對一些醫(yī)生而言，AI醫(yī)療的發(fā)展可能意味著自主權、地位甚至工作的喪失，但對放射科醫(yī)生來說，情況可能完全不同……

　　撰文 | 凌駿

　　“我們應該從現(xiàn)在起就停止培訓放射科醫(yī)生。因為5年內，AI的表現(xiàn)將超越放射科醫(yī)生?！边@是諾貝爾獎得主、英國計算機學家Geoffrey Hinton教授在2016年所說的話。

　　然而10年過去，Hinton教授對于AI的樂觀預測怕是落空了。又或者說，他低估了放射科醫(yī)生在診療活動中所能發(fā)揮的價值。

　　實際上，在AI醫(yī)療時代，放射科醫(yī)生不降反增。2026年1月舉辦的達沃斯世界經濟論壇上，英偉達CEO黃仁勛稱，在AI的幫助下，放射科醫(yī)生能將更多精力放在疾病診療。但隨著患者增多，醫(yī)院對放射科醫(yī)生的需求將隨之增加。

　　另據(jù)美國勞工統(tǒng)計局數(shù)據(jù)，放射科醫(yī)生就業(yè)崗位持續(xù)增長，預計從2024年到2034年就業(yè)人數(shù)將增長5%，高于所有職業(yè)3%的平均增長率。在我國，放射科醫(yī)生人才緊缺的情況同樣存在。

　　“AI不會取代放射科醫(yī)生，反而會推動崗位需求?！鄙虾ｉL海醫(yī)院放射診斷科副主任醫(yī)師曹凱向“醫(yī)學界”推測，“但這一過程中，它似乎也正在給放射科醫(yī)生的價值，制定新的評判標準?！?/p>

　　放射學依然是備受青睞的學科

　　事實上，放射學之所以受到大量科技公司和資本的關注，是因為它是AI在醫(yī)療領域應用的最佳落地學科場景。

　　計算機視覺是最早展現(xiàn)出超人類能力，且迄今發(fā)展最為成熟的智能技術。統(tǒng)計數(shù)據(jù)顯示，截至2025年底，在美國食品藥品監(jiān)督管理局（FDA）批準的約1300種AI醫(yī)療設備中，有約1000種用于放射學領域。

　　因此，按照“放射醫(yī)生時代終結”的設想，患者走出影像室，拿上機器給出的報告和結論，就可以直接對接全科或專科醫(yī)生。

　　但事實并非如此。在歐美，放射學依然是最受歡迎的學科之一，根據(jù)Medsacpe發(fā)布的2025年美國醫(yī)生薪酬報告，放射科醫(yī)生以年薪52.6萬美元位居第三，僅次于骨科和整形外科。

　　“雖然AI取得了驚人的進步，但這些工具大多只能關注一件事?！狈派淇平淌?、《放射學·人工智能》雜志編輯Charles Kahn曾在采訪中表示。

　　曹凱同樣認為，目前，AI的“超能力”主要聚焦在單模態(tài)的圖像識別，但放射科的工作遠不只是研究影像。

　　“放射科醫(yī)生需要具備多學科知識，結合患者病史、實驗室指標等多維度信息綜合判斷，與不同專科形成準確的醫(yī)療決策銜接?！辈軇P告訴“醫(yī)學界”。

　　在長海醫(yī)院，放射科醫(yī)生已經開始利用AI來增強圖像、識別醫(yī)學異常并預測疾病。2023年，曹凱與院內外多個團隊聯(lián)合開發(fā)出胰腺癌早篩智能模型“PANDA”，僅利用平掃CT，就能精準識別肉眼難以發(fā)現(xiàn)的微小早期胰腺癌影像病灶。

　　但曹凱表示，且不論PANDA的研發(fā)本就離不開放射科的海量數(shù)據(jù)和醫(yī)生臨床經驗，“即便該模型已落地，它仍只是一個疾病‘風險分層’工具，最終須由放射科醫(yī)生進行再確認、再判斷。任何模型都有適用范圍和偏性，漏診和誤診的風險只能靠人來兜底。”

