英國影像學AI大牛發聲：人工智慧不會代替影像科醫生！

We may be willing to be accept a computer-generated diagonsis or legal decision, but we still expect a human to be ultimately accountable for the outcomes.

我們也許可以接受計算機生成的診斷方案或法律決策，但是，我們仍然期望是人類為這些決定最終負責。

-Satya Nadella, CEO Microsoft 薩迪亞.納德拉 微軟CEO

本文原作者介紹：

Hugh Harvey醫生是一位影像科醫生和臨床專家，曾在英國NHS系統和歐洲頂尖的癌症研究機構ICR接受培訓，並曾兩次獲得ICR授予的年度最佳科普作家稱號。他曾就職於英國Babylon Health公司，領導公司的法規部門獲得了世界上第一個AI分診系統的CE認證商標。目前他擔任影像科主任，是英國皇家影像學會信息學委員會成員，並任職幾間AI初創公司的顧問。

——2016年底，「神經網路之父」Geoffrey Hinton教授曾預言：我們是時候停止培訓醫學影像醫生了，因為圖像感知演算法馬上就會比人類更強大。而影像科醫生們，就像『在懸崖邊上的土狼，還沒來得及注意腳下的危險』。

他的言論引發了一場延續至今的狂風巨浪，而這場熱潮尚未出現任何褪去的跡象。雖然如此的激情和樂觀成功地把醫學影像人工智慧置於人們想像力的最前沿，並且獲得了巨額的資金支持；但同時也因為讓政策和決策者的期望過度誇大而帶來了潛在的傷害，並且著實影響了醫務人員的招聘－初級醫生的期待幻滅了，因為他們開始相信機器確實能夠代替人類，那他們還何苦應聘影像科醫生的職位呢？很難想像影像科醫師短缺危機導致的破壞性局面，尤其是發生在英國的急診科時，會威脅到整個醫院系統的穩定性。

如果沒有影像科大夫，一間醫院根本無法運轉。保守地估計一下，（英國）有95%來醫院看病的病人會接受某種形式的醫學影像檢查，而這項醫療服務的需求會隨著患者數目的增長而增加。更重要的是，因為醫學影像被認為是大多數診斷、治療和預後評估的關鍵，人們已經能夠看到對醫學影像檢查和影像科醫生需求的指數級增長。

這一事實似乎正好印證了「機器打敗了影像科醫生」這種聳人聽聞的新聞頭條的真實性，並且只會進一步誤導老百姓對人工智慧目前真實狀況的認知，讓他們誤以為影像科醫師這一職業已時日無多了。

然而，無論你已經有多麼深信甚至痴迷AI和自動化的諸多可能性，要想在不久的將來完全替代人類影像科醫生是完全不可能的。至少在十年以後，我們才能看到英國醫療系統日常使用AI－而這一意見已經被英國議會記錄下來。

在目前存在大量人工智慧的炒作的情況下，這番有爭議的言論可能會令人非常驚訝。尤其是像我這樣，基本上把整個職業生涯都投入到了對醫學影像學人工智慧的工作中；但是我相信，對於這一學科未來的理性討論是至關重要的，而不是只聽信那些矽谷的傳道者和媒體們－承認吧，這些人對影像醫師的工作毫無頭緒，只是喜歡玩弄他們擁有的話語權罷了。

在這篇文章中，我將嘗試用三個理由來闡述為何影像科醫生這一職業是安全的（只要他們隨著技術與時俱進），並且討論我們為什麼需要培訓更多的影像科人才。

第一、醫學影像科醫生不是只會看片子

如果我可以沖著那些聲稱人工智慧能代替影像科醫生的人大吼的話，我一定會喊－影像科大夫不是只會看片子！所有媒體關於影像學人工智慧的狂熱宣傳都僅僅是關於圖像的認知，但正如上圖中所示的，辨識圖像並不是人類影像學醫生日常所做的全部工作。

