浪潮过后的思考：AI短期内难以取代放射科医生- 专知

浪潮过后的思考：AI短期内难以取代放射科医生

【导读】1月25日，放射学家和临床学者Hugh Harvey发布一篇博客，就近两年AI在放射医疗领域过度炒作的现象给出评价和分析。作者以2016年神经网络的教父Geoffrey Hinton关于AI将取代放射科医师的言论，引出当前布道者和媒体对AI的过于炒作现象。作者首先对这种炒作现象进行批判，然后引出自己的观点，认为AI在短期内并不会取代放射科医师，并列举原因支撑自己的观点。诚然，AI的影响是有目共睹的！但需要保持冷静的头脑，致力于通过AI技术造福社会，而不是心浮气躁过于吹嘘，这才是我们所有AI从业者的正途！专知内容组编辑整理。

Why AI will not replace radiologists

为什么AI不会取代放射科医生

2016年末，神经网络的教父杰弗里·欣顿（Geoffrey Hinton）说，“很明显我们应该停止放射科医师的培养”因为图像感知算法很快就会被证明比人类更好。他说，“放射科医生不愿承认深度学习更能胜任放射科图像识别任务（放射科医师就像那些到了悬崖边也不愿低头的狼群）”。

这导致了一股炒作浪潮，至今仍在继续，而且这个局面似乎还在继续。我的想法是，虽然这一波热情和过度乐观已经成功把放射学人工智能带到了人们想象的最前沿，并且投入了大量的资金，但它的过度夸大给决策者过高的期望，从而造成了无法估量的损失，并且正在对招聘产生明显的连锁效应，因为初级医生开始认为机器确实在替代人类，所以他们不应该费事去成为放射科医生。导致放射科人员稀缺，这种情况在英国尤其严重，这种情况将会威胁整个医院系统的稳定。

图：英国NHS关于放射学工作量和劳动力的统计摘要。从中你能看到问题…

你看，没有放射科医生，医院根本无法运作。保守估计，超过95％的病人进入医院将会进行一些医学影像形式的检查，因为这样的患者数量还在增长，所以对医学影像检查服务的需求也在增加。不仅如此，由于医疗影像检测被公认为在医疗诊断中非常重要，故而我们已经看到对医学成像和放射科医师的需求几乎是呈指数级增长的。这种情况完全反驳了耸人听闻的头条新闻“机器打败了放射科医生”，而这些新闻只会进一步误导公众对AI现状的理解，误导他们认为放射科医师的日子已经到头了。

然而，不管你对人工智能和自动化的有多么痴迷或深信不疑，期望它在不久的将来完全取代放射科医生，但这是不现实的，我估计至少还需要十年，直到我们看到人工智能被用在日常的NHS实践中。我知道就目前的期望和炒作的数量来讲这可能是有争议的，甚至可能令人惊讶，像我这样基本上把自己的事业奉献给放射学AI的人居然会这么说，但是我相信对AI的未来进行明智的讨论是至关重要的，而不能单纯地听信硅谷布道者和媒体的道听途说，他们对放射科医生实际上做的事情一无所知，只是喜欢夸大他们兜售的产品。

在这篇文章中，我将尝试解释为什么诊断放射科医生不会被取代（只要他们和能及时掌握技术）的三个主要原因，甚至讨论为什么我们需要培养更多的放射科医生。

▌原因1.放射科医生不只是看图像

诊断放射学工作流程的简化示意图，以及可实施AI系统的示例。图像版权

@drhughharvey。

如果有人说AI将取代放射科医生，那么我需要强调一下放射科医师不只是看看图片！所有关于放射学人工智能的媒体宣传都只与图像感知有关，在上面的图中可以清晰看出，图像感知并不是人类放射科医师在日常工作中所做的全部事情。另外，上图只是描述了一个诊断工作的流程，完全省略了面向病人的工作（超声波，透视，活检，引流等），多学科的工作例如肿瘤治疗讨论，教学和培训，审计和差异审查诊断，这些放射科医师也需要定期做。没有只把提供诊断报告作为全职工作的放射科医生（甚至有介入放射学的专业，需要做的更多是类似于手术的工作而不只是看看图片，这也是一个面临劳动力危机的行业，所以AI系统不太可能取代放射科医生）。