　　AI不是代替放射科醫(yī)生，相反，越來越多的證據(jù)顯示，它是否能給患者帶來獲益，獲益多少，和使用AI的放射科醫(yī)生息息相關。

　　2024年3月發(fā)表在《自然·醫(yī)學》的一項研究顯示，AI輔助對放射科醫(yī)生的效果因人而異，它可能提高，也可能拖累醫(yī)療效率。AI要真正惠及患者，無法只靠技術，還需要對放射科醫(yī)生進行個體化的人機協(xié)作策略指導。

　　“我很樂意將某些工作交給AI來提高效率和準確性，但我不會把最終的解釋性結論，完全交給這項技術?！迸c放射學團隊合作的梅奧診所泌尿科Aaron Potretzke教授表示。

　　AI沒有淘汰放射學，但正在改變評價標準

　　近年來，人口老齡化、慢病負擔的增加推動了影像檢查需求量的高速增長，放射科醫(yī)生數(shù)量已遠不能滿足需求。

　　在英國，預計2028年放射科醫(yī)生的缺口將達到40%，美國在2032年的缺口預計將高達12.2萬人。

　　曹凱對“醫(yī)學界”分析，這是因為在影像技術成本降低和患者需求增加的情況下，醫(yī)療AI輔助的能力卻依然有限，“這是短期內難以解決的問題，因為它不是由技術制約所致?！?/p>

　　“其他行業(yè)訓練AI模型，幾乎窮盡了所有可用的數(shù)據(jù)與資源。但醫(yī)療領域不同，無論是患者隱私、國家監(jiān)管，還是數(shù)據(jù)質量參差不齊，都使得醫(yī)療數(shù)據(jù)在某種意義上是一座‘孤島’。”曹凱表示，這是當前醫(yī)療AI模型泛化能力與一致性雙雙受限、適用范圍較窄的主要原因。

　　“因此，我認為放射科醫(yī)生的缺口仍會繼續(xù)增加，即便放眼所有醫(yī)學學科，放射科人力的短缺也比較嚴重?！辈軇P說。

　　據(jù)報道，在梅奧診所，自Geoffrey Hinton教授做出放射科醫(yī)生“末日預言”以來，截至去年醫(yī)院已投入使用了超過250個AI模型，但作為用量最大的部門之一，放射科醫(yī)生數(shù)量不減反增，如今已有超過400名放射科醫(yī)生。

　　但值得注意的是，這種樂觀情緒似乎并不適用于所有放射科醫(yī)生。AI徹底取代人工或許還是杞人憂天，但它將淘汰部分人卻絕非危言聳聽。

　　“AI不會取代放射科醫(yī)生，但會使用AI的放射科醫(yī)生，將會淘汰不會使用AI的放射科醫(yī)生。”

　　正如2017年斯坦福大學放射學系Curtis Langlotz教授所言，技術沒有扼殺放射學，但它正在重塑放射學。

　　對一些醫(yī)生來說，這是機遇；而對另一些醫(yī)生來說，則意味著自主權、地位甚至工作的喪失。

　　曹凱分析，隨著AI應用愈發(fā)普遍，習慣和AI協(xié)作的放射科醫(yī)生，能力將得到同步提升。

　　而那些不擅長AI的醫(yī)生，自身能力和所能做的事，會被限制在“天花板”上，差距越拉越大，面臨著被淘汰的風險。

　　“我認為未來在某種場景、針對某一種病種下，AI會替代一部分放射科醫(yī)生的工作，但這個崗位不會被替代?！?/p>

　　“留下來的醫(yī)生，將從閱片這類傳統(tǒng)的放射科工作中解放出來，轉而去做更有價值的事，比如跟病患溝通和臨床協(xié)作，做研究，參與制定指南、共識，甚至反過來去引領AI的迭代和更新?！辈軇P說。

　　來源：醫(yī)學界

　　校對：蔡 菜

　　運營：王奧雅

　　責編：汪 航