浪潮過後的思考：AI短期內難以取代放射科醫生
【導讀】1月25日，放射學家和臨床學者Hugh Harvey發布一篇博客，就近兩年AI在放射醫療領域過度炒作的現象給出評價和分析。作者以2016年神經網路的教父Geoffrey Hinton關於AI將取代放射科醫師的言論，引出當前佈道者和媒體對AI的過於炒作現象。作者首先對這種炒作現象進行批判，然後引出自己的觀點，認為AI在短期內並不會取代放射科醫師，並列舉原因支撐自己的觀點。誠然，AI的影響是有目共睹的！但需要保持冷靜的頭腦，致力於通過AI技術造福社會，而不是心浮氣躁過於吹噓，這才是我們所有AI從業者的正途！專知內容組編輯整理。
Why AI will not replace radiologists
為什麼AI不會取代放射科醫生
2016年末，神經網路的教父傑弗里·欣頓（Geoffrey Hinton）說，「很明顯我們應該停止放射科醫師的培養」因為圖像感知演算法很快就會被證明比人類更好。他說，「放射科醫生不願承認深度學習更能勝任放射科圖像識別任務（放射科醫師就像那些到了懸崖邊也不願低頭的狼群）」。
這導致了一股炒作浪潮，至今仍在繼續，而且這個局面似乎還在繼續。我的想法是，雖然這一波熱情和過度樂觀已經成功把放射學人工智慧帶到了人們想像的最前沿，並且投入了大量的資金，但它的過度誇大給決策者過高的期望，從而造成了無法估量的損失，並且正在對招聘產生明顯的連鎖效應，因為初級醫生開始認為機器確實在替代人類，所以他們不應該費事去成為放射科醫生。導致放射科人員稀缺，這種情況在英國尤其嚴重，這種情況將會威脅整個醫院系統的穩定。
圖：英國NHS關於放射學工作量和勞動力的統計摘要。從中你能看到問題…
你看，沒有放射科醫生，醫院根本無法運作。保守估計，超過95％的病人進入醫院將會進行一些醫學影像形式的檢查，因為這樣的患者數量還在增長，所以對醫學影像檢查服務的需求也在增加。不僅如此，由於醫療影像檢測被公認為在醫療診斷中非常重要，故而我們已經看到對醫學成像和放射科醫師的需求幾乎是呈指數級增長的。這種情況完全反駁了聳人聽聞的頭條新聞「機器打敗了放射科醫生」，而這些新聞只會進一步誤導公眾對AI現狀的理解，誤導他們認為放射科醫師的日子已經到頭了。
然而，不管你對人工智慧和自動化的有多麼痴迷或深信不疑，期望它在不久的將來完全取代放射科醫生，但這是不現實的，我估計至少還需要十年，直到我們看到人工智慧被用在日常的NHS實踐中。我知道就目前的期望和炒作的數量來講這可能是有爭議的，甚至可能令人驚訝，像我這樣基本上把自己的事業奉獻給放射學AI的人居然會這麼說，但是我相信對AI的未來進行明智的討論是至關重要的，而不能單純地聽信矽谷佈道者和媒體的道聽途說，他們對放射科醫生實際上做的事情一無所知，只是喜歡誇大他們兜售的產品。
在這篇文章中，我將嘗試解釋為什麼診斷放射科醫生不會被取代（只要他們和能及時掌握技術）的三個主要原因，甚至討論為什麼我們需要培養更多的放射科醫生。
▌原因1.放射科醫生不只是看圖像
診斷放射學工作流程的簡化示意圖，以及可實施AI系統的示例。圖像版權
@drhughharvey。
如果有人說AI將取代放射科醫生，那麼我需要強調一下放射科醫師不只是看看圖片！所有關於放射學人工智慧的媒體宣傳都只與圖像感知有關，在上面的圖中可以清晰看出，圖像感知並不是人類放射科醫師在日常工作中所做的全部事情。另外，上圖只是描述了一個診斷工作的流程，完全省略了面向病人的工作（超聲波，透視，活檢，引流等），多學科的工作例如腫瘤治療討論，教學和培訓，審計和差異審查診斷，這些放射科醫師也需要定期做。沒有隻把提供診斷報告作為全職工作的放射科醫生（甚至有介入放射學的專業，需要做的更多是類似於手術的工作而不只是看看圖片，這也是一個面臨勞動力危機的行業，所以AI系統不太可能取代放射科醫生）。
放射診斷技術可以簡化為上述可視化的組件步驟：從病人的介紹和病史決定是否成像，以及是執行什麼類型的成像，調度成像，以及自動化或標準化圖像採集。一旦成像完成，演算法將會越來越多地對圖像進行後期處理以供其他演算法解讀，在縱向時間幀內的數據集，改善圖像質量，分割解剖和檢測以及量化生物標誌物。目前，診斷推理似乎是最難解決的問題，而且是必須要用人類診斷師的原因。這將有助於引入智能報告軟體，標準化的模板和機器可讀的輸出，從而使得數據更適合進一步的演算法訓練,以便更好地通知未來的決策軟體。最後，報告的溝通可以通過語言翻譯或平行翻譯來實現半自動化，並對其他臨床醫生或患者進行結果展示。這僅僅是對於初學者…
