«В данный момент мы могли бы заменить значительную часть рентгенологов искусственным интеллектом». Митчелл Х. Кац, доктор медицины, президент и генеральный директор NYC Health + Hospitals.

Подобные утверждения звучат уже почти десять лет. Искусственный интеллект действительно добился значительных успехов. Сегодня примерно половина американских радиологов используют ИИ в той или иной форме, а более трех четвертей одобренных FDA устройств на основе ИИ используются в радиологии. Несмотря на этот прогресс, ИИ пока не готов заменить радиологов в сколько-нибудь значимой или масштабируемой степени.

Руководители системы здравоохранения предполагают, что значительную часть радиологических услуг уже можно было бы заменить, если бы это позволяли правила, ссылаясь на экономию средств и повышение эффективности скрининговой маммографии. Хотя экономические аргументы могут быть убедительными, формулировка этого как «замены» предполагает, что роль радиолога сводится исключительно к анализу изображений. Искусственный интеллект коренным образом меняет экономику знаний, но пока не может заменить экспертную оценку. Именно в этом и заключается основная проблема.Риши СетРадиационный ИИ

Как врач-радиолог, работающий на стыке клинической практики и разработки ИИ, я глубоко верю в потенциал этой технологии. Я также считаю, что внедрение ИИ в качестве замены врачей сегодня преждевременно и сопряжено с рисками, которые еще не до конца изучены.

Уроки, извлеченные из ранних прогнозов

В 2016 году Джеффри Хинтон предсказал, что подготовка новых врачей-радиологов вскоре станет ненужной. Эндрю Нг высказывал аналогичные опасения, предполагая, что даже высококвалифицированные врачи уязвимы для вытеснения. Эти прогнозы не оправдались. Не потому, что развитие ИИ застопорилось, а потому, что реальная медицинская практика сложнее, чем предполагалось изначально. Радиология — это не просто интерпретация изображений.

С тех пор оба пересмотрели свои взгляды. Реальность сместилась в сторону сотрудничества, а не замены: ИИ как инструмент, повышающий эффективность и точность, а не устраняющий клинический контроль. Дженсен Хуанг также отметил, что «удивительно, что предсказание о том, что первыми исчезнут профессии рентгенологов, оказалось прямо противоположным». Тенденция показывает, что сейчас благодаря ИИ нанимается больше рентгенологов.

Этот сдвиг отражает более глубокую истину: первоначальный успех в контролируемых условиях часто не переносится в клиническую реальность, где изменчивость протоколов визуализации, групп пациентов и клинического контекста является нормой.

Растущий спрос

В Соединенных Штатах наблюдается значительная нехватка врачей-радиологов, которая, по прогнозам, сохранится на протяжении десятилетий и будет вызвана растущим спросом, старением населения, профессиональным выгоранием, снижением оплаты труда и текучестью кадров.

Хотя это и создает понятное стремление к автоматизации, клиническая готовность требует согласованности действий в различных условиях, способности принимать взвешенные решения в неоднозначных случаях и ответственности за ошибки, а это условия, которым ИИ пока не соответствует.

Искусственный интеллект на практике

Хотя модели визуального языка (VLM) почти наверняка займут большую долю в интерпретации изображений в ближайшие годы, они не являются заменой. Это рациональное перераспределение дефицитного когнитивного ресурса. Полный спектр радиологии включает в себя контекстное мышление, не выраженное в одном изображении.

Радиология — это не классификация изображений. Это интеграция результатов визуализации в клиническую картину. Мы не просто выявляем отклонения; мы определяем их значение в контексте анамнеза пациента, симптомов, предыдущих исследований и клинической динамики. Мы взвешиваем неопределенность, оцениваем риски и решаем, что имеет значение.

В этом и заключается разница между обнаружением и оценкой, и современный ИИ не справляется ни с тем, ни с другим. Большинство инструментов ИИ в радиологии по своей природе узкоспециализированы и предназначены для обнаружения одного-единственного признака на одном методе визуализации. В отличие от этого, сложное поперечное исследование требует одновременной оценки десятков систем органов. Языковые модели в области компьютерного зрения демонстрируют многообещающие результаты в этом направлении, но остаются существенные пробелы. И даже там, где обнаружение работает эффективно, оценка и рассуждение по-прежнему отсутствуют.

Ответственность — это реальная цена.

Аргумент о «значительной экономии» в пользу замены рентгенологов недальновиден, поскольку зарплаты рентгенологов составляют менее одного процента от операционных расходов больниц, в то время как административные расходы составляют почти треть расходов на здравоохранение в США.

Скорее, основная проблема заключается в ответственности: когда рентгенолога отстраняют от должности, четкая цепочка подотчетности исчезает.

Ответственность становится размытой, потенциально вызывая споры между больницей, поставщиком услуг и поставщиком оборудования. Современные системы искусственного интеллекта одобрены только для поддержки принятия клинических решений, и поставщики оборудования прямо заявляют об отказе от диагностической ответственности, создавая неопределенную структуру ответственности для больниц, использующих их автономно.

Кроме того, пациенты в большинстве своем предпочитают ИИ в качестве второго диагностического инструмента, а не замены, и расширение доступа таким образом рискует снизить качество медицинской помощи. Вопрос подотчетности – это сложная проблема, которую модели затрат не затрагивают.

Будущее ИИ в радиологии

Всё это ни в коем случае не является аргументом против использования ИИ в радиологии. Совсем наоборот.

Искусственный интеллект, который выявляет и сортирует критически важные результаты, сокращает время обработки данных, отслеживает случайные поражения, помогает в составлении отчетов, предоставляет контекстные рекомендации и выявляет потенциальные ошибки, представляет собой значимый и необходимый шаг вперед. Эти инструменты дополняют клиническое суждение, снижают когнитивную нагрузку и повышают согласованность, точность и эффективность.

Роль рентгенолога в ближайшее время не исчезнет. Однако она меняется. По мере того как искусственный интеллект расширяет доступ к знаниям, ценность радиологии все больше заключается в способности применять здравый смысл: интерпретировать результаты в контексте, оценивать неопределенность и решать, что важно для пациента перед нами.

Весьма вероятно, что ИИ достигнет точки, когда автономная интерпретация станет жизнеспособной. Но этот порог определяется не только техническими характеристиками. Он требует надежной проверки в различных клинических условиях, четких нормативных рамок и системы подотчетности, которая защищает пациентов в случае ошибок. Мы еще не достигли этого.

Это не просто техническое решение для систем здравоохранения. Это клиническое и оперативное решение, имеющее реальные последствия для управления рисками и их конечного уровня. Критерием для замены является не только техническая эффективность. Это способность принимать взвешенные решения в условиях неопределенности и нести ответственность за последствия.

Искусственный интеллект еще не преодолел этот порог.

Пока этого не произойдет, отстранение врача от диагностического процесса не будет прогрессом. Это будет перекладыванием риска на пациентов, не имеющих системы, готовой его принять.

Риши Сет, доктор медицинских наук, сертифицированный специалист по нейрорадиологии, является нейрорадиологом и главным директором по медицинским инновациям в компании Rad AI.

Внимание, автоперевод! За ошибки перевода ответственности не несём. Первоисточник по ссылке.