Foto: mihailomilovanovic/Getty Images

V roce 2016 Geoffrey Hinton, nositel Nobelovy ceny a považovaný za „kmotra umělé inteligence“, předpověděl, že radiologové budou do pěti let nahrazeni počítači. Dnes by se dalo říci, že zprávy o jejich zániku byly značně přehnané. Počet radiologů totiž stále roste a očekává se, že se během příštích tří desetiletí zvýší o 26 procent.

Autor původního článku: Lola Butcher

čtení rentgenového snímku — Radiologové a umělá inteligence: Nová éra spolupráce

Radiologie se stala průkopníkem v přijímání nástrojů umělé inteligence. Přibližně tři čtvrtiny z 1 400 lékařských zařízení s podporou AI, které byly schváleny americkým Úřadem pro kontrolu potravin a léčiv do začátku roku 2026, jsou určeny právě pro radiologii. Tyto nástroje mohou zvyšovat efektivitu lékařů tím, že jim pomáhají s tvorbou zpráv nebo upozorňují na snímky, které vyžadují okamžitou pozornost.

Umělá inteligence má potenciál zlepšit výkon lékařů tím, že identifikuje abnormality, které nemusí být viditelné lidským okem, nebo interpretuje snímky stejně dobře, ne-li lépe, než vyškolení radiologové. Například analýza 43 klinických studií ukázala, že kolonoskopie s asistencí AI odhalují více polypů než ty konvenční.

Umělá inteligence v radiologii — Jak AI mění diagnostiku v radiologii

Navzdory těmto pokrokům není řešení tak jednoduché jako nahradit lidi stroji. Deset let po Hintonově předpovědi je hlavní otázkou, jak kombinovat technickou přesnost AI se zkušenostmi a flexibilitou lidí, aby se zlepšila přesnost ve prospěch pacientů.

Spolupráce mezi lidmi a stroji

Najít nejlepší způsob, jak navrhnout takový spolupracující systém, není jednoduché. I když může být AI spolehlivější než zkušený radiolog při interpretaci určitých snímků, stále udělá chyby, které by lidé neudělali, říká Curtis Langlotz, ředitel Centra pro umělou inteligenci v medicíně a zobrazování na Stanfordské univerzitě. To staví radiology do role hodnotitelů každého rozhodnutí AI, přičemž většina z nich bude správná, a identifikovat vzácné případy, kdy algoritmus selhal.

Radiologové jako Paul Yi, vedoucí sekce inteligentní zobrazovací informatiky v Dětské výzkumné nemocnici St. Jude v Memphisu, zdůrazňují potřebu „mentálního přeprogramování“. Lékaři jsou zvyklí přebíjet počítače, ale tento moment je jiný. Elektronické lékařské záznamy s varováními založenými na pravidlech upozorňují lékaře na potenciálně nebezpečné lékové interakce již desítky let. Lékaři tato varování obvykle ignorují asi v polovině případů, říká Langlotz.

Veto a důvěra v AI

Langlotz uvádí příklad teoretického nástroje AI, který dokáže detekovat 95 procent plicních uzlů na CT hrudníku, zatímco radiologové detekují 90 procent. „Někteří by řekli, že AI je lepší než radiologové, a proto bychom měli všechny radiology nahradit AI,“ říká. „Ale řeknu vám, že radiolog detekuje některých 5 procent, které stroj přehlédl. A to proto, že inteligence strojů a lidí jsou různé druhy inteligence.“

Knowable — Radiologie a AI: Společná cesta

AI může zkoumat každý pixel na snímku, aniž by se unavila nebo rozptýlila, a porovnávat ho s každým jiným snímkem, který kdy viděla. Naopak, porozumění nemocem umožňuje radiologům interpretovat snímky způsoby, které AI nemůže.

Výzvy a budoucnost spolupráce

Radiologové po celém světě pracují na tom, jak se naučit spolupracovat s AI, aby mohli oni i jejich pacienti těžit z jejích výhod. Tato spolupráce vyžaduje řešení nevědomých předsudků, které vedou lékaře k tomu, aby se na AI příliš spoléhali nebo její odpovědi nevhodně odmítali.

Je důležité, aby radiologové rozpoznali a přebíjeli falešně pozitivní výsledky, zatímco stále správně identifikují relativně vzácné správné diagnózy stroje. Věření příliš v výsledky stroje, ať už pozitivní nebo negativní, se nazývá automatizační zaujatost. Ale je důležité se vyvarovat i přijímání falešně negativních výsledků.

Radiologie a AI — Budoucnost radiologie s AI

Jedna studie zjistila, že i zkušení radiologové zaznamenali velké poklesy v přesnosti interpretace mamografie, když jejich rozhodnutí byla ovlivněna nesprávnými predikcemi AI. V rámci spolupráce s nástroji umělé inteligence mohou radiologové podlehnout myšlenkovým vzorcům, které vedou k diagnostickým chybám.

Trénink a adaptace

Trénink je nezbytný, aby lékaři věděli, na co se zaměřit a kdy. Více než čtvrtina lékařů, kteří odpověděli na průzkum Americké lékařské asociace v roce 2026, uvedla, že neabsolvovala žádný trénink ohledně AI, a pouze 11 procent uvedlo, že absolvovalo hodně tréninku.

Kottler také prosazuje, aby nástroje AI poskytovaly odhad důvěryhodnosti pro každé hodnocení místo jednoduché odpovědi ano/ne, protože žádný radiolog nemůže být očekáván, že bude znát složitosti více systémů AI.

„Jsme teprve na začátku pochopení, jak optimalizovat lidsko-strojový systém,“ říká Langlotz. Důležité pro radiology je dnes ocenit to, co řekl téměř před deseti lety v reakci na předpověď kmotra AI: Není to o tom, že AI nahradí radiology. Radiologové, kteří používají AI, nahradí ty, kteří ji nepoužívají.