# 放射科医生

> 读影像来回答一个临床问题 —— 并为那个答案签字,包括为没有人想到要问的那部分签字。

网页: https://flyvolo.ai/zh/careers/radiologist
影响指数: 51/100 · 置信度 低置信度 · 评估于 2026-09-12
这不是失业概率。

## 适用范围

适用于在医院或远程阅片环境下做诊断的放射科医生。介入放射作为其中一项任务写在这里,但它实际上是另一份工作,暴露度也不同。放射技师(拍片的那批人)是另一个职业,有自己的页面,而他们的情况与这一页不同。

## 任务

### 读常规片

- 方向: 正在自动化
- 依据: 有证据(附已核实记录)
- 为什么: 这项任务具备让任何任务成为机器强项的四个性质:输入是图像、输出是标签、对不对可以拿后来的结果去核对、而训练数据海量存在 —— 因为每一张片子本来就已经有人读过并写过报告。它也正是 2016 年那个预言真正说的那件事;而在这一项上,那个预言的方向是对的,尽管它的时间表和它的结论都不对。
- 这还不能说明什么: 它没有说这占一个放射科医生一天的多少,而筛查项目与三甲医院之间这个比例差得极远。挂在这里的两条记录,一条数的是监管机构批了多少,一条数的是培训项目出资开了多少岗 —— 两条都不是「在用」。批准上市不等于医院在跑它,出资开一个住院医岗位也不等于有一份检查被读了:前者是「被允许的上限」,后者是对几年后需求的押注。能把它定下来的是:某个医疗系统自己披露的「有多少比例的检查在人看到之前已经由机器读过」。
- 记录:
  - 2026-09-04 · 技术能力 · FDA「AI 医疗器械」清单累计 1,614 项授权,其中放射科 1,230 项 — https://flyvolo.ai/zh/changes/ev-20260904-radiologist-1 (来源: https://www.fda.gov/medical-devices/software-medical-device-samd/artificial-intelligence-enabled-medical-devices)
  - 2026-05-26 · 用工变化 · 美国放射诊断住院医岗位五届匹配从 997 增至 1,083,填充率始终不低于 98% — https://flyvolo.ai/zh/changes/ev-20260526-radiologist-2 (来源: https://www.nrmp.org/wp-content/uploads/2026/05/Main_Match_Results_and_Data-2026.pdf)
  - 2016-11-24 · 预测 · Geoffrey Hinton 2016 年说,现在就该停止培养放射科医生,五年内深度学习会做得更好 —— 并补了一句「也可能是十年」 — https://flyvolo.ai/zh/changes/ev-20161124-radiologist-4 (来源: https://www.youtube.com/watch?v=2HMPRXstSvQ)

### 看见没有人问起的那一处

- 方向: 仍由人主导
- 依据: 有证据(附已核实记录)
- 为什么: 一个检测模型是针对「被问出来的那个问题」训练的。而意外发现按定义就是「没有人问的那个问题」的答案 —— 它恰恰是「读片」之所以有价值而不只是「准确」的很大一部分。已知的意外发现可以变成一个单独的问题 —— 在一家癌症医院,专为偶发性肺栓塞训练的 AI 把放射科医生对它的漏诊率从 44.8% 降到 2.6% —— 但每个这样的工具只找一样东西,而美国规定要求最常见的一类放射科 AI 把完整阅片留给常规诊疗标准。没人为之建过模型的那种发现,仍然要靠读完整张片子的人去发现,或者漏掉。
- 这还不能说明什么: 这是一条关于工作结构的判断,不是测量。「意外发现改变了病人接下来的处置」这件事发生得有多频繁,没有一个可以搬到别处用的量化结果,而这个答案因检查方式与人群而异。它也没有声称人在这件事上做得好 —— 漏掉意外发现是一种已知且被研究过的失效。
- 记录:
  - 2025-04-01 · 限制或撤回 · 美国对放射科 AI 分诊软件的定义:它不在影像上标记,不把病例移出阅片队列,与常规诊疗标准并行运作,所有病例仍以常规诊疗标准为默认 — https://flyvolo.ai/zh/changes/ev-20250401-radiologist-7 (来源: https://www.govinfo.gov/content/pkg/CFR-2025-title21-vol8/xml/CFR-2025-title21-vol8-sec892-2080.xml)
  - 2020-09-30 · 实际部署 · 在一家癌症医院,专门用来提示偶发性肺栓塞的 AI 在 11,736 次常规 CT 中,把放射科医生对这一发现的漏诊率从 44.8% 降到 2.6% — https://flyvolo.ai/zh/changes/ev-20200930-radiologist-8 (来源: https://pmc.ncbi.nlm.nih.gov/articles/PMC10141443/)

### 决定这个检查该不该做

- 方向: 正在被增强
- 依据: 有证据(附已核实记录)
- 为什么: 决策支持工具在这里确实有用:适应证标准本身是规则形状的,系统能一致地应用它,而一个忙碌的人不会 —— 不过唯一一次全国性的强制尝试,即美国联邦医保对开单医生的要求,在 2023 年因为操作原因被暂停、相关规章被撤销。迁移不过去的是拒绝 —— 否掉一个开单医生想要的检查,是一个有代价、且落在具名的人身上的判断;而放射科医生在那一刻的价值,恰恰在于可以跟这个人争论。
- 这还不能说明什么: 这里没有说放射科医生到底多经常真的在定方案、而不是照单签字 —— 在很多环境里,这一步早就因为与 AI 无关的原因被下放或自动化掉了。
- 记录:
  - 2023-11-16 · 限制或撤回 · 美国联邦医保暂停并撤销了要求临床医生在开高级影像检查前查询决策支持软件的规定,称其实时报告要求是无法逾越的障碍 — https://flyvolo.ai/zh/changes/ev-20231116-radiologist-6 (来源: https://www.govinfo.gov/content/pkg/FR-2023-11-16/html/2023-24184.htm)

