医学进步，以人为本

@庄时利和：关于 AI 会不会取代医生的话题。

去年网上有一个帖子传得比较多，关于未来几年内人工智能会取代医生的，还说首当其冲的就是影像科医生。以下是我去年写过的内容。

这个问题要是展开说的话很复杂，只往简单里说。

1. 先说传说中「最可能被取代的影像科」。

这几年影像科比较大的改变就是引入了 AI。我去年在一篇文章里提到，现在很多肺结节并不是医生发现的，而是 AI 发现的。现在健康人群体检，最高有 50% 的概率能发现肺结节，也就是说两个人就有一个会发现。

因此：

- 现在高清晰的 CT 扫描以及 AI 技术的引入，使得肺结节的检出率显著提高；

- 但肺结节的高检出率在临床上有什么样的收益和风险，我们目前还不清楚。

再比如说甲状腺超声这二十年也很普及，发现的甲状腺结节也特别多，但是后来发现很大一部分甲状腺癌病例与过度诊断有关（尤其是女性）。为了解决这个问题，卫健委还在去年的诊疗指南里面强调，不推荐一般人群行甲状腺肿瘤筛查。

所以 AI 能代替的是一些反复的工作，AI 有更高概率发现影像学异常，而且随着技术发展，它的准确率会越来越高，并且 AI 不会疲劳。

但是准确度高并不直接等价于有临床意义，这需要更多更长时间的临床研究才能有答案，这需要大量医生去思考、设计、开展并归纳总结的系统问题。

2. 另外一方面，看片子并不是影像科医生的全部工作。

- 某位患者应当选择什么样的影像检查（比如一个乳腺癌患者应当做钼靶、B 超、MRI 还是 PET-CT）

- 如何基于影像学检查结果给于临床医生可靠的解读；

- 如何参与到临床实践当中（比如影像引导下的介入治疗）；

……

看片子只是其中的一个基础操作而已。况且，在以前各种仪器检查中就多多少少有机器辅助解读了，比如十几年前我在医院实习轮转的时候，那时的心电图机就能直接给出诊断结果了，当然结果不一定准确，还需要医生最终确认签字。

还有一个问题就是，我们训练 AI 的数据来自于以往的影像检查结果，但是医学领域不像互联网的公开数据，它存在很大的信息获取屏障，基于患者隐私保护也好、或者不同厂家、医院设置的行业壁垒，这些都是阻碍影像 AI 训练的地方。

当然假以时日，这些问题我认为都可以解决，不过至少在现在，AI 的影像解读结果还达不到普遍认可的地步。

3. 这也涉及到更深层次的问题，那就是行业和法律许可问题。

客观的说，一个低年资、经验有限的影像科医生，和现在训练有素的影像 AI 模型，我想后者的解读准确率肯定更高一点。但问题在于，我们现在所有行业所认可的，是「人类」的解读结果。

比如保险公司和法庭是否愿意采纳 AI 给出的疾病判定，一方面是 AI 无法承担责任，另外一方面医生基于自身的利益考虑也会「让 AI 无法担责」。归根到底，这个世界的游戏规则是人类设定的，人类首先会保护自身的利益。

这就是医学以外的限制，打破这些限制的难度远高于 AI 算法的改进。

4. 医生会被替代这种说法，并不是 AI 时代才有的，有电脑的时候就有这种说法了。包括在十年前 IBM 的 Watson Health 也曾被寄予厚望，而且 Watson 一上来就是诊疗难度最大的癌症领域，IBM 也投入了数十亿美元，也与美国最顶尖的 MD 安德森癌症中心、纪念斯隆凯特琳癌症中心展开 Watson 的合作。

但是 Watson 最终失败了，它最终没有被训练成一位癌症专家。这背后的原因有很多，大家感兴趣的可以去查一下，或者你可以直接问下 ChatGPT 为什么 Watson 没有达到它最初的设计目标。

还是上面那句话，假以时日，我觉得医生会有越来越强大的 AI 工具可以协助诊疗，但并不是替代医生。重复机械的操作会被取代，而且应该被取代，注意这里说的是「操作」而不是「职业」。

再往前一点说，上世纪四五十年代，北京协和医院的血常规是医生在显微镜底下一个一个去数血细胞的，现在机器直接分析结果了，不需要耗费大量的人力工作了，但协和仍然还是协和。

5. 对于任何一个职业而言，能提供完整解决方案的职业被取代的难度是最大的。

影像报告分析不难，但是目前只有医生给出完整的、有临床意义的解决方案。在任何一个时代，请多多尝试学习使用新工具，而不是与工具为敌。

这一点并不仅仅是限于影像医生一个职业，也包括医疗行业以外的其他职业。

最后，我在之前写肺结节 AI 的那篇文章里提到，将来我们应该相信医生，还是相信 AI？

其实，这两者并不是对立关系的。AI 可以辅助医生提高工作效率，而医生也应当将技术本身转化为患者的临床获益。

医学进步，以人为本。