一方面是对的，另一方面是错的。一位开创性的人工智能科学家曾预测计算机会取代人类放射科医生，但事实并没有如此。2016年，诺贝尔奖得主、“人工智能教父”杰弗里·辛顿预测，放射科医生——这些阅读X光、超声波和其他医学图像以帮助做出诊断的医生——将在五年内被计算机取代。如今，该领域可以引用马克·吐温的名言作为反击：我的“死亡”报道是夸张的。放射学的从业人员实际上在稳步增长，预计未来三十年将增加26％或更多。但辛顿可能没有意识到就业市场的动态，但这并未掩盖他的预见：他正确地指出，现在人类医生在房间里有一位硅基同事，其表现与他们相当或更好。事实上，放射学无疑是医学中人工智能的热土，使其成为医疗专业决策系统采用的风向标，并可能在其他领域也如此。到2026年初，大约四分之三的1400种经过食品和药物管理局批准的人工智能医疗设备用于放射学。一些设备通过起草报告或提醒医生关注那些急需关注的图像，提高了医生的工作效率。但其他人工智能工具则有可能改善人类表现，通过识别可能肉眼不可见的异常或解读图像，达到甚至有时超过经过训练的放射科医生的水平。例如，一项对43个临床试验的分析得出结论，人工智能辅助的结肠镜检查发现的息肉比传统方法多。提高准确性很重要，因为涉及诊断图像的平均人类错误率估计在3%到5%之间，这意味着全球每年大约有4000万错误。然而，解决方案并不是简单地用机器取代人类。在辛顿做出惊人预测十年后，最大的问题不是人类和人工智能在给定任务上的统计表现哪个更好，而是如何将人工智能的技术精确度与人类的经验和灵活性结合起来，以提高患者的利益。合作寻找设计这种协作系统的最佳方式并不简单。即使人工智能在解读某些图像时比熟练的放射科医生平均更可靠，它仍然会犯一些人类不会犯的错误，斯坦福大学医学与成像人工智能中心的主任放射科医生柯蒂斯·朗洛茨说。这使得放射科医生需要评估每一个人工智能的决策——绝大多数都是正确的——并识别算法出错的罕见情况。“这需要整个思维框架的重塑，”田纳西州孟菲斯圣犹太儿童研究医院智能成像信息学部门的负责人放射科医生保罗·易说。医生们已经习惯于推翻计算机的判断，但此时的状况有所不同。长期以来，由规则驱动的算法触发的电子病历警报一直在警告医生可能会出现的危险药物相互作用。朗洛茨说，医生们通常会在一半的时间内推翻这些警告。“我将会从计算机那里获得一些建议，我将不得不在关于该患者的所有其他信息的背景下评估这些建议，并做出最佳决策，”他说。相比之下，放射学中的人工智能图像分析系统通常基于可以识别肿瘤亚型、勾勒病变边界并执行其他高精度诊断任务的神经网络。与基于规则的算法不同，后者给出的答案或提示医生可以根据自己的医学知识快速解释，神经网络被称为“黑箱”系统。这些人工智能模型通常无法透露它们是如何做出决定的，这使得放射科医生决定是否否决这一决定的工作变得更加不透明。“那真的算是异常吗，还是我漏掉了一些人工智能用其微妙的思维或什么来识别的东西？”北美放射学会出版的《放射学：人工智能》编辑查尔斯·坎说。“这对我们来说真的很具有挑战性。”否决权朗洛茨举了一个理论人工智能工具的例子，该工具可以在胸部CT上检测到95%的肺结节，而放射科医生的检测率为90%。他表示：“有人会说，‘哦，人工智能比放射科医生更优秀，所以我们应该用人工智能取代所有的放射科医生。’但是我告诉你，放射科医生将会发现机器漏掉的那5%。这就是因为机器智能和人类智能是不同类型的智能。”人工智能可以在图像上检查每个像素，而不会感到疲倦或分心，并将其与其见过的每个其他图像进行比较。