隨著越來越多的人工智慧 (AI) 演算法有望提高準確性並加快放射科醫生的工作速度，有些人想知道這些程序是否會取代這些醫生或減輕他們的工作速度。
美國國立衛生研究院放射科醫生兼人工智慧研究員 Ronald Summers 博士說：“坦率地說，有些人工智慧技術非常好，我認為我們現在就應該這樣做。”
“為什麼我們要把這些資訊放在桌面上？”
人工智慧程式沒有廣泛採用
薩默斯的實驗室開發了電腦輔助影像程序，可以檢測結腸癌、骨質疏鬆症、糖尿病和其他疾病。
但它們尚未被廣泛採用，他將其歸因於「醫學文化」等因素。
雖然放射科醫生自 20 世紀 90 年代以來就開始使用電腦來增強影像，但人工智慧程式可以進一步提供可能的診斷，甚至根據結果起草報告。
這些演算法通常根據從醫院收集的數百萬張 X 光和其他影像進行訓練。
美國監管機構已批准 700 多種人工智慧演算法來幫助醫生，其中 75% 以上用於放射學。然而，根據最近的一項估計，只有百分之二的放射學實踐使用這種技術。
懷疑論
放射科醫生對這些項目持懷疑態度，原因有多種，包括現實世界測試有限、其工作原理缺乏透明度，以及對用於培訓這些項目的患者的人口統計數據存在疑問。
「如果我們不知道人工智慧在哪些病例上進行了測試，或者這些病例是否與我們在實踐中看到的患者類型相似，那麼每個人都會想到這些是否對我們有用，史丹佛大學人工智慧研究中心的放射科醫生柯蒂斯·蘭格洛茨(Curtis Langlotz) 博士說。
迄今為止，美國食品藥物管理局 (FDA) 批准的所有程序都需要有人參與。
歐洲監管機構於 2022 年批准了首款全自動軟體，用於審查和撰寫看起來健康正常的胸部 X 光報告。該應用程式背後的公司 Oxipit 正在向 FDA 提交其美國申請。
歐洲對此類技術的需求非常迫切，由於放射科醫生短缺，一些醫院面臨長達數月的掃描積壓。
在美國，這種自動篩檢可能還需要數年時間，因為放射科醫師還不願意將常規任務交給演算法。
Koios Medical 的執行長 Chad McClennan 表示：「我們試圖告訴他們，他們正在過度治療患者，而且浪費了大量的時間和資源。」該公司銷售用於甲狀腺超音波檢查的人工智慧工具，其中絕大多數是甲狀腺超音波檢查。
「我們告訴他們，『讓機器看一下，你（審查並）簽署報告並完成它』」。
麥克倫南說，放射科醫師往往會高估自己的準確性。他的公司的研究發現，觀看相同乳房掃描的醫生在是否進行活檢的問題上有超過 30% 的意見不一致。當一個月後查看相同的影像時，這些放射科醫生甚至有 20% 的時間不同意自己的初步評估。
就像自動駕駛儀一樣
專家表示，人工智慧在短期內可以像飛機上的自動駕駛系統一樣運作，執行重要的導航功能，但始終在人類飛行員的監督下。
紐約西奈山醫院網路的勞瑞·馬戈利斯博士表示，這種方法可以讓醫生和病人放心。該系統使用 Koios 乳房成像 AI 來獲得有關乳房超音波的第二意見。
「我會告訴患者，『我看了它，電腦也看了它，我們都同意，』」馬戈利斯說。 「聽到我說我們都同意，我認為這給了病人更大的信心」。
第一個大型、嚴格的研究對人工智慧輔助放射科醫生與單獨工作的放射科醫生進行了測試，這暗示了潛在的改進。
初步結果來自瑞典對 8 萬名女性的研究研究表明，與兩名放射科醫生相比，人工智慧支援的乳房篩檢發現的癌症多出 20%。
研究表明，使用人工智慧代替第二個審查員可以減少 44% 的人力工作量。
儘管如此，研究的主要作者表示，放射科醫師對所有病例做出最終診斷至關重要。
隆德大學的克里斯蒂娜·朗博士說，如果自動演算法漏掉了癌症，「這將對護理人員的信任產生非常不利的影響」。
在此類案件中誰應承擔責任是尚未解決的棘手法律問題之一。
回頭看你的肩膀
結果之一是，放射科醫生可能會繼續仔細檢查所有人工智慧的決定，以免他們對錯誤負責。這可能會消除許多預期的好處，包括減少工作量和倦怠。
賓州大學的 Saurabh Jha 博士表示，只有極其準確、可靠的演算法才能讓放射科醫師真正擺脫這個過程。
在此類系統出現之前，Jha 將人工智慧輔助放射學比作有人透過回頭觀察並不斷指出路上的一切來幫助你開車。
「這沒有幫助，」賈說。
「如果你想幫我開車，那麼你就接手駕駛，這樣我就可以高枕無憂了」。
