放射科医生

仅美国,而且这份清单数的是「获准上市」,不是「装了多少台」:一个已获批的器械可能装在一千家医院,也可能一家都没有。其中多数是 510(k) 清关 —— 依据是与已有器械实质等同,而不是一次试验;每一项授权覆盖的是一个很窄的预期用途(一个分诊标记、一项测量、一个检出辅助),不是「读一份检查」。FDA 自己写明这份清单并不完整,主要靠在授权摘要里匹配 AI 相关词条汇编而成,所以总数与放射科占比都是下限,不是普查。Panel 指主审专业组,不等于实际使用这台器械的科室。

演示、评测或论文表明技术上能做。它更新的是「技术能力」,不是「企业会怎么做」。

韩国。第 2 条第 4 号「라」目里要紧的那个词是「使用」:高影响类别覆盖医疗器械与数字医疗器械的开发与使用 —— 所以一家在跑已获批 AI 阅片工具的医院,在这部法下是人工智能利用事业者,而不只是它的客户。第 34 条第 1 项随之把义务挂在这个主体身上:风险管理方案、能够说明结果及其所依据的主要基准、留存文件,以及第 4 号的人的管理与监督。第 31 条第 1 项另外要求事先告知用户该服务基于人工智能运行。两条限制:细节授权给总统令,而总统令不在这份正文里;第 35 条的基本权影响评价只是努力义务。这条法没有说一家医院雇多少放射科医生,也没有说准确率 —— 它规定的是谁必须为那个结果答得上话。

失败、撤回、监管或成本正在抑制采用。可以下调评估,或扩大不确定区间。

美国,而且它衡量的是「进入培训」,不是就业:这些是培训项目自己选择出资并开出的岗位,是对几年后需求的押注,不是今天有多少活在被人做。数字取自表 3 与表 8A 里放射诊断的 PGY-2 行 —— 997(2022)、1,006、1,017、1,057、1,083(2026),全体申请者填充率依次为 99.9%、100.0%、99.9%、98.6%、98.4% —— 那是这个专科的主要入口;同期较小的 PGY-1 行从 132 增至 156。一个专科完全可能一边把一部分工作自动化,一边继续多招人,因为影像检查的量和读片者的供给是两条各自独立变化的曲线;这条记录约束的是「就业那一半的故事」,它没有回答机器读了多少。

招聘、人数、工时或职责出现可验证变化。权重最高 —— 但因果归因仍需论证,不能默认。

仅限英国,且仅限医院放射科。这是该学院第 18 次年度普查,由各科室临床主任填报,应答率 100%,所以它的采用数字是对一个确定总体的清点,不是抽样。支撑两条任务的是两段原文。关于「替机器的判读签字」这一条:报告写明,顾问医师还需要额外的时间去监督和监测 AI 系统本身,并原样印出一位临床放射科医师的话——它拖慢了我的急性卒中报告,因为我必须核对 AI,而我常常判定它是错的,然后还得在报告里解释这一点。关于「报告本身」这一条:用于起草报告的 AI 工具只在 11% 的科室里存在,而在使用它的科室中,24% 的临床主任说这类工具减少了工作量——这是本次普查里所有用途中最正面的一个数字,而它仍然是少数。总体采用率:75% 的科室在某种程度上使用 AI 工具,支持影像判读的工具存在于 58% 的科室。同一份文件里的反向信号,也正是它值得收录的原因:每一类用途都有超过四分之三的临床主任表示,AI 工具要么没有影响,要么在增加他们的工作量;在七项提效举措里,AI 实施排在最后,正面评价 28%,而「增加技能组合与行政支持」是 70%;报告自己的结论是,就目前而言,看不出放射科的 AI 工具能同时做到更快更准的报告、发现更多疾病、以及减少积压。它证明不了什么:它清点的是拥有工具的科室,不是被机器读过的检查,所以它没有说有多少比例的判读是机器先看;而且工作量那几个数字是临床主任的判断,不是测出来的时间,采用率那几个数字才是清点。学院是有利害的,而且两个方向都有:它正在争取更多培训名额并用这些发现作为论据,同时它也建议政府进一步投资 AI 工具。日期取自普查自己写的一句——数据收集自 2025 年 9 月开始;文件没有给收集结束日期,版权行写的是 2026 年 6 月。

企业已正式投入使用。可以改变基线,但要结合规模与场景相似度加权。

这是美国对放射科分诊软件的联邦分类规章,多数标记紧急发现的 AI 工具都是按这一类别获批的。它把这种器械定义为通知指定临床医生有时间敏感的影像待审的软件,并规定它不在影像上标记、突出或引导使用者注意某个位置,不把病例移出阅片队列,与常规诊疗标准并行运作,而常规诊疗标准对所有病例都是默认选项;其特别管控要求厂商说明算法的局限并测试分诊效果。它只管一个器械类别,不涵盖按其他规则获批的检测或诊断软件。

失败、撤回、监管或成本正在抑制采用。可以下调评估,或扩大不确定区间。

这是美国联邦医保支付方的最终规则。根据 2014 年的法律,开具 CT、MRI、PET 等高级影像检查的临床医生都必须通过合格的临床决策支持软件查询适用标准。CMS 说,法律规定的基于理赔的实时报告要求,是实施这个项目无法逾越的障碍,于是最终决定暂停项目以重新评估,并撤销相关规章;它说因为项目无法按法律原文实施,预期节省可以忽略不计;它也表示预计临床决策支持在有用的地方会继续被使用。法律本身仍然有效,暂停出于理赔处理而非临床原因,而且这个项目约束的是开单的临床医生,不是放射科医生。

