AI 預言失準：放眼放不下的放射科未來

zero comment

人工智能教父預言我會失業，但他錯了

本月初，76歲的“人工智能教父”Geoffrey Hinton獲得了諾貝爾物理學獎。Hinton對神經網絡的開創性貢獻被認為推動了今天人工智能的爆發，但最近他卻因為警告人工智能對人類的風險而成為危言聳聽者。在我自己的工作領域，Hinton在2016年以預測我的職業將會消失而聲名狼藉。

我是一名正在進行第二年住院醫師訓練的醫生，但當Hinton建議我們應立即停止培訓放射科醫生時，我還在大學三年級。他說：“在五年內，深度學習將比放射科醫生做得更好……可能是十年，但我們已經有足夠多的放射科醫生了。”他的話語產生了深遠影響。2010年代末充斥著宣稱放射學終結的文章；我知道至少有幾個人因為這些預測而選擇了其他職業。

八年過去了，Hinton的預言顯然沒有成真；深度學習無法完全取代放射科醫生，我們現在正面臨歷史上最大的放射科醫生短缺，有些中心的影像檢查積壓了數月。

這並不是說Hinton對人工智能在放射學等領域的潛力完全錯誤。但在我的領域中，他2016年的誇大預測與當今一些人工智能懷疑者的看法一樣，未能抓住人工智能將如何——以及不會如何——在未來幾年中影響我們工作的更細微現實。

成為放射科醫生需要很長時間。在大學之後，需要四年醫學院、一年的普通醫學初步訓練、四年的放射學住院醫師訓練，然後是一到兩年的專科進修。這樣廣泛的教育意味著工作的複雜性和重要性，應使其不可動搖，但也使得被算法取代的前景更令人不安。我花了十多年學習，卻要失去工作給一台電腦？

考慮到對將機器學習應用於放射學的巨大興趣，這種擔憂是可以理解的。在近1000種FDA批准的人工智慧醫療設備中，至少76%是為放射學設計的。發表在機器學習上的論文如此之多，以至於我們領域的主要組織——北美放射學會，設有專門針對放射學和AI的期刊，討論的話題從小兒神經腫瘤學到數字乳房斷層合成。

雖然目前大多數這些應用仍是理論上的（我的工作站只有一個基本的內置AI套件），但可以公平地說，AI在每個人的腦海中。醫學生在閱讀室輪轉時問我們這些住院醫師，十年後我們是否會有工作；工程類型的人讚賞計算機推理的客觀性，而資深放射科醫生則惋惜醫學中的人類直覺失落。醫院管理者、計算機科學博士、外科醫生，甚至我的非醫學朋友都宣稱AI要麼是救世主，要麼是“搶飯碗的”。

在我的同儕中，有些人預測未來AI將減輕我們的負擔，最大化效率，減少錯誤，鞏固診斷放射科醫生的不可或缺性。也有些人認同Hinton的觀點，認為放射科醫生就像“已經在懸崖邊緣的土狼，只是還沒低頭看”——因此計劃選擇最高薪的工作，努力工作並存錢，以備地板最終塌陷。未來被描繪成AI與醫學博士的戰鬥，我們越來越被要求選邊站，為人類或機器投票。

大多數關於這個話題的報導都集中在AI與人類放射科醫生的準確性比較上，強調人機對抗的場面。放射科醫生是否像約翰·亨利一樣，在山上敲打，蒸汽機在後面緩緩逼近？還是放射學中的AI最終會像賽格威、Fitbit、Google Glass、比特幣或Theranos一樣——充其量是一個新奇的工具，最糟的是一個徹底的騙局？

這是一個錯誤的二元對立——是一種無根的絕望或盲目的沙文主義的邀請。關於AI的史詩級失敗的笑話和那些說我們都會被取代的人，包括諾貝爾獎得主一樣愚蠢。從我的角度來看——在這個領域中，但剛開始我的旅程——最確定的是我們將走出一條中間道路。正如Curtis Langlotz所說的一句值得重複的口頭禪：AI不會取代放射科醫生，而是“使用AI的放射科醫生將取代那些不使用AI的。”

放射學的職業長度，以及我們培訓中所賦予的技能，允許我們適應新技術。我的幾位導師年紀夠大，記得腦室氣腦造影這種技術，在這種技術中，患者腦部周圍的腦脊液被抽出並用空氣替換，然後在患者旋轉時進行X光檢查。僅僅幾十年前，放射科還存放著實體膠片，放射科醫生踩著腳踏板將X光片轉到觀片箱上。現在我們有腦部MRI。

作為一名新興的放射科醫生，我設想一個未來，其中算法執行我們現在的一些任務，但仍然有其他圖像或程序——也許尚未發明——由像我這樣的人繼續執行和監督。雖然AI推崇者通常專注於影像解釋中的機器學習，AI也在探索“非解釋性任務”，如減少成像伪影、縮短掃描時間和優化技術人員工作流程。在這一點上，透過炒作的迷霧很難看到，儘管我不懷疑AI在未來幾十年中會在我的工作中扮演重要角色。我想起了未來學家Roy Amara的一句名言：“我們往往高估技術在短期內的影響，低估其在長期內的影響。”

儘管如此，我對放射學中的AI仍有保留意見，尤其是在教育方面。AI的一個主要承諾是它將處理“簡單”的掃描，讓放射科醫生專注於“更難”的部分。我對此預測不以為然，因為“簡單”的案例只有在我們訓練期間閱讀了數千個之後才如此——對我來說，它們仍然不容易！我的導師能夠解釋更高級的影像的唯一原因是他們在這些基礎上有著深厚的基礎。如果我們將這部分訓練交給AI，肯定會失去一些東西，就像如果飛行員將他們的“簡單”飛行交給計算機一樣。正如神經放射科醫生和博主Ben White所指出的，缺乏經驗的放射科醫生更可能同意AI對掃描的錯誤解釋，而不是更有經驗的放射科醫生，這表明在未來我們需要更強的人類放射科醫生，而不是橡皮圖章。

失敗主義的預測的問題是，它們總是可以更新，無論它們被證明是多麼顯然錯誤。去年，Hinton更新了他的時間表，預測在10到15年內深度學習將與放射科醫生達成平等。但這並沒有平息我所在領域的替代幽靈。

值得注意的是，自從針對放射科醫生之後，Hinton已經轉向警告AI的存在風險。如果他值得相信，人工智能將對人類構成比失業更大的威脅，並將使我們對工作安全性、抄襲或深度偽造的辯論顯得微不足道。我無法證偽他，但我傾向於相信土狼Wile E. Coyote的正確想法：繼續前進。

編輯評論：

這篇文章深入探討了人工智能在放射學領域的影響，並挑戰了一些流行的預測。它提醒我們，技術的進步並非一夜之間發生，並且在科學和醫學領域，人的直覺和經驗仍然至關重要。人工智能的應用不應該被視為對人類職業的威脅，而是應該被視為一種輔助工具，能夠提升我們的能力和效率。

值得注意的是，文章中提到的對於教育的擔憂，強調了基本技能的重要性。這提醒我們，在追求技術創新的同時，基本的醫學訓練和人類的判斷力依然不可或缺。這篇文章鼓勵我們以開放的態度迎接技術變革，同時保持對人類價值的堅持。未來的放射學將是人機協作的結果，而非簡單的取代。

以上文章由特價GPT API KEY所翻譯