此外，上圖中只描繪了診斷工作流程，而並不包括面對患者的工作（超聲、透視、活組織檢查、引流等）；腫瘤多學科診療團隊工作、教學、培訓、督查、審閱異常報告等等，都是一名影像科醫生日常的工作。據我所知，沒有一名影像科醫生只把看片子作為全職工作的。甚至存在單獨的影像介入專業，它更像手術而不是圖像認知，這個專業也正面臨著員工不足，而且不太可能從人工智慧中獲益。（如此看來，中國的影像科同仁們該有些危機感了）。

影像學診斷的工作流程可以用上圖的步驟簡單地表述：從患者就診和病史決定其是否需要影像學檢查，需要何種影像學檢查手段，安排檢查，以及使用標準化或自動化的方式獲取影像。

一旦成像完成，演算法將在隨後處理影像，並為後續其他演算法的解讀做好準備，在縱向時間軸上註冊數據集，改善圖像質量，分割解剖結構，以及執行生物標記物的檢測和定量。

目前，診斷推導仍然是最難啃的那塊骨頭，也是人類有最多存在感的地方。這可以通過引入智能報告軟體，標準化模版以及機器可讀的輸出來進行數據處理，以進一步進行演算法策略的學習，從而更好地為未來的決策軟體提供信息。

最後，檢查報告可以通過語言翻譯或直譯來實現半自動化，並且可以有意義的形式來向其他臨床醫生或病人實現結果的增強表現。這些技術新手就可以使用。雖然人工智慧在這個診斷流程的每個步驟中都肯定能夠起到作用，甚至在某些情況下可以代替人類（如調度），但它完全不能代替放射科醫生。

除非有奇蹟發生，我們能夠開發一個完整的端到端系統，來監控整個診斷路徑。對我而言，這是一個夢，特別是目前人工智慧系統的技術水平幾乎沒辦法進入臨床工作流程，更別說能夠輕而易舉地取代影像科醫生圖像識別的工作。

第二、人類始終要承擔最終責任

2017年，沒有一個人死於商業飛行事故。這個令人驚嘆的成功故事一部分歸功於高科技系統的應用，該系統可自動執行通常需要人類職員進行的安全監督任務，包括但不限於防撞系統、先進的近地警告系統和改良的空中交通管制系統。另外很大一部分也要歸功於對人類飛行員和航空輔助人員更好的培訓、對安全問題的認識以及對其顧慮的關注。

在過去的數十年間，自動化不斷進步，人類也被賦予了更多的自由來就安全問題進行溝通，有更多的時間應對不斷增長的有效信息，而這一切得到了由行業領導的，有凝聚力的支持。

然而最關鍵的是，商業飛行員的數量並沒有減少－事實恰恰相反。航空公司表示缺乏訓練有素的飛行員，並且預計在全球範圍內需要一倍以上的飛行員才行。隨著安全係數提高，成本下降，飛行變得越來越熱門，乘客數量增加，理所當然需要更多的飛機。

人們往往將醫學與航空放在一起比較，這種對比往往是既不恰當也不準確的。不過我認為這兩個行業擁有幾個同樣的關鍵特徵。對於菜鳥來說，這兩個行業都主要聚焦在保證人類安全的同時，從地理位置上或者人體系統上，把人從A點移動到B點。傳統來說，兩者都依靠人力資源和大量培訓來監督所需參與的流程。

在過去的十年中，兩個行業都在自動化進程中取得了長足的進步，並且都將從人工智慧系統中受益匪淺，這些系統可以承擔人類不斷增長的認知工作量和重複勞動。但最重要的是，在這兩個行業中，人類不會被取代。

原因很簡單－法律責任。幾乎不可想像人工智慧系統的所有者在人命關天時，會讓機器負全部法律責任。沒有一間航空公司敢讓飛行員不在的飛機上天，如果有的話，我打賭會有無數條的保險政策，讓一般的商業飛行不值得使用無人飛行。但是，私人飛機或軍用飛機還是有可能進行無人飛行的。我們也許會看到商業航班的「無人」駕駛－飛行員端坐在地面，遠程監控著飛機在空中飛行時發生的所有事情。事實上，遠程飛行操控試驗正在計劃中，但人們對此的反應不一。

