Несмотря на то, что модели искусственного интеллекта, предназначенные для диагностики заболеваний по рентгеновским снимкам, в тестах показывают результаты лучше, чем рентгенологи-люди, спрос на последних растёт. Число вакансий по диагностической радиологии в США в 2025 году достигло исторического максимума: предлагается более 1200 мест, что на 4% выше, чем в предыдущем году. Средняя зарплата специалистов в этой области также растёт и превышает полмиллиона долларов в год, пишет журнал Work In Progress.
Одной из первых диагностических ИИ-моделей, получивших широкую известность, стала CheXNet. Модель, разработанная в Стэнфордском университете, предназначена для выявления пневмонии по снимкам грудной клетки. Нейросеть обучалась на более чем 100 тыс. снимках и широко применяется в больницах.
После CheXNet появились и другие системы от различных компаний, включая Annalise.ai, Lunit, Aidoc, Qure.ai и другие. Эти модели способны находить заболевания на разных типах снимков, а в контрольных тестах они работают быстрее и точнее врачей. Сегодня на рынке существует более 700 ИИ-моделей, одобренных Управлением по санитарному надзору за качеством пищевых продуктов и медикаментов США и предназначенных для диагностики по рентгеновским снимкам.
Тем не менее ИИ пока не может заменить врачей-людей. Во-первых, большая часть моделей предназначена для диагностирования инсульта, рака молочной железы и лёгких. Эти категории составляют около 60% всех разработок, но это только небольшая часть заболеваний, с которыми сталкиваются врачи в реальной практике. Для таких областей, как шейный отдел позвоночника или щитовидная железа, диагностических нейросетей очень немного.
Ещё одна проблема заключается в ограничениях ИИ-моделей в ходе реальной клинической практики. Часто модель, которая успешно прошла тесты, заметно хуже работает в реальных условиях или в других больницах. Во многом это вызвано разницей в оборудовании, стандартах съёмки и особенностях данных. Иногда ухудшение объясняется переобучением модели: она слишком сильно адаптирована под данные конкретного учреждения и плохо переносится на другие.
Кроме того, исследования показывают, что обучающие наборы данных для моделей ИИ зачастую отфильтрованы и представляют только самые простые и однозначные случаи. В них не хватает снимков с необычными ракурсами, слабым качеством или редкими формами заболеваний.
Наконец, работа радиолога гораздо шире, чем просто постановка диагноза по снимкам. Врачи общаются с пациентами и коллегами, принимают решения на основе комплексных данных и несут ответственность за правильность постановки диагноза и дальнейшее лечение. Здесь искусственный интеллект пока не способен заменить человека и вряд ли будет способен в ближайшие годы. Как отмечают авторы исследования, сочетание возможностей человека и машины пока остаётся оптимальной схемой.
Источник: habr.com