Czy AI zastąpi radiologów?

W 2016 roku, profesor Geoffrey Hinton – ekspert ds. sieci neuronowych – powiedział, że powinno się przestać szkolić radiologów, ponieważ w ciągu 5 lat algorytmy będą lepsze w ocenie obrazów medycznych niż ludzie. Mamy rok 2021, zapotrzebowanie na radiologów rośnie, ale to jeszcze nie oznacza, że Hinton się mylił.

• Amerykańska FDA zatwierdziła już 80 algorytmów radiologicznych
• NHS szacuje braki kadrowe w grupie radiologów na ok. 30%
• W Polsce jest 3000 radiologów – to zdecydowanie za mało w stosunku do potrzeb
• W badaniu Brytyjskiego Instytutu Radiologii, 31% respondentów zgodziło się z tezą, że AI zastąpi radiologów
• 58,8% było zaniepokojonych niepewnym wpływem AI na radiologię
• AI spowoduje głęboką transformację zawodu lekarza, w tym radiologa

Geoffrey Everest Hinton nie wyssał tego założenia z palca. Psycholog poznawczy i informatyk, znany ze swoich prac nad sztucznymi sieciami neuronowymi, pracujący m.in. w Google i na Uniwersytecie w Toronto, nie uwzględnił jednak dwóch czynników: specyfiki sektora ochrony zdrowia i charakteru pracy lekarza. Amerykańskie Biuro Statystyki Rynku Pracy (Bureau of Labor Statistics) prognozuje, że zatrudnienie techników radiologii i MRI wzrośnie o 7 proc. w latach 2019–2029. Według raportu Amerykańskiego Kolegium Radiologów (American College of Radiology), obecnie co trzeci radiolog wykorzystuje algorytmy AI w swojej pracy. Amerykańska FDA zatwierdziła już 80 algorytmów radiologicznych, w praktyce stosowana jest połowa z nich.

Hilton nie wziął pod uwagę, że zapotrzebowanie na radiologów rośnie, co jest powodowane m.in. popularyzacją programów screeningowych i starzejącym się społeczeństwem. Według najnowszych danych, brytyjski NHS szacuje braki kadrowe w grupie radiologów na ok. 30%, co przekłada się na deficyt ok. 1800 pracowników. Jednak mimo tych statystyk, teza Hintona nie musi być błędna – jeżeli AI będzie się doskonaliła w takim tempie jak teraz, precyzja maszyn przewyższy zdolności ludzkie w ocenie obrazów medycznych.

Ta opcja cały czas jest na stole, podobnie jak inne scenariusze.

Efekt sprzężenia. W obawie przed AI, kierunek radiologii straci na popularności, a tym samym powiększy się przepaść pomiędzy popytem a podażą radiologów.

Zatrudnienie radiologów w krajach wysokorozwiniętych rośnie, ale ich dostępność na rynku pracy jest mocno ograniczona, tak samo jak dostępność lekarzy ogółem. Historycznie, obrazowanie medyczne było jednym z najniebezpieczniejszych zawodów ze względu na ekspozycję na promieniowanie rentgenowskie.

I mimo postępu w technologiach, radiolog pracuje codziennie w środowisku promieniowania jonizującego, podczerwonego, nadfioletowego UV oraz elektromagnetycznego. W statystykach popularności, zawód zajmuje relatywnie niską pozycję. Obecnie studenci o wiele chętniej wybierają takie specjalizacje jak medycyna rodzinna, psychiatria, neurologia, pediatria, kardiologia.

Przyszli lekarze bardzo rozważnie planują swoją karierę uwzględniając perspektywy zawodowe. Doniesienia o tym, że to właśnie radiologia jest dziedziną, gdzie algorytmy AI najszybciej się upowszechnią, może być dla nich ważnym argumentem. Z końcem 2020 roku, Brytyjski Instytut Radiologii (British Institute of Radiology) opublikował badanie Sztuczna inteligencja w radiologii: czy ma wpływ na preferencje studentów medycyny dotyczące wyboru radiologii jako przyszłej kariery zawodowej? (Artificial intelligence in radiology: does it impact medical students preference for radiology as their future career?) Jego wyniki zaskoczyły badaczy.

