AIが放射線科医を置き換えていない理由-それはただそれらを忙しくしているだけです

2016年、AIパイオニアGeoffrey Hinton は、「人々は今やトレーニング放射科医を止めるべきだ」と宣言しました。それは、医療専門分野の終わりを告げるように思われる分岐点の瞬間でした。しかし、ほぼ10年後、地上の現実は別の物語を語っています-少なくともこれまでのところ。

人間の放射線科医に対する需要は活況を呈しています。 2025年、レジデンシープログラムは記録的な数のポジションを提供しました。 href=”https://radiologybusiness.com/topics/healthcare-management/radiologist-salary/radiology-no-3-highest-paid-specialty-surpassing-cardiology-medscape#:~:~~:text=on%20avegaターゲット=”_ blank”>平均給与が急上昇しているほぼ50％ subler

検証プロセス自体はしばしば狭くなります。機関。この実際のコンテキストの欠如は、外科的出血として外科的定番を繰り返し誤って識別する1つのモデルなど、不条理なエラーにつながる可能性があります。

これは新しい問題ではありません。 1990年代、マンモグラムの早期コンピューター支援診断（CAD）システムは、1998年の

のremburesのFDAを受け取った後のFDAを受け取った後のFDAのFDAを受け取った後のFDAのFDAを受け取っていました。それらは、すべてのスクリーニングのほぼ4分の3で使用されていました。しかし、実際には、彼らは壮観に失敗しました。 a ランドマーク研究マシンに多すぎる。 2004年の臨床試験では、CADに導かれたとき、専門家は悪性腫瘍の半分を特定し、彼らの補助の仲間が68％を捕まえたことが明らかになりました。この経験により、メディケアは2018年にCADの余分な払い戻しを撤回しました。これは、今日のより高度なAIに迫る歴史的な教訓です。 83の研究をレビューした後、研究者は、生成的AIが非専門家と同等であるが、人間の専門家に15.8％遅れていることを発見しました。

研究に関与する1人の医師が指摘したように、「この研究は、生成AIの診断能力が非専門医に匹敵することを示しています。」この研究はまた、分析した論文の76％が、多くの場合不透明なトレーニングデータのためにバイアスのリスクが高いことを警告しました。 FDAは、“ cluusion”cliuse’firuse

これらの法的および金融の地雷原を通る明確な道がなければ、AIの役割はしっかりと支援し続けている。研究ノートの1人のアナリストとして、信頼と払い戻しモデルは自律的な採用を制限し続けています。画像の解釈は、彼らの役割の一部にすぎません。 2012年の調査では、診断が時間の36％を占めていることがわかりました。代わりに、a jevons paradox をトリガーする場合があります。ボリューム、AIは放射線科医をこれまで以上に忙しくする可能性があります。

このダイナミクスはすでに医学界で議論されており、一部の放射線科医 aiを「両刃の剣」として見るそれは、その実装に応じて燃え尽きを緩和または悪化させる可能性があります。効果的な医療AIには、大きなプライバシーの懸念を引き起こす膨大なデータセットが必要です。 Medconfidentialの1人のプライバシー擁護者が主張したように、「この共同体のみのAIには、ほぼ確実に患者のデータが組み込まれており、研究室から出すことはできません。」

この感情は、「人々は通常、データを制御したいと思っており、臨床的信頼を示している場所を知りたい」と強調している研究者によって反映されています。 NHSイングランドのVin Diwakarが述べたように、「AIには、特に大規模なデータセットで訓練された場合、疾患の予防と治療方法を変える可能性があります」が、そのデータを使用するための道は倫理的責任に満ちています。 Microsoft AIのCEOであるMustafa Suleymanは、「Microsoftは「医療の緊密性に向けた真のステップ」と彼の会社のMAI-DXOシステムを歓迎しました。一方、ヨーロッパの研究者はDelphi-2Mを開発しました。ワシントン大学のサバンナ・パートリッジ教授として、「[AI]を使用していないか、そうではないが、どのように使用しますか?適切かつ安全にどのように使用しますか?」