人工智能方面的最新進(jìn)展已引起人們猜測(cè)：人工智能有朝一日會(huì)取代放射科醫(yī)生？研究人員已開發(fā)出這樣的深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)：識(shí)別放射影像中的病征，比如骨折和潛在癌變病灶，在某些情況下比普通的放射科醫(yī)生還要可靠。不過總的來說，最出色的系統(tǒng)目前與人的表現(xiàn)不相上下，而且僅用于研究環(huán)境。

話雖如此，深度學(xué)習(xí)在迅速發(fā)展，這項(xiàng)技術(shù)比以前的醫(yī)學(xué)影像分析方法好得多。這可能預(yù)示著在未來，人工智能在放射學(xué)會(huì)扮演重要的角色。放射學(xué)實(shí)踐無疑會(huì)得益于能快速讀取和解讀多個(gè)影像的系統(tǒng)，因?yàn)樵谶^去的十年，影像數(shù)量的增加比放射科醫(yī)生數(shù)量的增加快得多。因此，可以減少人力、降低成本和提高診斷準(zhǔn)確性的任何解決方案都將造福于醫(yī)患雙方。

這對(duì)放射科醫(yī)生來說意味著什么？據(jù)稱，一些醫(yī)科學(xué)生之所以決定不學(xué)放射學(xué)專業(yè)，是因?yàn)樗麄儞?dān)心這份工作會(huì)被淘汰。然而我們確信，絕大多數(shù)放射科醫(yī)生在未來幾十年會(huì)繼續(xù)有工作――人工智能將要做的是改變和改進(jìn)這份工作。我們認(rèn)為，放射科醫(yī)生不會(huì)從勞動(dòng)力大軍中消失有一下幾個(gè)原因，并且其中幾個(gè)因素會(huì)阻礙受人工智能威脅的其他工作出現(xiàn)大規(guī)模自動(dòng)化。

首先，放射科醫(yī)生的工作不僅僅是閱讀和解讀影像。與其他人工智能系統(tǒng)一樣，放射學(xué)人工智能系統(tǒng)執(zhí)行單個(gè)任務(wù)（弱人工智能）。深度學(xué)習(xí)模型針對(duì)特定的影像識(shí)別任務(wù)（比如識(shí)別胸部CT上的結(jié)節(jié)或腦部MRI上的出血）進(jìn)行訓(xùn)練。但要想完全識(shí)別醫(yī)學(xué)影像中所有可能出現(xiàn)的結(jié)果，勢(shì)必需要成千上萬的特定檢測(cè)任務(wù)，而如今人工智能只能執(zhí)行少數(shù)幾個(gè)任務(wù)。此外，影像解讀工作僅僅是放射科醫(yī)生執(zhí)行的其中一項(xiàng)任務(wù)。他們還要咨詢其他醫(yī)生探討診斷和治療，包括治療疾�。ū热缣峁┚植肯�融療法）、執(zhí)行基于影像的醫(yī)學(xué)干預(yù)（介入放射學(xué)）、定義要進(jìn)行的影像檢查的技術(shù)參數(shù)（針對(duì)患者的病情），并將影像的發(fā)現(xiàn)結(jié)果與其他醫(yī)療記錄和檢驗(yàn)結(jié)果聯(lián)系起來，與患者討論手術(shù)和結(jié)果，以及其他許多活動(dòng)。就算人工智能代替醫(yī)生來解讀影像，大多數(shù)放射科醫(yī)生也可以將重點(diǎn)轉(zhuǎn)向其他這些必要的活動(dòng)上。

