AI看病比人准，为什么医院还要用医生？真相没那么简单

2026-09-15公众号文章

认真阅读下面的文章，并思考文末互动提出的问题，严格按照 互动：你的答案 格式在评论区留言，就有机会获得由人民邮电出版社提供的优质科普书籍《物理·化学大百科:生活中无处不在的物理·化学及应用》。

医生与 AI 医疗系统协同工作 | 图源：pikisuperstar，取自Magnific

十年前，一位顶尖人工智能科学家曾预言：计算机将会取代人类专家，成为医学影像判读的主力。但现实并未完全如其所料。

2016 年，诺贝尔奖得主、被誉为 “AI 教父” 的杰弗里・辛顿（Geoffrey Hinton）曾预言：放射科医生 (通过解读X光片、超声影像及其他图像来辅助诊断的医生)将在五年内被计算机取代。如今这个行业大可借用马克・吐温那句名言来回应：”有关我死亡的报道言过其实。”

事实上，放射科从业人员的规模正稳步增长，预计在未来三十年里该行业从业者的数量将至少增加 26%。不过，辛顿虽然没能预判就业市场的动态变化，但这一点并不能掩盖他的先见之明：他的判断没错——如今医生身边已经有了一位硅基同事，其影像诊断能力能够媲美甚至超越人类医生。实际上，放射科毫无疑问是医学领域人工智能落地的热点，也成为专业决策系统在整个医疗行业乃至其他领域推广应用的风向标。

截至 2026 年初，美国食品药品监督管理局（FDA）批准上市的 1400 款人工智能医疗设备中，约四分之三都应用于放射医疗领域。部分设备可以自动生成报告、提示需要紧急关注的影像，帮助医生提升工作效率。还有一些 AI 设备有望超越人类水平，它们能够识别人眼难以察觉的异常病灶，影像诊断能力与受过专业训练的放射科医生不相上下，有时甚至更胜一筹。例如，一项涵盖 43 项临床试验的分析表明，AI 辅助下的结肠镜检查，检测出息肉的数量多于传统结肠镜。

从市场规模来看，借助人工智辅助医学影像诊断这一领域，预计在2030年前将呈指数级增长。人工智能应用的日益普及，为医生提供了发挥这项技术优势的机会，但同时也带来了如何最大程度降低其负面影响的挑战。 | 图源: GRAND VIEW RESEARCH

在医学影像领域中，提升诊断准确率意义重大。据估算，人类在影像诊断中的出错概率平均为 3% 至 5%，换而言之全球每年大概会发生 4000 万例误诊。然而解决方案并非简单地用AI取代人工。辛顿那番轰动性预言提出的十年后，核心问题已不再是：针对某项特定任务，人类与 AI 在统计层面谁的表现更优；而是如何将 AI 的技术精准度和人类医生的经验与应变能力相结合，从而提升诊断准确率，造福患者。

协同工作

找到这类人机协同系统的最优设计方案并非易事。斯坦福大学医学与影像人工智能中心主任、放射科医生柯蒂斯・朗洛茨（Curtis Langlotz）指出：“即便 AI 在部分影像诊断任务上的平均表现优于经验丰富的放射科医生，但它依然会犯下一些人类不会出现的错误。” 这就要求放射科医生对 AI 给出的每一项诊断结果进行核验——这些结果绝大多数都是正确的，但需要识别出算法出错的少数特例。

田纳西州孟菲斯市，圣裘德儿童研究医院智能影像信息学部主任、放射科医生保罗・易（Paul Yi）表示：“这需要彻底转变固有的思维模式。”

从放射科医生阅片 | 图源：Mitrey，取自Pixabay

医生早已习惯否决计算机给出的建议，但当下的情况有所不同。数十年来，基于规则算法生成的电子病历预警，一直在提醒医生注意潜在的药物相互作用等风险。朗洛茨称，大约半数情况下医生都会忽略这类预警。他说：“我会收到计算机给出的参考建议，同时必须结合这名患者的全部其他信息来评估该建议，最终做出最优判断。”

