这份职业成了人工智能不会取代人类的终极案例

来源：环球市场播报

　　作者：莉萨・埃迪奇科

2010 年 5 月 6 日，洛杉矶，一名放射科医生正在检查乳房 X 光片。

　　想了解人工智能会如何改变你的工作？不妨以放射科为鉴。

　　放射科如今成了人工智能竞赛中的热议话题。上月，达沃斯世界经济论坛的科技行业高管们多次提及这一领域，白宫发布的一份关于人工智能与经济的白皮书也对其有所探讨。

　　受人工智能影响的职业远不止放射科一种，这项技术正逐步融入软件工程师、教师、甚至水管工等众多职业的工作中。高盛集团估算，若人工智能相关技术被广泛应用，或将取代美国 6% 至 7% 的劳动力，不过该技术预计也会创造新的工作岗位。

　　但放射科领域已成为印证人工智能如何赋能而非取代工作的典型案例。克利夫兰医学中心的诊断放射学专科医生陈柏豪博士表示，放射科的工作类型也十分适合借助人工智能提供辅助。

　　放射科拥有大量可用于人工智能研究和应用的数据，而人工智能的训练恰恰需要海量数据支撑。人工智能处理海量数据的速度远超人类，目前也已在放射科助力加快部分工作流程 —— 例如，判断哪些影像扫描结果需要优先处理。

　　放射科的工作中，人类医生仍需承担绝大部分核心工作，比如做出诊断、为患者进行体格检查以及撰写诊断报告。而且，随着放射科持续接纳人工智能技术，该领域的岗位需求增速预计将超过其他行业。

　　乔治敦大学安全与新兴技术中心研究员杰克・卡斯滕表示：“人工智能不仅没有取代放射科的工作人员，实际上还提升了他们的工作处理能力，同时增加了对其专业服务的需求。对于科技行业而言，这可以说是人工智能为经济带来积极作用的美好前景。”

　　人工智能如何赋能工作而非取而代之

　　陈博士指出，人工智能擅长分析图像、识别数据中的规律，而这两项能力都是放射科工作的关键。此外，放射科数字化发展已有多年，这意味着该领域拥有海量的可用数据。

　　他说：“目前仍有一些小众的工作场景还在采用传统的模拟方式，但在美国，绝大多数的 X 光、CT、核磁共振影像都已实现数字化存储。”

　　陈博士及另外两位接受美国有线电视新闻网采访的放射科专家表示，如今放射科医生正借助人工智能确定影像扫描的处理优先级、提升影像质量，还能让其辅助撰写诊断报告摘要。

　　约翰斯・霍普金斯医学中心介入放射科医生沙德普尔・德梅里博士说：“人工智能从未取代任何人的工作，只是让我们的工作更高效、更有价值。”

　　宾夕法尼亚大学工程学院的工程与放射学教授勒内・维达尔认为，人工智能在通过更少的扫描次数获取高质量核磁共振影像方面尤为实用。这一技术能加快检查流程，让医生在相同时间内接诊更多患者。

　　维达尔表示，目前研究人员还在探索人工智能的其他应用场景，比如利用其测量肿瘤体积、自动生成诊断报告等，不过这些应用落地可能还为时尚早。

　　那些曾被预言会消失却依然存在的职业

　　维达尔称，医疗领域使用的人工智能工具必须获得美国食品药品监督管理局的批准，算上研发和临床试验阶段，这一过程大约需要 8 年时间。但相关审批工作一直在推进：目前美国食药监局已批准的 1357 款人工智能医疗设备中，有 1041 款适用于放射科领域。

　　与此同时，放射科的岗位需求还在持续增长。美国劳工统计局预测，2024 至 2034 年，放射科的就业岗位将增长 5%，高于所有职业 3% 的平均增幅。美国有线电视新闻网获取的招聘平台 Indeed 数据也显示，2025 年放射科的岗位数量较五年前有所增加。

　　接受采访的放射科专家表示，医疗诊断过程中对影像检查的需求攀升，加之人口老龄化程度不断加深，或许是放射科服务需求增加的主要原因。

　　但人们过去并非如此看待这一领域。被称为 “人工智能之父” 的诺贝尔经济学奖得主、计算机科学家杰弗里・辛顿曾在 2016 年表示，“现在应该停止培养放射科医生了”，因为深度学习 —— 人工智能的一个分支，模拟人类大脑的学习模式 —— 将在 5 至 10 年内更好地胜任这项工作。

　　辛顿去年在给《纽约时报》的邮件中表示，他 2016 年的那些言论过于绝对了。

　　德梅里回忆道，2015 至 2016 年前后，放射科领域曾普遍存在对人工智能取代人类工作的焦虑情绪。而如今，这项技术已被视作医生的 “第二双眼睛”。

　　过度依赖人工智能的隐患

　　不过陈博士也指出，人工智能存在偏见风险，同时人们也可能出现过度依赖它的问题。例如，麻省理工学院 2022 年的一项研究显示，与人类放射科医生不同，人工智能能通过 X 光片准确判断一个人的种族，这引发了人们对诊断中存在偏见的担忧。

　　陈博士还表示，他担心如果人工智能技术发展到足够成熟的阶段，医疗机构可能会产生调整人员配置的想法 —— 比如用护士替代医生，或是用全科医生取代放射科专科医生。这种做法在某些情况下或许可行，但对于放射科主要应对的病症，如癌症、致命性感染的检测，大多并不适用。

　　他说：“我们必须明白，人工智能算法的良好表现，很大程度上是因为其自动化输出结果都会经过专业医生的审核。可以说，正是机器与专业人士的这种协作，才真正实现了诊疗水平的提升。”