放射诊断技术可以简化为上述可视化的组件步骤：从病人的介绍和病史决定是否成像，以及是执行什么类型的成像，调度成像，以及自动化或标准化图像采集。一旦成像完成，算法将会越来越多地对图像进行后期处理以供其他算法解读，在纵向时间帧内的数据集，改善图像质量，分割解剖和检测以及量化生物标志物。目前，诊断推理似乎是最难解决的问题，而且是必须要用人类诊断师的原因。这将有助于引入智能报告软件，标准化的模板和机器可读的输出，从而使得数据更适合进一步的算法训练,以便更好地通知未来的决策软件。最后，报告的沟通可以通过语言翻译或平行翻译来实现半自动化，并对其他临床医生或患者进行结果展示。这仅仅是对于初学者…

虽然人工智能绝对可以在这个诊断工作的每个步骤中发挥作用，甚至取代一些人，但AI（如调度）不能完全代替放射科医生。除非我们能开发出一个完整的端到端系统对整个诊断路径进行监督和控制。这个对我们来说仍然是一个梦想，尤其是考虑到目前人工智能系统中最先进的技术，目前还只是刚刚进入临床工作流程，没有一个能在任何意义上取代放射科医生的图像感知工作。

▌原因2.人类将永远保持最终的责任

在2017年，没有一个人死于商业飞机事故。这个惊人的成功故事，部分原因是高科技系统的实施，使许多安全监督任务自动化，包括但限于防撞系统，地面近距离预警系统和改进的空中交通管制系统。它也在很大程度上是由于更好的训练、对安全问题的认识以及飞行员和其他辅助航空工作人员对安全问题的警觉/升级。

在过去的几十年里，自动化已经发展起来，使人们获得了更多的自由来沟通安全问题，并有更多的时间来处理越来越多有用的信息，所有这些都是由行业主导的安全意识的内聚环境所支持的。然而，最关键的是，商业飞行员的数量没有减少——事实上，情况恰恰相反。航空公司报告说缺少训练有素的飞行员，而且实际需求要比全球预计需要的数量增加一倍以上。所以，随着安全性的提高，成本降低，飞行变得更受欢迎，乘客数量增加，这就意味着需要更多的飞机。

医学常被比作航空，有时是不适当的，而且常常是不准确的。但是，我觉得这两个行业都有一些重叠的关键特性。首先，两者都主要集中在从A点到B点维持人类安全，无论是在地理上还是系统上。两者传统上都依赖于人类的专业知识和高水平的技能来监督工作过程。在过去的10年里，两者在自动化方面也有了长足的进步，当然，它们都能从人工智能系统中获得显著的好处，这些系统将越来越多的认知负荷和平凡的任务从人类身上移开。但最重要的是，在这两个行业，人类绝对没有被取代。

原因很简单——法律责任。想象一个人工智能系统的所有者，在对病人实施治疗时，完全承担起机器造成的法律责任，这几乎是不可思议的。没有航空公司已经拥有完全没有飞行员的商业飞机,如果是这样, 我敢打赌，保单将会非常巨大，从而对于一般商业飞行来说，可能并不值得(不过,我承认它可能出现在私人或军用飞机)。我们可能会看到的是“无人驾驶飞机”驾驶商业航班——飞行员直接坐在陆地上，但远程监视发生在飞机上的一切。事实上，远程操控的实验已经在计划进行中，但是公众的反响不一。

在医学领域，目前为止，简单地将AI系统限制在提供决策支持方面是非常容易的，并将所有最终的“决策”交给一个专业的人。目前还没有一个现有的AI系统已经获得医疗监管部门的批准，我真心怀疑是否会有这样的一个人出现，除非他所做的决定都是微不足道的并且对生命的影响不大。这是因为人工智能系统在解决医学诊断问题上是不可能100%准确的，因为正如我之前所讨论过的，医学仍然是一门永远无法被完全量化或解决的艺术。总会有异常点，总是有混淆因素。因此，我们将永远需要某种形式的人类监督。