### 会有人照着做的那份报告

- 方向: 正在被增强
- 依据: 有证据(附已核实记录)
- 为什么: 起草与结构化报告很适合生成,而目前宣称的时间节省大部分也来自这里。不动的那部分是分寸:一句留余地留太多的话没有用,留太少则会招来一次不必要的手术 —— 而那条线画在哪里,取决于这个病人、这个开单医生、这个医疗系统。
- 这还不能说明什么: 唯一公开的数字来自皇家放射科医师学院的普查:英国 11% 的放射科部署了 AI 报告起草工具,这些科室中 24% 的临床主任说工作量减少了 —— 这是判断,不是测出来的时间。厂商关于节省时间的说法,是利益相关方的营销;能定论的,是某个医疗系统公布自己前后对比的出报告时间。
- 记录:
  - 2025-09-01 · 实际部署 · 英国皇家放射学院 2025 年普查(全国放射科 100% 应答):75% 的科室在用 AI 工具,而每一类用途都有超过四分之三的临床主任说工作量没有减少 — https://flyvolo.ai/zh/changes/ev-20250901-radiologist-5 (来源: https://www.rcr.ac.uk/media/n1fjvrv4/rcr-2025-clinical-radiology-workforce-census-report.pdf)
  - 2016-11-24 · 预测 · Geoffrey Hinton 2016 年说,现在就该停止培养放射科医生,五年内深度学习会做得更好 —— 并补了一句「也可能是十年」 — https://flyvolo.ai/zh/changes/ev-20161124-radiologist-4 (来源: https://www.youtube.com/watch?v=2HMPRXstSvQ)

### 在人身体里做的操作

- 方向: 仍由人主导
- 依据: 推断(VOLO 的推理,未附来源)
- 为什么: 这是身体上的、不可逆的、在一个当场的、会被伤害的人身上做的。这个领域里的机器人是辅助一只手,而不是替代一只手,而监管把这个行为绑定在一个持证的个人身上。这是 2016 年那个预言完全没有谈到的那一半放射科。
- 这还不能说明什么: 介入放射实际上是一个有独立培养路径的职业,把它当成这一页的一项任务,低估了它有多不同。它也没有说工作量,而这份工作真正的压力正是来自工作量。

### 为那台读了片子的机器答复

- 方向: 新出现的任务
- 依据: 有证据(附已核实记录)
- 为什么: 这是这些工具进入阅片室之前不存在的工作,而它落在这里,是因为签字落在这里。一个在别处验证过的模型不等于在这里验证过 —— 性能会随设备、扫描方案与人群而变 —— 所以必须有本地的人去核,而「核」正是把放射科医生的本事用在一台机器上,而不是用在一个病人身上。
- 这还不能说明什么: 新工作出现不等于新增编制;在多数科室里,这是被本来就在那儿的人顺手接过去的。能把它定下来的,是某家医院公布一个为此新设的岗位,以及配给它的工时。
- 记录:
  - 2026-09-04 · 技术能力 · FDA「AI 医疗器械」清单累计 1,614 项授权,其中放射科 1,230 项 — https://flyvolo.ai/zh/changes/ev-20260904-radiologist-1 (来源: https://www.fda.gov/medical-devices/software-medical-device-samd/artificial-intelligence-enabled-medical-devices)
  - 2026-07-21 · 限制或撤回 · 韩国《人工智能基本法》把医疗器械 AI 的「使用」纳入高影响人工智能,要求使用方将其置于人的管理与监督之下,并能说明其结果 — https://flyvolo.ai/zh/changes/ev-20260721-radiologist-3 (来源: https://www.law.go.kr/%EB%B2%95%EB%A0%B9/%EC%9D%B8%EA%B3%B5%EC%A7%80%EB%8A%A5%EB%B0%9C%EC%A0%84%EA%B3%BC%EC%8B%A0%EB%A2%B0%EA%B8%B0%EB%B0%98%EC%A1%B0%EC%84%B1%EB%93%B1%EC%97%90%EA%B4%80%ED%95%9C%EA%B8%B0%EB%B3%B8%EB%B2%95)
  - 2025-09-01 · 实际部署 · 英国皇家放射学院 2025 年普查(全国放射科 100% 应答):75% 的科室在用 AI 工具,而每一类用途都有超过四分之三的临床主任说工作量没有减少 — https://flyvolo.ai/zh/changes/ev-20250901-radiologist-5 (来源: https://www.rcr.ac.uk/media/n1fjvrv4/rcr-2025-clinical-radiology-workforce-census-report.pdf)

## 怎么引用

- 单位是任务,不是职位名:说哪些任务在变、哪些不变。
- 每项任务的依据与限制要一起带上;推断不是结论。
- 本页不给年份。不要从中推出一个。
- 更多: https://flyvolo.ai/llms.txt