Штучний інтелект (ШІ) не замінив радіологів, як це передбачали на початку, але став їхнім цінним колегою.
У 2016 році Джеффрі Гінтон, один із піонерів ШІ, передбачив, що радіологи — лікарі, які аналізують рентгенівські знімки, ультразвукові зображення та інші медичні зображення для діагностики — будуть замінені комп’ютерами протягом п’яти років. Сьогодні галузь може відповісти, цитуючи відомий вислів Марка Твена: «Чутки про мою смерть були значно перебільшені».
Насправді кількість радіологів неухильно зростає, і очікується, що їхня кількість збільшиться на 26% або більше протягом наступних трьох десятиліть. Однак, те, що Гінтон, можливо, не врахував у динаміці ринку праці, не повинно затьмарювати його прозорливість: він мав рацію, що сьогодні людські лікарі мають у своїй роботі “кремнієвого” колегу, який не поступається їм за ефективністю, а іноді й перевершує. Радіологія є лідером у впровадженні ШІ в медицині, слугуючи показником для прийняття рішень експертними системами у сфері охорони здоров’я та, можливо, в інших галузях.
Станом на початок 2026 року близько трьох чвертей із 1400 медичних пристроїв зі штучним інтелектом, схвалених Управлінням з санітарного нагляду за якістю харчових продуктів і медикаментів США (FDA), призначалися для радіології. Деякі з них підвищують ефективність лікарів, складаючи звіти або сповіщаючи про зображення, які потребують термінової уваги. Але інші інструменти ШІ мають потенціал покращити людську роботу, виявляючи аномалії, які можуть бути невидимі для людського ока, або інтерпретуючи зображення на рівні навчених радіологів, а іноді й краще. Наприклад, аналіз 43 клінічних випробувань показав, що колоноскопії з підтримкою ШІ виявляють більше поліпів, ніж звичайні.
Підвищення точності є важливим, оскільки середній рівень людських помилок при роботі з діагностичними зображеннями оцінюється в 3-5%, що призводить приблизно до 40 мільйонів помилок у всьому світі щорічно. Однак, рішення полягає не лише в заміні людей машинами. Через десять років після резонансного прогнозу Гінтона головним питанням є не те, хто — люди чи ШІ — статистично краще справляється з певним завданням, а те, як поєднати технічну точність ШІ з досвідом та гнучкістю людини для підвищення точності на користь пацієнтів.
Спільна робота
Знайти найкращий спосіб розробки такої спільної системи непросто. Навіть якщо ШІ в середньому надійніший за кваліфікованого радіолога в інтерпретації певних зображень, він все одно припускатиметься деяких помилок, яких не зробили б люди, каже радіолог Кертіс Ланглотц, директор Центру штучного інтелекту в медицині та візуалізації Стенфордського університету. Це ставить радіологів у роль оцінювання кожного рішення ШІ — переважна більшість яких буде правильною — та виявлення рідкісних випадків, коли алгоритм помилився.
«Це вимагає повного переналаштування мислення», — каже радіолог Пол Ї, керівник відділу інформатики інтелектуальної візуалізації в дитячій дослідницькій лікарні Святого Юди в Мемфісі, штат Теннессі.
Лікарі звикли скасовувати комп’ютерні рекомендації, але цей момент інший. Електронні медичні записи, що спрацьовують завдяки алгоритмам, заснованим на правилах, десятиліттями попереджають лікарів про такі речі, як потенційно небезпечні лікарські взаємодії. Лікарі зазвичай ігнорують ці попередження приблизно в половині випадків, зазначає Ланглотц. «Я отримаю пораду від комп’ютера, і мені доведеться оцінити її в контексті всієї іншої інформації, яку я маю про цього пацієнта, і прийняти найкраще рішення», — говорить він.
На відміну від цього, системи аналізу зображень на основі ШІ в радіології зазвичай базуються на нейронних мережах, які можуть визначати підтипи пухлин, окреслювати межі уражень та виконувати інші діагностичні завдання з високою точністю. На відміну від алгоритмів, заснованих на правилах, які надають відповіді або підказки, які лікарі можуть швидко інтерпретувати на основі своїх медичних знань, нейронні мережі називають системами «чорної скриньки». Ці моделі ШІ зазвичай не розкривають, як вони дійшли до свого рішення, що робить завдання радіолога з ухвалення рішення про відхилення значно більш непрозорим.
«Чи це справді аномалія, чи я щось не помічаю, що виявляє ШІ завдяки своєму тонкому сприйняттю чи ще чомусь?» — запитує Чарльз Кан, редактор Radiology: Artificial Intelligence, видання Ради з радіологічної служби Північної Америки. «І це справді складно для нас».
Право вето
Ланглотц наводить приклад гіпотетичного інструменту ШІ, який може виявити 95% вузликів у легенях на КТ грудної клітки, тоді як радіологи виявляють 90%. «Деякі скажуть: «О, ШІ кращий за радіологів, тому ми повинні замінити всіх радіологів ШІ», — говорить він. «Але я скажу вам, що радіолог виявить деякі з тих 5%, які були пропущені машиною. І це тому, що машинний інтелект і людський інтелект — це різні види інтелекту».