相比之下，放射科的 AI 影像分析系统通常基于神经网络。这类系统能够识别肿瘤亚型、勾勒病灶边界，并高精度完成其他诊断任务。基于规则算法给出的结论或提示，医生凭借自身医学知识就能快速理解；与之不同的是，神经网络被称作 “黑箱” 系统，这类 AI 模型通常不会展示得出诊断的推理过程，这也让放射科医生难以判断是否应当否决该结果。

北美放射学会期刊《放射学：人工智能》主编查尔斯・卡恩（Charles Kahn）表示：“这真的是一处异常病灶吗？还是说有些细微信息我没能察觉，而 AI 凭借其敏锐的识别能力捕捉到了？这对我们而言确实是巨大的挑战。”

否决权

朗洛茨举了一个假想案例：一款AI工具可在胸部 CT 影像中检出 95% 的肺结节，而放射科医生的检出率为 90%。他说：“有些人会说，‘哦，AI 比放射科医生表现更好，那我们就该用 AI 取代所有放射科医生。’但我要说明的是，那 5% 被机器漏检的结节里，有一部分依然能被放射科医生发现。这是因为机器智能与人类智能属于两种不同类型的智能。”

AI 可以逐个像素地检查影像，不会疲劳或分心，还能将这张影像与它学习过的所有其他影像进行比对。与之不同的是，放射科医生对疾病的认知能够让他们以 AI 无法实现的方式判读影像。

AI进行影像分析 | 图源：pikisuperstar，取自Magnific

马赛克临床技术公司的首席医疗人工智能官妮娜・科特勒（Nina Kottler）表示：“当 AI 与放射科医生因思维逻辑差异得出不同判断时，如何确保医生能够在 AI 判断正确时采纳其结论，在 AI 出错时予以摒弃？这件事未必简单，但也并非没有解决办法。

为了打造理想的人机协作团队，全球各地的放射科医生都在学习如何与 AI 协同工作，让自己和患者都能从中获益。这种协作需要应对无意识偏见，这类偏见会导致医生要么过度依赖 AI，要么不恰当地否决 AI 给出的结果。因此，想要以最优的方式使用这类系统，放射科医生既要充分认识 AI 的整体可靠性，同时还要能够识别出它的错误。

朗洛茨表示：“对这类系统的工作原理有一定的了解确实很有帮助，这样才能更好地判断算法何时可能会误导你。”

无论是人工还是机器在判读医学影像出现二分类判断失误时，错误类型分为两种：假阴性会漏诊疾病，而假阳性则是在不存在病变的情况下误判为病变。

对于罕见病而言（绝大多数疾病其实都相对少见）任何诊断方式都容易产生大量假阳性结果。原因很简单，系统会接触大量未患病的人群，也就有更高概率发生误诊。医生需要能够识别并否决这类假阳性，同时还能准确甄别 AI 相对少见的正确判读。过度相信机器给出的结果，无论阳性还是阴性，这种现象就称为自动化偏见。

避免采信假阴性结果也同样重要。举例来说，脑部 CT 或 MRI 影像中明明存在颅内出血，AI 系统却可能漏检。对这类疏漏信以为真的现象，被称为自动化自满。

科特勒表示：“这两类问题，本质都是 AI 在潜移默化中改变了放射科医生的怀疑程度，而医生自身并未察觉。” 久而久之，人们会变得过度相信 AI 给出的结论。一项研究发现，即便经验丰富的放射科医生，在 AI 错误预测的影响下诊断乳腺钼靶影像，其诊断准确率也会大幅下降。

