โมเดลปัญญาประดิษฐ์สามารถตรวจจับภาวะปอดแฟบและอาการอื่นๆ ได้ด้วยความแม่นยำกว่า 95% ซึ่งมักจะมีประสิทธิภาพเหนือกว่านักรังสีวิทยาที่ได้รับการรับรองจากคณะกรรมการ แต่แม้จะมีความสามารถที่น่าประทับใจเหล่านี้ ชุมชนทางการแพทย์ก็ค้นพบว่าการแทนที่นักรังสีวิทยามนุษย์นั้นไม่ใช่เรื่องง่ายอย่างที่หลายคนคาดการณ์ไว้ การอภิปรายเผยให้เห็นอุปสรรคพื้นฐานหลายประการที่เกินกว่าประสิทธิภาพทางเทคนิค
ประสิทธิภาพของ AI ในด้านรังสีวิทยา:
- โมเดล AI ของ CareDocs : ความแม่นยำมากกว่า 95% ในการตรวจจับ pneumothorax (2017)
- บริษัทที่พัฒนาเครื่องมือ AI รังสีวิทยา: Aidoc.ai , Lunit.io , Oxipit
- เวลาที่ประหยัดได้ต่อการศึกษา: น้อยกว่า 30 นาทีโดยเฉลี่ย
- รายได้ของสาขารังสีวิทยา (2022): รวม 378 ล้านดอลลาร์สหรัฐ เฉลี่ยรายบุคคล 570,000 ดอลลาร์สหรัฐ
ข้อกังวลด้านกฎหมายและความรับผิดชอบสร้างอุปสรรคใหญ่
อุปสรรคที่ใหญ่ที่สุดไม่ใช่ความสามารถทางเทคนิค แต่เป็นความรับผิดชอบทางกฎหมาย การประกันความผิดพลาดทางการแพทย์ต้องการสิ่งที่ผู้แสดงความคิดเห็นคนหนึ่งอธิบายว่าเป็น คอที่จะบีบได้ - คือคนที่สามารถรับผิดชอบได้เมื่อเกิดข้อผิดพลาด บริษัท AI ไม่มีความสนใจที่จะรับความรับผิดชอบสำหรับข้อผิดพลาดในการวินิจฉัย ซึ่งหมายความว่านักรังสีวิทยายังคงจำเป็นทางกฎหมายโดยไม่คำนึงถึงประสิทธิภาพของ AI สิ่งนี้สร้างสถานการณ์ที่โรงพยาบาลต้องจ้างทั้งระบบ AI และนักรังสีวิทยามนุษย์ ทำให้กระบวนการมีค่าใช้จ่ายมากขึ้นแทนที่จะประหยัดต้นทุน
อุปสรรคหลักต่อการถูกแทนที่โดย AI:
- ข้อกำหนดด้านความรับผิดทางกฎหมายสำหรับประกันการประกอบวิชาชีพ
- ความท้าทายในการได้รับอนุมัติจากหน่วยงานกำกับดูแลสำหรับระบบอัตโนมัติแบบเต็มรูปแบบ
- ความจำเป็นในการมีการดูแลจากมนุษย์ในกรณีที่ซับซ้อน/คลุมเครือ
- ข้อกำหนดในการสื่อสารกับผู้เชี่ยวชาญทางการแพทย์คนอื่น ๆ
- ความซับซ้อนในการผสานรวมเข้ากับขั้นตอนการทำงาน
ความเป็นจริงของงานนักรังสีวิทยาแตกต่างจากการรับรู้ของสาธารณะ
ในขณะที่บางคนเชื่อว่านักรังสีวิทยาใช้เวลาส่วนใหญ่ในการพูดคุยกับผู้ป่วยและเพื่อนร่วมงาน นักรังสีวิทยาที่ปฏิบัติงานจริงกลับวาดภาพที่แตกต่างออกไป นักรังสีวิทยาส่วนใหญ่ทำงานจากระยะไกล วิเคราะห์ภาพทางการแพทย์และบอกผลการตรวจพบโดยมีการติดต่อกับผู้ป่วยน้อยมาก อย่างไรก็ตาม พวกเขาสื่อสารอย่างกว้างขวางกับแพทย์คนอื่นๆ เกี่ยวกับกรณีที่ซับซ้อนและผลการตรวจที่คลุมเครือ บทบาทการให้คำปรึกษานี้มีความสำคัญมากขึ้นเมื่อ AI จัดการกับการวินิจฉัยตามปกติ โดยปล่อยให้มนุษย์มุ่งเน้นไปที่กรณีที่ยากซึ่งต้องใช้การตัดสินทางคลินิกและความเข้าใจในบริบท
การบูรณาการเวิร์กโฟลว์พิสูจน์ให้เห็นว่าซับซ้อนกว่าที่คาดไว้
การใช้งาน AI ในปัจจุบันโดยทั่วไปจะประหยัดเวลาน้อยกว่า 30 นาทีต่อการศึกษาสำหรับนักรังสีวิทยาแต่ละคน แม้ว่าสิ่งนี้จะขยายไปสู่การประหยัดที่สำคัญในระบบโรงพยาบาลทั้งหมด แต่ก็ไม่ได้ขจัดความจำเป็นในการดูแลของมนุษย์ แต่ AI ทำหน้าที่เป็นระบบคัดกรอง โดยตั้งค่าสถานะเร่งด่วนสำหรับกรณีฉุกเฉินและช่วยเหลือในการตรวจคัดกรองตามปกติ เทคโนโลยีนี้เก่งในการตรวจจับภาวะที่หายากซึ่งอาจถูกมองข้าม เช่น pancreas divisum แต่ยังคงต้องการการตรวจสอบและการตีความจากมนุษย์
วิวัฒนาการทางวิชาชีพมากกว่าการแทนที่
ชุมชนทางการแพทย์มองว่า AI เป็นการเปลี่ยนแปลงมากกว่าการขจัดอาชีพนักรังสีวิทยา นักรังสีวิทยากำลังปรับตัวโดยการเข้าสู่ขั้นตอนการแทรกแซงและพื้นที่เฉพาะทางอื่นๆ ที่ต้องการความเชี่ยวชาญในการปฏิบัติงานจริง วิชาชีพนี้กำลังพัฒนาไปสู่การมุ่งเน้นการจัดการกรณีที่ซับซ้อนและการให้คำปรึกษาข้ามสาขามากขึ้น ในขณะที่ AI จัดการงานวินิจฉัยตามปกติ
เมื่อ AI ดีขึ้น ธุรกิจจะเปลี่ยนจากการตีความการสแกนอย่างง่ายๆ ไปสู่การมุ่งเน้นการสแกนที่ยากและคลุมเครือจริงๆ ที่ยังคงต้องการความเชี่ยวชาญทางคลินิก
หลักฐานชี้ให้เห็นว่า AI จะยังคงเสริมสร้างนักรังสีวิทยามากกว่าการแทนที่พวกเขาทั้งหมด กรอบทางกฎหมาย ข้อกังวลด้านความรับผิดชอบ และลักษณะที่ซับซ้อนของการตัดสินใจทางการแพทย์สร้างอุปสรรคที่ประสิทธิภาพทางเทคนิคล้วนๆ ไม่สามารถเอาชนะได้ แม้ว่า AI อาจลดจำนวนนักรังสีวิทยาที่ต้องการเมื่อเวลาผ่านไป แต่วิชาชีพนี้ดูเหมือนจะยังคงอยู่ในรูปแบบที่เปลี่ยนแปลงไปในอนาคตอันใกล้
อ้างอิง: AI isn't replacing radiologists