Spośród 476 respondentów, tylko 34 osoby uznały radiologię za swój pierwszy wybór specjalizacji, 26 osób uznało ją za drugi wybór, a 65 osób – za trzeci. 31% respondentów zgodziło się z tezą, że AI zastąpi radiologów za ich życia, a 44,8%, że AI zminimalizuje liczbę radiologów potrzebnych w przyszłości. Nawet wśród respondentów, którzy uznali radiologię za swój pierwszy wybór, 58,8% było zaniepokojonych niepewnym wpływem AI na radiologię. Obawa, że AI może w przyszłości wyprzeć radiologów, miała negatywny wpływ na rozważania studentów medycyny dotyczące radiologii jako kariery zawodowej.

Efekt akceleracji. Radiologia staje się jedną z dziedzin o najszybszym postępie technologicznym, co jest zachętą dla nowego pokolenia lekarzy.

Taką tezę wysunął jeden ze znajomych radiologów. Jako młody, wchodzący na rynek pracy, zafascynowany nowinkami technologicznymi medyk, oczekuje rozwoju zawodowego w nowoczesnych warunkach, chce korzystać z postępów cyfryzacji. A żadna inna dziedzina nie oferuje tak szybkiego postępu i bezpośredniej pracy z systemami opartymi na AI. Radiologia znajduje się na pierwszym miejscu w statystyce algorytmów dopuszczonych przez FDA do stosowania w medycynie (sprawdź pełną listę). Daleko za nią jest druga w zestawieniu kardiologia. Czy dla wychowanego w erze cyfrowej pokolenia medyków ten argument będzie nabierał coraz większego znaczenia?

Efekt adopcji. Wraz z tym jak popularność algorytmów w radiologii będzie rosła, zmienią się kompetencje radiologów oraz poprawi jakość ich pracy.

To najczęściej podzielany pogląd i jednocześnie niewzbudzający kontrowersji kompromis pomiędzy obiema stronami transformacji cyfrowej ochrony zdrowia, czyli światem technologii i medycyny. Jest to zarazem model, który już teraz sprawdza się w rzeczywistości. Systemy PACS z elementami AI automatycznie oznaczają niepokojące anomalie, dokonują preselekcji i pre-ewaluacji zdjęć. Dla radiologa, to dodatkowa para oczu pozwalająca się upewnić, że żaden szczegół nie został przeoczony.

Podczas pierwszych miesięcy pandemii COVID-19, szybko opracowane algorytmy były w stanie wyselekcjonować pacjentów z koronawirusem na podstawie wzorca zmian w obrębie płuc, znacznie przyspieszając diagnozę i moment rozpoczęcia terapii. Gdy AI stanie się dokładniejsza od radiologów, będzie to paradoksalnie dobra wiadomość zarówno dla radiologów jak i lekarzy. Ci pierwsi zostaną uwolnieni od żmudnej, powtarzalnej pracy manualnej polegającej na analizie zdjęć piksel po pikselu, a drudzy będą mogli liczyć na diagnozę wolną od błędów.

Efekt wyparcia. Coraz mocniejsza obecność AI w pracy nie oznacza jeszcze ich adaptacji. Lekarze nie ufają decyzjom algorytmów, ignorując ich opinie.

Lekarze spędzają długie lata na edukacji, by jak najlepiej wykonywać swój zawód. I nagle system AI miałby być od nich lepszy? Opór przed akceptacją AI jest zrozumiały. Choć można wyjść z założenia, że będzie słabł wraz z wchodzeniem na rynek technologicznie wyedukowanych lekarzy, postępującą digitalizacją i rosnącą obecnością innowacji. Do gry wchodzą dodatkowe czynniki jak zaufanie i ewentualne szkody wyrządzane przez AI. Pojawią się nowe wyzwania, lekarze będą musieli współpracować coraz bliżej z systemami IT, do głosu dojdą nowe problemy, jak kwestia etyki AI i odpowiedzialności zawodowej. Oprócz tego, digitalizacja postępuje tak szybko, że lekarze podczas intensywnego dnia pracy nie mają czasu na naukę nowych funkcjonalności. W efekcie, powiększa się przepaść między możliwościami technologii a zdolnościami ich adaptacji.