▌原因3：生产力的提高将推动需求

“If you build it, they will come--如果你建立起来，他们会来”是电影“Field of Dreams”（或Wayne’s World 2，取决于你的一代）常常引起误解的说法。如果我们建立大规模改进放射科工作流程和诊断方法的系统，我们几乎肯定会看到医学影像需求的大幅增长。

我亲眼目睹了这一点——当我还是一名实习生的时候，我们的部门开始了一项新举措，试图缩短超声波的等待时间。我们打开了一个晚上的预约清单，上面有3到4个额外位置用于紧急预约的病人或已经等待了3个多星期的病人。起初，用一个实习生来管理这个额外的预约，这个模式运行地很好。毕竟，它最多只需要一个小时。不过很快，我们就开始注意到“请给我额外的名单”的请求，在我们知道之前，我们不得不开始打开额外的列表，额外的额外列表…，这反过来又变成了新的常态。我的观点是，在放射科，如果你给一个医生一个位置来扫描病人，他们会找到一个病人来填补这个空缺!

随着人工智能成为放射科的新常态，随着扫描次数和等候名单的减少，随着放射学报告变得更加准确和有用，我们将继续看到我们服务需求的增加。再加上人口老龄化和复杂性在不断地增长，在我看来需求的增加是100％不可避免的，而且可能是我仍然看好放射学作为职业选择的主要原因。

我们需要培养更多的放射科医师，以对付如海啸般的成像需求和生成数据，甚至可能考虑在其他数据生产领域(如病理学和基因组学)的双重或三重认证。“放射科医生”甚至在未来都不会被称为放射科医师——至少这是我去年在RSNA上听到过的一种说法，但这并不能否定一个事实，即人类仍将控制着数据的流动。

▌放射科医生将会做什么呢？

未来几十年的放射科医师将会越来越多地从过去的平凡任务中摆脱出来，并用华丽的预填充报告来验证，并利用有趣的分析工具来输出海量的“辐射”数据。但是如果你想把自己想像成汤姆·克鲁斯（Tom Cruise）那样在未来的可塑性实时数据屏幕上挥动手势，那你就大错特错了。

放射学人工智能正朝着数字化的方向发展，放射科医师的工作就是监测和评估机器的输出，而不是像现在这样手动地检查所有可能的病情发现。就我个人而言，我非常欢迎这样的做法——因为我已经浪费了太多的工作时间，在多个CT扫描上测量淋巴结，或者数着脊椎骨，来报告错位的程度。我宁愿检查一个系统是否测量了正确的淋巴结，确定了所有需要的椎骨，并在研究结果上签字。放射科医生将从使用粗糙工具的“lump学家”转变为“数据处理者”，处理更加复杂的量化产出。

放射科医生也将被赋予比以往更专业的能力，随着生产力的提高，医生和病人都能有更多的时间交流病情结果。我当然可以将放射科医生视为数据传播者，无论是在他们的病例中，还是在肿瘤委员会的临床小组，甚至直接向患者提供信息。目前的职业由于诟病太多只是在黑暗的房间里躲得远远的，而且，如果有的话，人工智能有能力让放射科医生重返光明。这才是真正的力量所在。

如果您和我一样对放射学人工智能的未来感到兴奋，并且想要讨论这些想法，请在Twitter @drhughharvey上与我联系。

如果你喜欢这篇文章，请你点击“推荐”并“分享它。

▌关于作者

Harvey博士是一位认证的放射学家和临床学者，曾在英国国家医疗服务系统（NHS）和欧洲领先的癌症研究机构ICR接受过培训，他曾两次获得年度科学作家奖。他曾在古巴卫生部门工作，领导管理事务团队，在AI支持的分流服务方面获得世界首创的CE认证。现在，他是一名顾问放射科医师，皇家放射医师学会信息学委员会成员，以及包括包括Algomedica和Kheiron Medical在内的人工智能创业公司的医疗顾问。

参考链接：

https://towardsdatascience.com/why-ai-will-not-replace-radiologists-c7736f2c7d80

-END-

专 · 知

人工智能领域主题知识资料查看获取：【专知荟萃】人工智能领域26个主题知识资料全集（入门/进阶/论文/综述/视频/专家等）

请PC登录www.zhuanzhi.ai或者点击阅读原文，注册登录专知，获取更多AI知识资料！