其次，基于人工智能影像工作的臨床過程離準(zhǔn)備好日常使用還有很長一段路。Dreyer與美國放射學(xué)會(huì)（ACR）數(shù)據(jù)科學(xué)研究所的調(diào)查發(fā)現(xiàn)，不同的成像技術(shù)廠商和深度學(xué)習(xí)算法專注于它們面對(duì)的使用場(chǎng)合的不同方面。即使在FDA批準(zhǔn)的基于深度學(xué)習(xí)的結(jié)節(jié)檢測(cè)系統(tǒng)當(dāng)中，也有不同的側(cè)重點(diǎn)：病變的可能性、癌癥的可能性、結(jié)節(jié)的特征或其位置。這些獨(dú)特的側(cè)重點(diǎn)將使醫(yī)院很難將深度學(xué)習(xí)系統(tǒng)嵌入到當(dāng)前的臨床實(shí)踐中。因此，ACR開始為深度學(xué)習(xí)軟件廠商定義輸入和輸出。FDA要求，廠商們將算法投入市場(chǎng)前后需要驗(yàn)證算法的有效性和價(jià)值，ACR為此提供了一套方法。與此同時(shí)，ACR在竭力整理歸納全面的使用場(chǎng)合，對(duì)臨床過程、影像要求和輸出解釋都作了明確的定義，符合當(dāng)前和未來的臨床實(shí)踐。當(dāng)然，整理歸納全面的使用場(chǎng)合要花好多年，這進(jìn)一步擴(kuò)大了放射科醫(yī)生在人工智能世界的角色。

第三，用于圖像識(shí)別的深度學(xué)習(xí)算法必須拿“標(biāo)記數(shù)據(jù)”來進(jìn)行訓(xùn)練。在放射學(xué)領(lǐng)域，這意味著醫(yī)生要自已來確診患有癌癥、骨折或其他病征的患者的影像。在深度學(xué)習(xí)大獲成功的其他類型的圖像識(shí)別中，算法已拿數(shù)百萬個(gè)標(biāo)記的圖像進(jìn)行了訓(xùn)練，但是沒有放射影像的集中存儲(chǔ)庫，因?yàn)樗鼈儦w廠商、醫(yī)院及醫(yī)生、成像中心和患者擁有，收集和標(biāo)記它們頗具挑戰(zhàn)性、且耗費(fèi)時(shí)間。

最后，正如自動(dòng)駕駛汽車需要改變汽車監(jiān)管和保險(xiǎn)一樣，人工智能應(yīng)用于醫(yī)療領(lǐng)域也需要改變醫(yī)療監(jiān)管和健康保險(xiǎn)，基于此自動(dòng)影像分析才會(huì)普及起來。比如說，如果機(jī)器誤診了癌癥病例，誰負(fù)責(zé)？醫(yī)生、醫(yī)院、成像技術(shù)廠商，還是開發(fā)算法的數(shù)據(jù)科學(xué)家？所有這些問題都需要加以解決，這方面的進(jìn)展不可能與實(shí)驗(yàn)室里的深度學(xué)習(xí)研究一樣神速。人工智能放射器械可能需要比放射科醫(yī)生遠(yuǎn)勝一籌――不僅僅是一樣好，那樣才能推動(dòng)監(jiān)管和報(bào)銷方面所需的變化。

如此看來，下一次你做乳房X線照片或MRI時(shí)，你的影像不太可能只由人工智能算法來查看。與律師、理財(cái)規(guī)劃師、會(huì)計(jì)師及看到一些工作任務(wù)由智能機(jī)器處理的其他專業(yè)人員一樣，放射科醫(yī)生會(huì)發(fā)現(xiàn)目前的工作出現(xiàn)變化，而不是被取代。

因此，放射科醫(yī)生們需要采用新的技能和工作流程。正如一篇博文所說，只有拒絕使用人工智能的放射科醫(yī)生其工作才會(huì)受到威脅。將人工智能與放射學(xué)實(shí)踐結(jié)合起來可以在醫(yī)療和工作效率方面獲得顯著的成效。工作效率的提升甚至可能意味著，放射科醫(yī)生可以花更多的時(shí)間與其他醫(yī)生探討診斷和治療方案。如果在深度學(xué)習(xí)圖像分析方面取得了預(yù)期的改進(jìn)，那么醫(yī)療機(jī)構(gòu)、患者和付費(fèi)方將會(huì)將關(guān)注點(diǎn)轉(zhuǎn)向搞清楚如何與人工智能一起高效工作的放射科醫(yī)生。