人工智能技术在医疗行业中的应用已经越来越广泛，它的应用不仅能促进医疗行业的发展，也能让医生更快、更准确的做出判断。由于人工智能发展的非常迅速，且给医疗行业带来很大的影响，因此也有人担心，未来放射科医生会被人工智能取代。

哈佛医学院博士Dr.Keith Dreyer和巴布森学院博士Thomas Davenport分析了放射科医生不会从职场中消失的几个理由：

1、放射科医生能做的不仅是图像解读。

他们也会与其他医生商讨诊断和治疗结果，干预疾病治疗，进行图像引导下的医疗介入手术，将影像发现与其他医疗数据和检测结果结合起来，与病人讨论治疗过程和疗效等其他许多事情。

根据Dreyer和Davenport的说法，即便有一天人工智能能接管图像分析和解读工作（可能性极小），大多数放射科的医生可将他们的注意力转向其他更重要的事情。

2、基于人工智能对图像解读做临床诊断，还任重道远。

各个影像设备的供应商和深度学习的算法只关注他们在处理案例的特殊问题，使得这些算法在临床普遍应用十分困难。美国放射学学院数据科学研究所正在致力于定义深度学习软件供应商的输入和输出数据标准，同时创建一个完整的案例库来规范临床检查过程、图像要求以及对输出图像的解读。作者认为，这个过程还需耗费许多年的时间，但将会进一步发挥放射科医生在人工智能领域中的作用。

3、用于图像识别的深度学习算法必需在有标记的图像数据—即在已得到确诊的病人图像上进行训练。

深度学习算法在其他类型的图像识别功能中已获得了很好的成就。因为它们已接受过成百万张有标记的图片训练，例如互联网上各种猫的照片。然而，这与放射影像学系统的图片库不同：医学影像图片数据属于影像设备供应商、医院、医生以及病人所有。作者认为，收集患者案例并做图像标记，积累海量可供人工智能训练的影像数据将是一项既具有挑战性又耗时的工作。

4、医疗和健康保险法规的改变是人工智能能否成功的先决条件。

人工智能中许多关键问题需要解决，例如：如果一台机器误诊了一个患者案例，由谁来负责？医疗费用付款人如何赔偿人工智能诊断错误？作者认为，基于人工智能的放射仪器可能需要比放射医生更好地去推动放射科的管理和赔偿机制。

Dreyer和Davenport说：“放射科的医生，如同律师、财务规划师、会计或以及其他专业人员，看见他们的一些工作正在被智能机器人取代，其实是他们的工作性质在改变，而非他们的工作被取代。”

这并不意味着放射医生不需要学习新的技能和适应新的工作方式。作者认为，那些拒绝与人工智能合作的人可能会首先感觉到他们的工作受到威胁。

作者还认为：“将人工智能与放射学实践相结合可以获得巨大的医疗和工作效益，医疗效益的提升可能意味着放射科的医生有更多的时间去做许多他们认为最有意义的事情：例如与其他医生商讨诊断和治疗方案。如果深度学习在图像分析的提升按预计实现，那么厂商、病人、和支付者都将会更加信任放射医生，而后者已经懂得如何与人工智能有效地合作。”

【凡本网注明来源非大健康Pai的作品，均转载自其它媒体，目的在于传递更多信息，并不代表本网赞同其观点和对其真实性负责。】