ШІ може переглядати кожен піксель на зображенні, не втомлюючись і не відволікаючись, і порівнювати його з усіма іншими зображеннями, які він коли-небудь бачив. На відміну від цього, розуміння хвороб радіологами дозволяє їм інтерпретувати зображення так, як це не може зробити ШІ.
«Як ви можете гарантувати, що коли ШІ та радіологи природно думають про щось різне, радіолог щоразу приймає правильні висновки ШІ та відкидає його, коли він помиляється?» — запитує Ніна Коттлер, директорка з медичного ШІ-офісу Mosaic Clinical Technologies. «Це не обов’язково легко, але є способи це зробити».
З метою створення ідеальної команди ШІ/людина, радіологи з усього світу працюють над тим, щоб навчитися співпрацювати з ШІ, щоб вони та їхні пацієнти могли отримати від цього користь. Ця співпраця вимагає боротьби з неусвідомленими упередженнями, які змушують лікаря надмірно покладатися на ШІ або необґрунтовано відкидати його відповіді. Отже, для оптимальної роботи з цими системами радіологи повинні розуміти загальну надійність ШІ, залишаючись при цьому здатними виявляти його помилки.
«Це допомагає трохи знати, як працюють ці системи, щоб краще розуміти, коли алгоритм може ввести вас в оману», — каже Ланглотц.
Коли людина або машина робить помилку «так/ні» при інтерпретації медичного зображення, є два можливих способи помилитися: хибнонегативний результат пропускає наявність захворювання, тоді як хибнопозитивний результат вказує на нього, коли його насправді немає.
Для рідкісних захворювань — а більшість захворювань є відносно рідкісними — будь-яка діагностика, як правило, призводитиме до великої кількості хибнопозитивних результатів просто тому, що вона стикається з великою кількістю людей без цього захворювання, що дає їй більше можливостей для помилкових тривог. Лікар повинен бути в змозі розпізнати та скасувати ці хибнопозитивні результати, правильно визначаючи відносно рідкісні правильні діагнози машини. Надмірне довіру до результатів машини — позитивних чи негативних — називається автоматичною упередженістю.
Але важливо уникати прийняття хибнонегативних результатів. Наприклад, система ШІ може пропустити наявність крові в мозку на КТ або МРТ-скануванні, коли вона там насправді є. Довіра до таких пропусків називається автоматичною самозаспокоєністю.
«Це все питання зміни рівня підозри радіолога за допомогою ШІ, не усвідомлюючи цього», — каже Коттлер. З часом люди можуть почати надмірно довіряти відповідям ШІ. Одне дослідження показало, що навіть досвідчені радіологи зазнали значного зниження точності інтерпретації мамограм, коли їхні рішення приймалися під впливом невірних прогнозів ШІ.
З іншого боку, питання недовіри до ШІ є дещо інтуїтивнішим. Багато людей природно підозріло ставляться до нових технологій — особливо до тих, які звинувачують у можливому позбавленні їх роботи — доки вони не доведуть свою цінність. І не допомагає те, що навіть надійні системи ШІ припускаються очевидних помилок, які відрізняються від людських. «Отже, ви бачите дурну помилку, дурний хибнопозитивний результат, і думаєте: «Ну, звичайно, ШІ не розумний», і можете потім відкинути його», — каже Коттлер.
Вона пропонує боротися з цими упередженнями, відстежуючи з часом, наскільки радіологи погоджуються або не погоджуються зі своїми колегами-ШІ, та втручаючись, якщо вони, здається, відхиляються занадто далеко в один чи інший бік. «Якщо радіологи приймають результат ШІ 99 разів зі ста, а ми знаємо, що його точність становить лише 95%, ми йдемо поговорити з цим радіологом», — каже Коттлер.
Але просто говорити радіологам, що інструмент ШІ є точним на 95%, недостатньо, вважає Коттлер. Навчання є важливим, щоб лікарі знали, на що звертати увагу і коли. Їм потрібно знати, наприклад, що певний інструмент ШІ помилятиметься на 30% знімків, якщо пацієнт рухався під час сканування. Однак, понад чверть лікарів, які відповіли на опитування Американської медичної асоціації 2026 року, заявили, що не отримували жодного навчання щодо ШІ, і лише 11% повідомили, що пройшли багато тренінгів.
Коттлер також виступає за те, щоб інструменти ШІ надавали оцінку впевненості для кожного аналізу, а не просто відповідь «так/ні», оскільки жоден радіолог не може бути експертом у всіх тонкощах численних систем ШІ. А кількість і складність цих систем лише зростатиме.
«Ми тільки на самому початку розуміння того, як оптимізувати людсько-машинну систему», — каже Ланглотц. Важливо, щоб радіологи сьогодні усвідомлювали те саме, що він сказав майже десятиліття тому, спростовуючи прогноз «хрещеного батька ШІ»: не те, що ШІ замінить радіологів. Радіологи, які використовують ШІ, замінять радіологів, які цього не роблять.
За матеріалами: arstechnica.com