AI 与放射医师协作的失效机制

在与人工智能工具协同工作时，放射科医生可能陷入特定的思维模式，进而造成诊断失误。自动化偏见指医生采信智能系统给出的结论，却轻视自身的判断。而自动化自满，是指长期使用高可靠性 AI 系统后，医生对那些偶尔出现的罕见错误放松了警惕。图源：改编自 B. 科恰克、R. 库科洛，《诊断与介入放射学》2026 年，《Knowable》杂志

另一方面，对 AI 不信任的问题会更容易理解。许多人天然会对新技术心存疑虑，尤其是这项技术还被指责有可能抢走他们的饭碗，除非它能证明自身价值。而且原本性能可靠的 AI 系统，会犯下和人类失误截然不同的明显错误，这更会加剧这种不信任。科特勒表示：“当你看到一个离谱的错误，一个荒唐的假阳性结果，你心里就会想‘看吧，AI 肯定不够可靠’，进而直接否定它。”

她建议通过长期追踪放射科医生与 AI 搭档的判断差异，来应对这类偏见，如果医生的倾向出现极端化，就要及时干预。科特勒称：“如果放射科医生一百次里有 99 次都采信 AI 的结论，而我们已知 AI 的准确率仅为 95%，我们就会和这位放射科医生沟通。”

科特勒表示，仅仅告知放射科医生某款 AI 工具的准确率为 95% 远远不够，还需要开展相关培训，让医生清楚哪些情况需要特别关注、何时需要提高警惕。例如，医生需要知道，若患者在扫描过程中发生移动，某款 AI 工具有 30% 的概率会在影像检查中出现错误。然而，2026 年美国医学会的一项调查显示，超过四分之一受访医生表示从未接受过 AI 相关培训，仅有 11% 的医生声称接受过大量培训。

科特勒还主张，AI 工具在给出每一次评估时，都应当输出置信度预估，而不是简单地给出是或否的结论。毕竟不能指望放射科医生掌握多种 AI 系统的复杂原理，而且这类系统的数量与复杂程度还会持续增加。

朗洛茨表示：“我们才刚刚开始探索如何优化这套人机协同系统。” 他补充道，如今放射科医生需要明白的道理，和大约十年前他反驳那位 AI 领域泰斗的预言时所说的一样：并不是 AI 会取代放射科医生，而是会使用 AI 的放射科医生，将会取代不会使用 AI 的放射科医生。

作者：Lola Butcher

翻译：子木

审校：姬子隰

原文链接：AI won’t replace radiologists, but will dramatically change their jobs

福

利

shi

时

jian

间

今天我们将送出由人民邮电出版社提供的《物理·化学大百科:生活中无处不在的物理·化学及应用》。

本书细致、全面地介绍了生活及工作中常用的物理知识和化学知识。全书共7章，其中第1~4章是物理篇，系统讲解了力学、热力学、波、电磁学和量子力学；第5~7章是化学篇，详细介绍了理论化学、无机化学和有机化学。本书不仅可以帮助读者学习或巩固物理知识和化学知识，更能帮助读者了解物理知识和化学知识的各种应用场景。本书适合中学生、大学生及物理和化学爱好者阅读。

【互动问题：当前作为个体，你觉得生命的意义是什么？面对未来可能与硅基生命共存的情况，人类存在的意义又是什么？】

请大家严格按照 互动：问题答案 的格式在评论区留言参与互动，格式不符合要求者无效。

截止到本周四中午12：00，参与互动的留言中点赞数排名第二、三、五的朋友将获得我们送出的图书一本（点赞数相同的留言记为并列，并列的后一名次序加一，如并列第二的后一位读者记为第三名，以此类推）。

为了保证更多的朋友能够参与获奖，过往四期内获过奖的朋友不能再获得奖品，名次会依次顺延

*本活动仅限于微信平台

编辑：楠客

翻译内容仅代表作者观点

不代表中科院物理所立场

近期热门文章Top10

↓ 点击标题即可查看 ↓

1. 15分钟一局的王者荣耀，成了数学博士生的避难所。

2. 你每天都在吃，它们居然是国家保护植物？！