失败、撤回、监管或成本正在抑制采用。可以下调评估,或扩大不确定区间。

一家癌症医院的放射科医生评估了用于在常规肿瘤 CT 上优先提示偶发性肺栓塞的商用 AI,分三个时期(2019 年 4 月至 2020 年 9 月):常规流程、人工分诊、AI 优先排序的阅片列表。在 6,447 名患者的 11,736 次扫描中,软件的灵敏度为 91.6%,特异度为 99.7%;放射科医生对偶发性肺栓塞的漏诊率从不用 AI 时的 44.8%(105 次中 47 次)降到使用 AI 时的 2.6%(38 次中 1 次),通知时间也大幅缩短。这个软件只找这一种发现;软件由厂商提供,一位作者与其他 AI 厂商有关联。

企业已正式投入使用。可以改变基线,但要结合规模与场景相似度加权。

这段话的原始录像本身,由会议主办方发布,长 84 秒。要读他实际说的,而不是流传的那个版本,因为两者的差别很要紧:广为重复的版本是「五年」,而录像里紧接着还有一句被转述系统性丢掉的让步 —— 也可能是十年,但我们放射科医生已经够多了。他也把这个判断说成一个关于能力的预测:深度学习会比放射科医生做得更好,因为它能积累更多经验 —— 而不是关于医院、就业或监管的判断。这条记录本身有两点限制。这里的原话读自视频的自动生成字幕,那是机器转写;所引句子已与音频对照,但不是专业听录。以及:预测永远不是关于工作的证据 —— 这条记录在这一页上什么都不改变,它挨着「后来发生了什么」的那些记录放着(监管机构的获批数、十年的培训岗位数),读者自己就能把账算出来。

一个有资格的人,在具名、有日期、可归属的公开表态里,对未来做出了一个判断。记录它,是为了让「谁在什么时候说了什么」保持可核对 —— 而它永远不改变任务判断,因为预测不是观察。它的价值在之后才到:这条记录和那个职业的证据同在一页,读到预测的人,旁边就是「后来发生了什么」的记录。那就是结算;本站不对一条预测是否应验发布结论。

你选的这个方向,曾被一位非常有名的人公开建议「不要再培养了」。值得知道那条建议为什么没有成立:它说的是一项任务,而这份工作后来被证明是好几项 —— 包括为一次漏诊签字、看见没有人问起的那一处,以及做操作。同样值得知道的是那条诚实的风险:如果读片变便宜让影像检查整体变便宜,检查量会上升 —— 而一份靠工作量守住的工作,守它的是一个会变的东西。

「那个预言错了」不是结论;它为什么错才是。它量了一项任务,却对一份工作下了结论。把同一把尺子用在你自己的一周上:花在「问题很窄、答案通常是无异常」那类检查上的小时,是暴露的小时 —— 而它们也恰好是行政人员做商业测算时最容易数出来的那部分。

保住并强化

成为验证工具的那个人

一个在别处验证过的模型不等于在这里验证过,而必须有本地的人签字确认它在这个人群、这些设备上成立。多数科室还没有指定这个人。

调整职责

往操作那一侧走

介入工作是身体上的、不可逆的、且绑定在一个持证的个人身上 —— 本页把介入操作判为由人主导,不过这一判断是推断,而非由某条记录证明。

相邻转岗

去影像被使用的地方,不是被读的地方

临床信息、影像项目设计与筛查政策都需要一个「懂一次阅片到底确立了什么」的人 —— 而在做这些决定的房间里,这种人是稀缺的。

这个职业本身就是「不要相信那个问题」的理由。十年前,一位非常有名的研究者公开建议停止培养,理由是五年内机器会做得更好 —— 他又补充说,也可能是十年。在他点名的那项窄任务上,机器确实做得很好了。而这份工作没有消失,因为这份工作是好几件事,而他量的是其中一件。一个你自己能核对的信号,也是更值得花掉这份担心的地方:你上一周有多少小时花在「问题很窄、答案通常是无异常」的检查上。那个数字就是暴露的部分 —— 而它也正是一个行政人员数得出来的数字。

结论是错的,而它值得弄懂,不值得一笑置之 —— 因为它犯的正是所有人都会犯的那个错。它拿了一项任务(读高频、模式清晰的片子),却对一份工作下了结论。在那项任务上它的方向是对的。它漏掉的是:谁为一次漏诊签字、谁看见没有人问起的那一处、谁否掉那个不该做的检查,以及读片变便宜之后需求是升还是降。把它当成吹牛一笑而过,什么也学不到;把它读成一次「范畴错误」,你就知道该拿什么去检查自己的工作了。

批准说明一件产品可以卖;它没有说某家医院买了、开了、并且一直开着。本站刻意把这三件事分开 —— 而关于这个领域的多数预言,恰恰是在这三者之间的落差里出的错。另外值得知道的是那些产品指向哪个方向:大多数是窄检测器与分诊工具,它们改变的是工作列表的顺序 —— 也就是改变了「人什么时候看」,而不是「要不要有人看」。

本站不告诉任何人该选哪个专科,而一个会告诉你的页面本身就更不值钱。它能给你的是这次押注的形状:暴露的那一半是高频、问题很窄的阅片;耐久的那一半是担责、意外发现与操作;而悬着的问题是工作量 —— 影像变便宜是不是意味着做得更多。拿这个问题去问已经在做的人,并且注意他们是用「科室实际考核的东西」回答,还是用「他们希望的东西」回答。