Кога се зборува за вештачката интелигенција во медицината, речиси секогаш се појавува едно прашање: дали AI ќе ги замени лекарите?
Причината е очигледна. Голем дел од работата на радиолозите се заснова на анализа на снимки, а компјутерите веќе се многу добри во препознавање обрасци во огромни количества податоци. Токму затоа оваа медицинска специјализација стана едно од главните подрачја за развој на AI алатки.
Но, реалноста е многу посложена од сценариото во кое алгоритмот ја гледа снимката, поставува дијагноза и го заменува човекот.
Болницата добива уште еден „читач“ на податоци
AI во радиологијата не се користи само за откривање тумори или други промени на снимките.
Денешните системи можат да помогнат во различни фази од процесот од одредување приоритет на прегледите и автоматски мерења до означување потенцијално сомнителни подрачја и помош при составување на наодот.
Тоа значи дека AI може да биде вклучен во работата многу пред радиологот да ја донесе конечната одлука.
Ако, на пример, меѓу голем број прегледи се појави случај што алгоритмот го препознава како потенцијално итен, системот може да го означи за да му го привлече вниманието на лекарот.
Таквата примена не значи дека машината поставила дијагноза. Таа само го менува начинот на кој лекарот доаѓа до информацијата што му е потребна.
Радиологијата веќе е најголемото поле за медицински AI
Колку е развиена оваа област покажуваат и податоците од американската регулаторна база.
Според податоците што во јули 2026 година ги објави Knowable Magazine, околу три четвртини од приближно 1.400 медицински AI уреди што до тој момент ги одобрила американската Управа за храна и лекови (FDA) биле наменети за радиологијата. FDA континуирано ја ажурира својата листа, па бројот на уреди со текот на времето се менува.
Радиолозите работат со огромни количества визуелни податоци, а многу задачи можат да се претворат во математички проблем на препознавање обрасци. За развојот на AI системи тоа претставува многу погодна основа.
Но, постои една важна разлика меѓу препознавањето образец и разбирањето на пациентот.
Снимката не е исто што и дијагнозата
Алгоритмот може да препознае нешто што наликува на одредена промена, но лекарот мора да знае што значи тој наод во конкретниот случај.
Двајца пациенти можат да имаат слична снимка, а сосема различна медицинска историја. Затоа резултатот од снимањето се разгледува заедно со симптомите, претходните прегледи, лабораториските резултати и други информации.
Друг проблем е можноста самиот систем да погреши. AI не е универзален „детектор на вистината“. Неговата прецизност зависи од податоците на кои е развиен, од квалитетот на снимките и од конкретната задача за која е наменет.
Затоа од лекарот не се очекува слепо да го прифати резултатот на алгоритмот.
Напротив, колку повеќе AI ќе биде присутен во процесот, толку поважно ќе биде експертот да знае кога може да му верува на неговиот резултат.
Најголемиот ризик можеби не е лош AI, туку преголема доверба во добар AI
Ова е еден од поинтересните проблеми што се појавуваат кога луѓето почнуваат да работат заедно со автоматизирани системи.
Ако алатката многупати дава точен резултат, корисникот може да стане помалку склон да го проверува. Во медицината овој феномен често се опишува со терминот automation bias склоност претерано да се верува на препораката на автоматизиран систем.
За радиологијата тоа е особено важно.
Ако алгоритмот означи промена што лекарот не ја гледа, радиологот дополнително ќе ја провери. Но што се случува кога алгоритмот ќе каже дека нема причина за загриженост, а лекарот, поради довербата во системот, нема да му се спротивстави?
Затоа AI не ја отстранува потребата од експерт. Парадоксално, може да ја направи неговата улога поинаква и поодговорна.
Лекарот повеќе не мора само да ја процени снимката. Мора да ја процени и процената на машината.
Што добива радиологот?
Еден од најконкретните потенцијали на AI е времето.
Радиологот во текот на работниот ден поминува низ голем број прегледи, а дел од таа работа ја сочинуваат задачи што се повторуваат. Ако софтверот може да ги автоматизира или забрза, лекарот може да посвети повеќе внимание на посложените случаи.
Тоа може да значи помалку време за рутинска обработка и повеќе време за она што бара искуство, комуникација и клиничко размислување.
Со други зборови, AI не мора да го зголеми бројот на часови што лекарот ги работи. Може да го промени начинот на кој ги користи.
А тоа станува сè позначајно со растот на обемот на медицинските снимања.
Бројот на радиолози сепак расте
Интересно е што достапните проекции не укажуваат на исчезнување на професијата.
Студија објавена во Journal of the American College of Radiology проценила дека бројот на радиолози во САД би можел да порасне за 25,7 отсто до 2055 година, дури и без зголемување на бројот на места за специјализација. Со продолжување на растот на бројот на специјализанти, проекцијата достигнува до 40,3 отсто.
Тоа, секако, не значи дека AI нема влијание врз пазарот на труд. Напротив.
Ако алгоритмите преземат дел од рутинските задачи, ќе се променат вештините што ќе се бараат од идните радиолози. Покрај медицинското знаење, ќе биде потребно и разбирање на начинот на работа на AI системите, нивните ограничувања и начинот на кој се проверува квалитетот на нивните резултати.
Радиологијата можеби е само почеток
Она што сега се случува во радиологијата може да биде интересен модел и за други професии.
Вештачката интелигенција најчесто не мора да преземе цела професија за да ја промени нејзината природа. Доволно е да автоматизира дел од процесот.
Сметководствениот софтвер не ги укина сметководителите. CAD не ги укина архитектите. Алатките за автоматска обработка на податоци не ги направија аналитичарите непотребни.
Слично би можело да се случи и со радиолозите.
Наместо прашањето „дали AI ќе го замени радиологот“, многу покорисно станува прашањето: кој дел од неговата работа прв ќе го преземе алгоритмот и што ќе прави лекарот со времето што ќе му остане?
Засега, податоците повеќе укажуваат на модел во кој човекот и AI работат заедно отколку на целосна автоматизација на професијата.
Можеби токму тоа е најголемата промена: радиологот на иднината нема да се натпреварува со вештачката интелигенција во тоа кој подобро анализира снимка. Ќе мора да научи како да ја користи како уште една алатка, но и како да го препознае моментот кога таа алатка греши.
Извор: webmind.rs