在醫學界，將人工智慧系統限制在提供「決策支持」的層面，並將所有最終的決策權交給有資質的人，比飛行遠遠容易得多。沒有一個現存的AI系統經過了醫療監管部門的批准成為診療方案的「決策者」，就算有的話，那麼這個決策也是微不足道的，並且對生命無法造成至關重要的影響。

這是因為人工智慧系統在解決醫學診斷問題時，不可能達到100%的準確率，正如之前討論的，醫學在某種程度上仍然是一種永遠無法完全量化或解決的藝術。總是會存在一個特別的人，一個特別的病例，和一些混雜因素。僅僅因為這些原因，我們就一直需要人類以某種方式進行監督。

第三、生產力進步將驅動需求

「只要你把它建好，他們就會來」是一句被引用的電影台詞。如果我們建立能夠大規模改進醫學影像工作流程和診斷周轉體系，我們幾乎肯定會看到對醫學影像診斷需求的大幅度增長。

我親眼看到了這一點 - 當我還是一名實習生時，我們的部門開始嘗試減少B超檢查的的等待時間。我們新開放了晚上的『加長檢查』，有三到四個額外的名額，用於急診患者或那些已經等了三周以上的病人。一開始這個機制運轉的很好，一名實習生來給這些額外的患者做檢查就足夠了，畢竟只用一個小時就可以完事。但只過了一段時間，我們就不得不開放「加加長檢查」和「加加加長檢查」-這個機制已然變成了新常態。在影像科，只要你能安排多一個醫生來檢查患者，就總會有患者來補上這個空位。而隨著人工智慧成為影像科的「新常態」，那麼隨著檢查時間和等待名單的縮短，同時影像檢查報告更加準確和有用，對我們服務的需求也將繼續增加。

除此之外，人口的年齡和多樣性都在不斷增長，對影像學檢查的需求增長是100%不可避免的，這也是我仍然看好影像學作為職業選擇的重要原因。我們需要培訓更多的影像科醫生，以適應影像檢查及數據輸出的浪潮，甚至應考慮與諸如病理學和基因組學等數據輸出專業的雙重或者三重職業認證。

在未來，「影像科醫生」甚至可能不會再叫做「影像科醫生」了-但這並不能否定人類仍然會控制數據流這一事實。

未來，影像科醫生會做什麼？

未來數十年，影像科醫生們將逐漸擺脫過去繁複的工作，使用時髦的分析工具和填好的炫目檢查報告進行驗證，並將結果導入迷人的「影像學數據」海洋。雖然並不會像」少數派報告「一樣，但是如果你把自己當做湯姆克魯斯，在屏幕對著未來的可塑性實時數據上滑動幾下，那就馬上開始吧。

影像學人工智慧應該以為影像科醫生豐富數據為導向，讓這些醫生的工作不止是簡單的手工完成重複勞動，而是讓他們的職責轉化為監控和評估機器的輸出。作為一個影像科大夫，我對此表示十分歡迎－在多次CT掃描中測量淋巴結大小和用第幾椎體推論轉移情況已經浪費了我太多的工作時間。

我寧願檢查一個系統已經測量準確的淋巴結，確定了所有需要的椎骨，並簽署檢查報告。影像科醫生將從只有粗糙工具的「腫瘤學家」轉變為「數據處理專家」並處理更為複雜的量化結果。

影像科醫生也將因此比以前任何時候都更像一個「醫生」，因為生產力的提高允許臨床醫生和患者之間有更多的時間就檢查結果進行溝通。更容易聯想的是，影像科醫生變為數據傳遞者，直接在查房時向臨床團隊和腫瘤多學科團隊傳遞結果，甚至直接向患者提供信息。

現在，這個行業是因為被一直隱藏在黑暗的讀片室中而受到傷害，而人工智慧有能力將影像科醫生們帶回光明之中，這就是它真正的力量所在。

原文鏈接：

https://towardsdatascience.com/why-ai-will-not-replace-radiologists-c7736f2c7d80towardsdatascience.com

推薦閱讀：