Por que a IA não está substituindo os radiologistas-está apenas tornando-os mais ocupados

Em 2016, a AI foi pioneira em Geoffrey Hinton fez uma previsão ousada , declarando que”as pessoas deveriam parar o treinamento dos radiologistas agora”. Foi um momento decisivo que parecia anunciar o fim de uma especialidade médica. No entanto, quase uma década depois, a realidade no terreno conta uma história diferente-pelo menos até agora.

A demanda por radiologistas humanos está crescendo. Em 2025, os programas de residência ofereceram um número recorde de posições e average Os salários subiram por quase 50% desde 2015 Vital do que nunca, com taxas de vacância em máximos de todos os tempos. Enquanto modelos de IA de gigantes como a Microsoft podem obter precisão sobre-humana em condições estéreis de laboratório, eles lutam para navegar nas complexidades da prática clínica real. O caminho do algoritmo para a adoção é pavimentado com obstáculos práticos, legais e éticos. Os modelos são frequentemente treinados em imagens altamente curadas e inequívocas, que distorcem os casos mais fáceis . Variações no equipamento de imagem-um problema conhecido como falha fora da distribuição.

Essa fragilidade está bem documentada. A precisão de uma IA pode passar até 20 pontos percentuais quando testados em dados de um novo hospital. Instituição . Essa falta de contexto do mundo real pode levar a erros absurdos, como um modelo repetidamente identificando erros de identificação cirúrgica como hemorragias cerebrais.

Este não é um novo problema. Nos anos 90, diagnóstico inicial (CAD) para mamogramas foi amplamente adotado Após a recepção de 200, o POPIVEL (POMIMENTO). 2010, eles foram usados ​​em quase três quartos de todas as exibições. Na prática, no entanto, eles falharam espetacularmente. A Landmark Study Constatou que as clínicas de cad-assistidos realizaram 20% mais biópsias sem mais câncer. diferido demais para a máquina. Um ensaio clínico de 2004 revelou que, quando guiado pela CAD, os especialistas identificaram apenas metade das malignidades, enquanto seus colegas não auxiliados capturaram 68%. A experiência levou o Medicare a retirar o reembolso extra do CAD em 2018, uma lição histórica que aparece na IA mais avançada de hoje.

Uma meta-análise recente da Universidade Metropolitana de Osaka confirma que essa lacuna de desempenho persiste. Depois de revisar 83 estudos, os pesquisadores descobriram que, embora a IA generativa esteja em pé de igualdade com os não especialistas, fica 15,8% atrás de especialistas humanos. O estudo também alertou que 76% dos trabalhos que analisou tinham um alto risco de viés, geralmente devido a dados de treinamento opacos. O FDA mantém um padrão de aprovação muito mais alto para IA totalmente autônoma em comparação com Ferramentas. Isso evita que uma única falha de software prejudique milhares de pacientes de uma só vez.

atender a este padrão é incrivelmente difícil. Por exemplo, o IDX-DR, uma das poucas ferramentas autônomas limpas pelo FDA, vem com rigorinhas rígidas: ele só pode ser usado em adultos com qualidade de imagem específica e nenhum diagnóstico prévio da doença. As seguradoras, cautelosas com os pagamentos catastróficos de um algoritmo com defeito, estão escrevendo cada vez mais “>”>”>”>”>”_blag/the-continued-prolifeation-oisiations.

Um terceiro fator crítico é o verdadeiro escopo do trabalho de radiologista. A interpretação da imagem é apenas uma parte de seu papel. Um estudo de 2012 constatou que Diagnósticos representam apenas 36% do seu tempo , com o restante dedicado a consultas do paciente, a superfície procedural e o ensino

Em vez disso, pode desencadear a Jevons paradox , quando o tempo de reportagem e o tempo de reportagem e o tempo de tempo, apenas o tempo, o que é mais barato e mais rápido e mais rápido e mais rápido e mais rápido e mais rápido, o que é um pouco mais rápido. Volume, a IA poderia tornar os radiologistas mais movimentados do que nunca.

Essa dinâmica já está sendo discutida na comunidade médica, com alguns radiologistas Visualizando AI como uma’espada de dois gumes’ Isso poderia aliviar ou exacerbar o esgotamento, dependendo de sua implementação. Treinamento A IA médica eficaz requer vastos conjuntos de dados, o que levanta profundas preocupações de privacidade. Como argumentou um advogado de privacidade do MedConfidential, “essa IA somente com covid quase certamente tem dados de pacientes incorporados, o que não pode ser deixado sair do laboratório.”

Esse sentimento é ecoado por pesquisadores que enfatizam que”as pessoas geralmente querem manter o controle sobre seus dados e que desejam saber como está indo.”Como afirmou Vin Diwakar, da NHS England,”a IA tem o potencial de mudar a maneira como impedimos e tratamos doenças, especialmente quando treinadas em grandes conjuntos de dados”, mas o caminho para usar esses dados é repleto de responsabilidades éticas.

Apesar dos obstáculos, a tecnologia continua seu avanço implacável. O CEO da Microsoft AI, Mustafa Suleyman, saudou o sistema MAI-DXO de sua empresa como”a Microsoft deu um passo genuíno em direção à superinteligência médica”. Como o professor Savannah Partridge, da Universidade de Washington, colocou apropriadamente:”Não é você usa [ai], ou não, mas como o usa? Como você o usa de maneira adequada e segura?”

O caso da radiologia mostra que, para as profissões de alta e alta, o papel de Ai-evoluindo-se de uma de poder de uma vez, a AIM, que é uma evolução de uma de maneira complexa, o papel de Ai.