最近網上有一個帖子傳得比較多，關于未來幾年內人工智能會取代醫生的，還說首當其沖的就是影像科醫生。
這個問題要是展開說的話很復雜，今天只往簡單里說。
1. 先說傳說中「最可能被取代的影像科」。
這幾年影像科比較大的改變就是引入了AI。我去年在一篇文章里提到，現在很多肺結節并不是醫生發現的，而是AI發現的?，F在健康人群體檢，最高有50%的概率能發現肺結節，也就是說兩個人就有一個會發現。
因此：
-現在高清晰的CT掃描以及AI技術的引入，使得肺結節的檢出率顯著提高；
-但肺結節的高檢出率在臨床上有什么樣的收益和風險，我們目前還不清楚。
再比如說甲狀腺超聲這二十年也很普及，發現的甲狀腺結節也特別多，但是后來發現很大一部分甲狀腺癌病例與過度診斷有關（尤其是女性）。為了解決這個問題，衛健委還在去年的診療指南里面強調，不推薦一般人群行甲狀腺腫瘤篩查。
所以AI能代替的是一些反復的工作，AI有更高概率發現影像學異常，而且隨著技術發展，它的準確率會越來越高，并且AI不會疲勞。
但是準確度高并不直接等價于有臨床意義，這需要更多更長時間的臨床研究才能有答案，這需要大量醫生去思考、設計、開展并歸納總結的系統問題。

2. 另外一方面，看片子并不是影像科醫生的全部工作。
-某位患者應當選擇什么樣的影像檢查（比如一個乳腺癌患者應當做鉬靶、B超、MRI還是PET-CT）
-如何基于影像學檢查結果給予臨床醫生可靠的解讀；
-如何參與到臨床實踐當中（比如影像引導下的介入治療）；
……
看片子只是其中的一個基礎操作而已。況且，在以前各種儀器檢查中就多多少少有機器輔助解讀了，比如十幾年前我在醫院實習輪轉的時候，那時的心電圖機就能直接給出診斷結果了，當然結果不一定準確，還需要醫生最終確認簽字。
還有一個問題就是，我們訓練AI的數據來自于以往的影像檢查結果，但是醫學領域不像互聯網的公開數據，它存在很大的信息獲取屏障，基于患者隱私保護也好、或者不同廠家、醫院設置的行業壁壘，這些都是阻礙影像AI訓練的地方。
當然假以時日，這些問題我認為都可以解決，不過至少在現在，AI的影像解讀結果還達不到普遍認可的地步。
3. 這也涉及到更深層次的問題，那就是行業和法律許可問題。
客觀的說，一個低年資、經驗有限的影像科醫生，和現在訓練有素的影像AI模型，我想后者的解讀準確率可能還更高一點。但問題在于，我們現在所有行業所認可的，是「人類」的解讀結果。
比如保險公司和法庭是否愿意采納AI給出的疾病判定，一方面是AI無法承擔責任，另外一方面醫生基于自身的利益考慮也會「讓AI無法擔責」。歸根到底，這個世界的游戲規則是人類設定的，人類首先會保護自身的利益。
這就是醫學以外的限制，打破這些限制的難度遠高于AI算法的改進。
4. 醫生會被替代這種說法，并不是AI時代才有的，有電腦的時候就有這種說法了。包括在十年前IBM的Watson Health也曾被寄予厚望，而且Watson一上來就是診療難度最大的癌癥領域，IBM也投入了數十億美元，也與美國最頂尖的MD安德森癌癥中心、紀念斯隆凱特琳癌癥中心展開Watson的合作。
但是Watson最終失敗了，它最終沒有被訓練成一位癌癥專家。這背后的原因有很多，大家感興趣的可以去查一下，或者你可以直接問下ChatGPT為什么Watson沒有達到它最初的設計目標。
還是上面那句話，假以時日，我覺得醫生會有越來越強大的AI工具可以協助診療，但并不是替代醫生。重復機械的操作會被取代，而且應該被取代，注意這里說的是「操作」而不是「職業」。
再往前一點說，上世紀五十年代，北京協和醫院的血常規是醫生在顯微鏡底下一個一個去數血細胞的，現在機器直接分析結果了，不需要耗費大量的人力工作了，但協和仍然還是協和。
5. 對于任何一個職業而言，能提供完整解決方案的職業被取代的難度是最大的。
影像報告分析不難，但是目前只有醫生給出完整的、有臨床意義的解決方案。在任何一個時代，請多多嘗試學習使用新工具，而不是與工具為敵。
這一點并不僅僅是限于影像醫生一個職業，也包括醫療行業以外的其他職業。附圖是我用midjourney畫的兩幅畫，這類AI畫作你今天在網上隨處可見，入門沒有什么難度。但是，能不能畫出有創意的、吸引人的作品，本質上還是看屏幕前的那個大腦。
最后，我在之前寫肺結節AI的那篇文章里提到，將來我們應該相信醫生，還是相信AI？
其實，這兩者并不是對立關系的。AI可以輔助醫生提高工作效率，而醫生也應當將技術本身轉化為患者的臨床獲益。
醫學進步，以人為本。