨折或计算钙化积分。医生若想覆盖日常病例，就得频繁切换不同模型。即便FDA已批准数百种工具，它们集中在卒中、乳腺癌和肺癌等少数领域，许多亚专科几乎空白。数据稀缺和图像复杂度是主要障碍，例如超声图像角度多变，远比X光棘手。

AI的表现也常因数据局限而打折扣。研究显示，同一款模型换到另一家医院测试，准确率可能骤降20个百分点。训练集通常剔除了模糊、光线差或角度奇怪的影像，这让模型更擅长“标准病例”，而在真实世界中屡屡跌倒。更令人担忧的是，儿童、女性和少数族裔病例往往在训练集中不足，导致AI在这些群体上准确率偏低。

[ad2] [/ad2]

其实，这并不是第一次经历AI幻象。早在1990年代，美国就推广计算机辅助乳腺癌筛查。实验室数据显示，人机结合的确提高了准确率，政府还为此提供报销补贴。但在真实诊所中，结果令人失望。机器标记了更多可疑影像，让医生进行了更多活检，却并未检出更多癌症。相比之下，“两位医生复读”效果反而更好。最终，医保部门在2018年取消了对AI辅助读片的额外补偿。

问题在于，现实中的医生往往过度依赖机器提示，尤其在AI没有给出警示时，就误以为影像无碍。研究发现，有些情况下，医生因为依赖错误的AI建议，反而比独立诊断更容易出错。

理论上，更先进的模型和全自动化可以解决这些困境。但现实中，监管、保险与责任划分让步伐放缓。FDA要求自主诊断AI必须在遇到模糊、罕见或不合格图像时自动拒绝，避免隐藏缺陷酿成系统性事故。而医疗事故保险公司更是谨慎，合同中常写明“仅限医生签字诊断，AI结果不赔偿”。少数产品如IDx-DR必须由厂商提供额外的责任保险，医院才敢使用。

即便AI有朝一日真正能独立完成诊断，也不意味着放射科医生会失业。研究发现，他们只有约三分之一时间在直接解读影像，其余都用于监督、沟通、教学与优化流程。AI若能提高诊断效率，他们反而会把精力转向更复杂或更具人性的工作。

还有一个经济学规律叫“杰文斯悖论”。当某项工作变得更快更便宜时，人们往往会做得更多。2000年代，美国医院从胶片转向数字系统，读片时间大幅缩短，但放射科医生没有被裁员，反而因为检查总量暴涨而更忙。X光的平均报告时间从数十小时缩短到不足两天，全身CT也因此普及。影像学需求随之水涨船高。

回顾过去十年，AI模型层出不穷，却多停留在辅助角色。医生人数和收入持续上升，AI的承诺与现实之间存在落差。未来，多任务模型或许能弥补数据缺陷，但患者咨询、风险承担与认证壁垒依旧存在。这些让全自动诊断成为高风险选择，人机协作反倒成了默认模式。

相比内容审核等单一任务可完全交给AI的行业，医学影像提醒我们：在那些任务多样、风险高、需求弹性的工作中，AI往往带来的是更多人力需求，而不是取代。放射学的故事给出了一个矛盾又真实的答案：机器愈聪明，医生反而更忙碌。

欢迎光临 eNewsTree.com (http://enewstree.com/discuz/)