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。
这不是失业概率。它把「岗位任务中有多少暴露于自动化」与「采用实际走到了哪一步」合成为一个值 —— 只用于在同一套口径下横向比较职业,除此之外不作他用。
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,本站还没有覆盖,而他们的情况与这一页不同。
证据库里已有其他职业的已核实记录,但这个职业还一条都没有。在有之前,下面的分析是对任务结构与已知技术能力的推理 —— 就这个职业而言,它没有可追溯来源支撑。我们宁可直说,也不引用未经核实的东西。这里是空的,是我们覆盖上的缺口,不是关于这份工作的结论。
到底什么在变#
分析单位是任务,不是职位名称。职业不会被整体替代 —— 变的是它的任务构成。
这就是你做的吗?认一下,这一页会缩到只剩与你有关的那一份。
职位名只是一组恰好被打包买走的任务,而没有两个人手里的那一组是一样的。什么都不会被发送出去 —— 它只留在这个浏览器里。
读常规片
正在自动化≈ 平台推断高频、模式清晰的那部分:筛查钼靶、胸片、随访复查 —— 问题很窄,而答案通常是「无异常」。
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。它也没有说采用:监管机构批准一件产品上市,不等于医院在用它 —— 而本站在这个职业上还没有任何一条已核实记录。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
仍由人主导≈ 平台推断这次检查是为了腰伤开的;而真正要紧的东西在图像的角落里,和腰没有任何关系。
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。我们没有任何记录量化过「意外发现改变了处置」的频率,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
正在被增强≈ 平台推断定方案:这个检查能不能回答临床问题、用哪个序列、造影剂多少、剂量多少 —— 以及要不要说不做。
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
正在被增强≈ 平台推断把你看到的东西变成临床医生会据以行动的文字 —— 包括留多少余地,以及要不要建议一次既花钱又让人担心的复查。
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。
本站没有任何已核实记录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
仍由人主导≈ 平台推断影像引导下的穿刺活检、引流、栓塞 —— 介入工作,影像在这里是引导手段,不是产物。
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
新出现的任务≈ 平台推断在开启一个工具之前先在自己的人群上验证它、之后盯着它漂移,并在一份机器参与写成的报告上成为那个具名的人。
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。我们没有任何「某家医院为此专门配人」的记录。
哪些技术在起作用#
四类独立信号。它们刻意不做加总 —— 一个职业暴露于两种技术,不等于风险翻倍。
它是怎么走到这里的#
指数不是一个静态数字。这是自 ChatGPT 以来,每个能力检查点上它大致会落在哪里 —— 回溯重建,并且如实标注。
起点高,而且和生成式 AI 没有关系:计算机辅助检测在 1990 年代末就获批用于乳腺钼靶并被广泛部署,所以这个职业是带着「已经被自动化了一部分」的状态进入这段时期的 —— 而且早就知道那是什么感觉。2023 至 2025 的上行,是窄检测器与分诊工具成批进入阅片室。它在远低于「最暴露的那项任务」的位置走平,而理由正是 2016 年那个著名预言漏掉的东西:批准不等于部署、检出不等于签字,而意外发现是「模型从来没被问到的那个问题」的答案。要注意这条曲线显示不了的东西:读片变便宜会不会让开出来的检查变多。那是这个职业悬着的问题,而它指向的方向和这条曲线相反。
曲线平缓不是「安全」的预测。它只是在说:到目前为止,自动化触及了哪些任务 —— 这里动得最少的职业,约束都是物理的或监管的,而这两样都会变。
近期变化#
暂无已核实事件。
这一栏会随着监测流水线采集、去重、分级并关联到上面的任务而逐步填充。这里是空的,意味着我们没有核实到任何东西 —— 不意味着什么都没发生。
「没搜到新闻」不等于「安全」。
这对你意味着什么#
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。
你的选择#
四个方向,每个都写明真实约束和一个本周可验证的动作。继续做下去也是正当选择 —— 只要它是被选择的,而不是被默认的。
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。
它需要你大概没被教过的统计能力,而且是一份不光鲜的工作 —— 它要和「你被考核的阅片量」抢时间。
找一个正在你们科室里跑的 AI 工具,问它是在什么人群上验证的。如果没有人答得上来,那就是这份工作。
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 —— 本站的证据一致显示,这个组合是最难被替代的。
它是另一条培养路径,也是另一种生活:值班、辐射暴露,以及眼前是一个病人而不是一份工作列表。
去介入室待一个班次,数一数那里发生的事情有多少是能事先写成规格的。答案是很少。
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。
你不再是那个读片的人,而你赖以立足的手艺,衰退得比你预期的快。
找一个筛查项目自己公布的结果数据,核对它的召回率是不是在方案规定的位置上。
常见问题#
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。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。
方法与来源#
- 评估日期
- 2026-09-12
- 任务判断的依据构成
- 0 条有证据支撑 · 6 条平台推断 · 0 条证据不足
- 已核实事件
- 0