AI 會不會取代醫生？_風聞

來源：微博知名健康醫療博主@莊時利和

AI 會不會取代醫生？

最近網上有一個帖子傳得比較多，關於未來幾年內人工智能會取代醫生的，還説首當其衝的就是影像科醫生。

這個問題要是展開説的話很複雜，今天只往簡單裏説。

1. 先説傳説中「最可能被取代的影像科」。

這幾年影像科比較大的改變就是引入了AI。我去年在一篇文章裏提到，現在很多肺結節並不是醫生髮現的，而是AI發現的。現在健康人羣體檢，最高有50%的概率能發現肺結節，也就是説兩個人就有一個會發現。

因此：

-現在高清晰的CT掃描以及AI技術的引入，使得肺結節的檢出率顯著提高；

-但肺結節的高檢出率在臨牀上有什麼樣的收益和風險，我們目前還不清楚。

再比如説甲狀腺超聲這二十年也很普及，發現的甲狀腺結節也特別多，但是後來發現很大一部分甲狀腺癌病例與過度診斷有關（尤其是女性）。為了解決這個問題，衞健委還在去年的診療指南里面強調，不推薦一般人羣行甲狀腺腫瘤篩查。

所以AI能代替的是一些反覆的工作，AI有更高概率發現影像學異常，而且隨着技術發展，它的準確率會越來越高，並且AI不會疲勞。

但是準確度高並不直接等價於有臨牀意義，這需要更多更長時間的臨牀研究才能有答案，這需要大量醫生去思考、設計、開展並歸納總結的系統問題。

2. 另外一方面，看片子並不是影像科醫生的全部工作。

-某位患者應當選擇什麼樣的影像檢查（比如一個乳腺癌患者應當做鉬靶、B超、MRI還是PET-CT）

-如何基於影像學檢查結果給於臨牀醫生可靠的解讀；

-如何參與到臨牀實踐當中（比如影像引導下的介入治療）；

……

看片子只是其中的一個基礎操作而已。況且，在以前各種儀器檢查中就多多少少有機器輔助解讀了，比如十幾年前我在醫院實習輪轉的時候，那時的心電圖機就能直接給出診斷結果了，當然結果不一定準確，還需要醫生最終確認簽字。

還有一個問題就是，我們訓練AI的數據來自於以往的影像檢查結果，但是醫學領域不像互聯網的公開數據，它存在很大的信息獲取屏障，基於患者隱私保護也好、或者不同廠家、醫院設置的行業壁壘，這些都是阻礙影像AI訓練的地方。

當然假以時日，這些問題我認為都可以解決，不過至少在現在，AI的影像解讀結果還達不到普遍認可的地步。

3. 這也涉及到更深層次的問題，那就是行業和法律許可問題。

客觀的説，一個低年資、經驗有限的影像科醫生，和現在訓練有素的影像AI模型，我想後者的解讀準確率可能還更高一點。但問題在於，我們現在所有行業所認可的，是「人類」的解讀結果。

比如保險公司和法庭是否願意採納AI給出的疾病判定，一方面是AI無法承擔責任，另外一方面醫生基於自身的利益考慮也會「讓AI無法擔責」。歸根到底，這個世界的遊戲規則是人類設定的，人類首先會保護自身的利益。

這就是醫學以外的限制，打破這些限制的難度遠高於AI算法的改進。

4. 醫生會被替代這種説法，並不是AI時代才有的，有電腦的時候就有這種説法了。包括在十年前IBM的Watson

Health也曾被寄予厚望，而且Watson一上來就是診療難度最大的癌症領域，IBM也投入了數十億美元，也與美國最頂尖的MD安德森癌症中心、紀念斯隆凱特琳癌症中心展開Watson的合作。

但是Watson最終失敗了，它最終沒有被訓練成一位癌症專家。這背後的原因有很多，大家感興趣的可以去查一下，或者你可以直接問下ChatGPT為什麼Watson沒有達到它最初的設計目標。

還是上面那句話，假以時日，我覺得醫生會有越來越強大的AI工具可以協助診療，但並不是替代醫生。重複機械的操作會被取代，而且應該被取代，注意這裏説的是「操作」而不是「職業」。

再往前一點説，上世紀五十年代，北京協和醫院的血常規是醫生在顯微鏡底下一個一個去數血細胞的，現在機器直接分析結果了，不需要耗費大量的人力工作了，但協和仍然還是協和。

5. 對於任何一個職業而言，能提供完整解決方案的職業被取代的難度是最大的。影像報告分析不難，但是目前只有醫生給出完整的、有臨牀意義的解決方案。在任何一個時代，請多多嘗試學習使用新工具，而不是與工具為敵。

這一點並不僅僅是限於影像醫生一個職業，也包括醫療行業以外的其他職業。附圖是我用midjourney畫的兩幅畫，這類AI畫作你今天在網上隨處可見，入門沒有什麼難度。

但是，能不能畫出有創意的、吸引人的作品，本質上還是看屏幕前的那個大腦。

最後，我在之前寫肺結節AI的那篇文章裏提到，將來我們應該相信醫生，還是相信AI？

其實，這兩者並不是對立關係的。AI可以輔助醫生提高工作效率，而醫生也應當將技術本身轉化為患者的臨牀獲益。

醫學進步，以人為本。