Mengapa AI tidak menggantikan ahli radiologi-ia hanya menjadikan mereka lebih sibuk

Pada tahun 2016, perintis AI Geoffrey Hinton

Permintaan untuk ahli radiologi manusia berkembang pesat. Pada tahun 2025, program residensi menawarkan bilangan rekod kedudukan, dan gaji purata telah meningkat dengan hampir 50%

Proses pengesahan itu sendiri sering sempit; institusi tunggal . Kekurangan konteks dunia nyata boleh menyebabkan kesilapan yang tidak masuk akal, seperti satu model berulang kali menyalahgunakan staples pembedahan sebagai pendarahan otak.

Ini bukan masalah baru. Pada tahun 1990-an, Sistem diagnosis (CAD)

Menjelang 2010, mereka digunakan dalam hampir tiga perempat daripada semua pemeriksaan. Walau bagaimanapun, dalam amalan, mereka gagal secara spektakuler. A kajian mercu tanda Bias: Doktor menangguhkan terlalu banyak ke mesin. Percubaan klinikal 2004 mendedahkan bahawa apabila dipandu oleh CAD, pakar mengenal pasti hampir separuh daripada keganasan, manakala rakan-rakan mereka yang tidak dibawa ditangkap 68%. Pengalaman ini membawa Medicare untuk menarik balik pembayaran balik tambahan untuk CAD pada tahun 2018, pelajaran sejarah yang menjulang ke atas AI yang lebih maju hari ini. Selepas mengkaji 83 kajian, para penyelidik mendapati bahawa walaupun generatif AI setanding dengan bukan pakar, ia turun 15.8% di belakang pakar manusia. Kajian itu juga memberi amaran bahawa 76% daripada kertas yang dianalisis mempunyai risiko berat sebelah yang tinggi, selalunya disebabkan oleh data latihan legap.

FDA mengekalkan piawaian kelulusan yang lebih tinggi untuk AI autonomi sepenuhnya berbanding dengan

Memenuhi piawaian ini sangat sukar. Sebagai contoh, IDX-DR, salah satu daripada beberapa alat autonomi yang dibersihkan oleh FDA, dilengkapi dengan pengawal yang ketat: ia hanya boleh digunakan pada orang dewasa dengan kualiti imej tertentu dan tidak ada diagnosis sebelum ini. Penanggung insurans, berhati-hati terhadap pembayaran bencana dari algoritma yang rosak, semakin menulis Ini memaksa hospital untuk bergantung kepada doktor berlesen untuk mengambil tanggungjawab utama untuk diagnosis, menjaga manusia yang kuat bertanggungjawab.

Tanpa jalan yang jelas melalui lombong undang-undang dan kewangan ini, peranan AI tetap membantu. Sebagai seorang penganalisis daripada menandakan nota penyelidikan, model kepercayaan dan pembayaran balik terus mengehadkan penggunaan autonomi. Tafsiran imej hanya satu bahagian peranan mereka. Satu kajian 2012 mendapati bahawa diagnostik menyumbang hanya 36% dari masa mereka Sebaliknya, ia boleh mencetuskan A jevons paradox , di mana membuat perkhidmatan lebih murah dan lebih cepat. kelantangan, AI boleh membuat ahli radiologi lebih sibuk dari sebelumnya.

Dinamik ini sudah dibincangkan dalam komuniti perubatan, dengan beberapa ahli radiologi Melihat AI sebagai’pedang bermata dua’ yang boleh mengurangkan atau memburukkan lagi pembakaran bergantung kepada pelaksanaannya. Latihan Perubatan yang berkesan AI memerlukan dataset yang luas, yang menimbulkan kebimbangan privasi yang mendalam.

Kontroversi baru-baru ini mengenai model pandangan jauh NHS, yang dilatih pada 57 juta rekod pesakit, adalah satu kes yang berlaku. Sebagai seorang penyokong privasi dari medconfidential berhujah,”AI Covid sahaja ini hampir pasti mempunyai data pesakit yang tertanam di dalamnya, yang tidak dapat dikeluarkan dari makmal.”Seperti yang dinyatakan oleh NHS England Vin Diwakar,”AI berpotensi untuk mengubah bagaimana kita mencegah dan merawat penyakit, terutamanya apabila dilatih pada dataset yang besar,”tetapi jalan untuk menggunakan data itu penuh dengan tanggungjawab etika. Ketua Pegawai Eksekutif Microsoft AI, Mustafa Suleyman, memuji sistem Mai-DXO syarikatnya sebagai”Microsoft telah mengambil langkah yang tulen ke arah superintelligasi perubatan.”Sebagai Profesor Savannah Partridge dari University of Washington dengan tepat meletakkannya,”Bukankah anda menggunakan [AI], atau adakah anda tidak, tetapi bagaimana anda menggunakannya? Bagaimana anda menggunakannya dengan sewajarnya dan selamat?”