放射科医生 · 任务逐条

读常规片

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。

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」。

看见没有人问起的那一处

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。把模型在它自己那项任务上做得更强,不会推动这一项,因为这不是那项任务。

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。

决定这个检查该不该做

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。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,恰恰在于他是可以被争论的。

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。

会有人照着做的那份报告

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。

公开范围内没有任何东西测量过报告起草节省的时间,而厂商关于它的说法来自一个对答案有利害关系的一方。能把它定下来的是:某个医疗系统自己公布的前后报告周转时间。

在人身体里做的操作

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。

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

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。

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。