雖然人工智慧絕對可以在這個診斷工作的每個步驟中發揮作用，甚至取代一些人，但AI（如調度）不能完全代替放射科醫生。除非我們能開發出一個完整的端到端系統對整個診斷路徑進行監督和控制。這個對我們來說仍然是一個夢想，尤其是考慮到目前人工智慧系統中最先進的技術，目前還只是剛剛進入臨床工作流程，沒有一個能在任何意義上取代放射科醫生的圖像感知工作。
▌原因2.人類將永遠保持最終的責任
在2017年，沒有一個人死於商業飛機事故。這個驚人的成功故事，部分原因是高科技系統的實施，使許多安全監督任務自動化，包括但限於防撞系統，地面近距離預警系統和改進的空中交通管制系統。它也在很大程度上是由於更好的訓練、對安全問題的認識以及飛行員和其他輔助航空工作人員對安全問題的警覺/升級。
在過去的幾十年里，自動化已經發展起來，使人們獲得了更多的自由來溝通安全問題，並有更多的時間來處理越來越多有用的信息，所有這些都是由行業主導的安全意識的內聚環境所支持的。然而，最關鍵的是，商業飛行員的數量沒有減少——事實上，情況恰恰相反。航空公司報告說缺少訓練有素的飛行員，而且實際需求要比全球預計需要的數量增加一倍以上。所以，隨著安全性的提高，成本降低，飛行變得更受歡迎，乘客數量增加，這就意味著需要更多的飛機。
醫學常被比作航空，有時是不適當的，而且常常是不準確的。但是，我覺得這兩個行業都有一些重疊的關鍵特性。首先，兩者都主要集中在從A點到B點維持人類安全，無論是在地理上還是系統上。兩者傳統上都依賴於人類的專業知識和高水平的技能來監督工作過程。在過去的10年里，兩者在自動化方面也有了長足的進步，當然，它們都能從人工智慧系統中獲得顯著的好處，這些系統將越來越多的認知負荷和平凡的任務從人類身上移開。但最重要的是，在這兩個行業，人類絕對沒有被取代。
原因很簡單——法律責任。想像一個人工智慧系統的所有者，在對病人實施治療時，完全承擔起機器造成的法律責任，這幾乎是不可思議的。沒有航空公司已經擁有完全沒有飛行員的商業飛機,如果是這樣, 我敢打賭，保單將會非常巨大，從而對於一般商業飛行來說，可能並不值得(不過,我承認它可能出現在私人或軍用飛機)。我們可能會看到的是「無人駕駛飛機」駕駛商業航班——飛行員直接坐在陸地上，但遠程監視發生在飛機上的一切。事實上，遠程操控的實驗已經在計划進行中，但是公眾的反響不一。
在醫學領域，目前為止，簡單地將AI系統限制在提供決策支持方面是非常容易的，並將所有最終的「決策」交給一個專業的人。目前還沒有一個現有的AI系統已經獲得醫療監管部門的批准，我真心懷疑是否會有這樣的一個人出現，除非他所做的決定都是微不足道的並且對生命的影響不大。這是因為人工智慧系統在解決醫學診斷問題上是不可能100%準確的，因為正如我之前所討論過的，醫學仍然是一門永遠無法被完全量化或解決的藝術。總會有異常點，總是有混淆因素。因此，我們將永遠需要某種形式的人類監督。
▌原因3：生產力的提高將推動需求
「If you build it, they will come--如果你建立起來，他們會來」是電影「Field of Dreams」（或Wayne』s World 2，取決於你的一代）常常引起誤解的說法。如果我們建立大規模改進放射科工作流程和診斷方法的系統，我們幾乎肯定會看到醫學影像需求的大幅增長。
我親眼目睹了這一點——當我還是一名實習生的時候，我們的部門開始了一項新舉措，試圖縮短超聲波的等待時間。我們打開了一個晚上的預約清單，上面有3到4個額外位置用於緊急預約的病人或已經等待了3個多星期的病人。起初，用一個實習生來管理這個額外的預約，這個模式運行地很好。畢竟，它最多只需要一個小時。不過很快，我們就開始注意到「請給我額外的名單」的請求，在我們知道之前，我們不得不開始打開額外的列表，額外的額外列表…，這反過來又變成了新的常態。我的觀點是，在放射科，如果你給一個醫生一個位置來掃描病人，他們會找到一個病人來填補這個空缺!
隨著人工智慧成為放射科的新常態，隨著掃描次數和等候名單的減少，隨著放射學報告變得更加準確和有用，我們將繼續看到我們服務需求的增加。再加上人口老齡化和複雜性在不斷地增長，在我看來需求的增加是100％不可避免的，而且可能是我仍然看好放射學作為職業選擇的主要原因。
我們需要培養更多的放射科醫師，以對付如海嘯般的成像需求和生成數據，甚至可能考慮在其他數據生產領域(如病理學和基因組學)的雙重或三重認證。「放射科醫生」甚至在未來都不會被稱為放射科醫師——至少這是我去年在RSNA上聽到過的一種說法，但這並不能否定一個事實，即人類仍將控制著數據的流動。
▌放射科醫生將會做什麼呢？
未來幾十年的放射科醫師將會越來越多地從過去的平凡任務中擺脫出來，並用華麗的預填充報告來驗證，並利用有趣的分析工具來輸出海量的「輻射」數據。但是如果你想把自己想像成湯姆·克魯斯（Tom Cruise）那樣在未來的可塑性實時數據屏幕上揮動手勢，那你就大錯特錯了。
放射學人工智慧正朝著數字化的方向發展，放射科醫師的工作就是監測和評估機器的輸出，而不是像現在這樣手動地檢查所有可能的病情發現。就我個人而言，我非常歡迎這樣的做法——因為我已經浪費了太多的工作時間，在多個CT掃描上測量淋巴結，或者數著脊椎骨，來報告錯位的程度。我寧願檢查一個系統是否測量了正確的淋巴結，確定了所有需要的椎骨，並在研究結果上簽字。放射科醫生將從使用粗糙工具的「lump學家」轉變為「數據處理者」，處理更加複雜的量化產出。
放射科醫生也將被賦予比以往更專業的能力，隨著生產力的提高，醫生和病人都能有更多的時間交流病情結果。我當然可以將放射科醫生視為數據傳播者，無論是在他們的病例中，還是在腫瘤委員會的臨床小組，甚至直接向患者提供信息。目前的職業由於詬病太多只是在黑暗的房間里躲得遠遠的，而且，如果有的話，人工智慧有能力讓放射科醫生重返光明。這才是真正的力量所在。
如果您和我一樣對放射學人工智慧的未來感到興奮，並且想要討論這些想法，請在Twitter @drhughharvey上與我聯繫。
如果你喜歡這篇文章，請你點擊「推薦」並「分享它。
▌關於作者
Harvey博士是一位認證的放射學家和臨床學者，曾在英國國家醫療服務系統（NHS）和歐洲領先的癌症研究機構ICR接受過培訓，他曾兩次獲得年度科學作家獎。他曾在古巴衛生部門工作，領導管理事務團隊，在AI支持的分流服務方面獲得世界首創的CE認證。現在，他是一名顧問放射科醫師，皇家放射醫師學會信息學委員會成員，以及包括包括Algomedica和Kheiron Medical在內的人工智慧創業公司的醫療顧問。
https://towardsdatascience.com/why-ai-will-not-replace-radiologists-c7736f2c7d80
-END-
專 · 知
人工智慧領域主題知識資料查看獲取：【專知薈萃】人工智慧領域26個主題知識資料全集（入門/進階/論文/綜述/視頻/專家等）
TAG:專知 |