#人工智能#医学影像#人机协作

2016年，"AI教父"、图灵奖及诺贝尔奖得主Geoffrey Hinton做出过一个后来被反复引用的预言：放射科医生这个职业，将在五年内被计算机取代。

十年过去，放射科的执业人数不仅没有萎缩，反而预计在未来三十年增长26%以上。这个反差本身就值得琢磨——因为Hinton并没有说错AI的能力，他错的是就业市场的运行逻辑。

AI确实已经很强了

放射科其实是医学领域里AI渗透最深的角落。截至2026年初，FDA批准的1400款AI医疗设备中，大约四分之三集中在放射科。一部分工具用来提高医生效率，比如自动起草报告、优先标记需要紧急处理的影像；另一部分工具的野心更大——识别人眼难以察觉的异常。一项覆盖43项临床试验的荟萃分析发现，AI辅助的结肠镜检查能比传统方式发现更多息肉。

这种精度提升不是锦上添花。医学影像的人为误诊率估计在3%到5%之间，换算成绝对数字，全球每年由此产生的误判高达约4000万例。

但这篇报道真正想说的问题，其实已经悄悄变了。十年前争论的是人和AI谁做得更好；十年后的问题是，AI的技术精度与人类的经验和灵活性该如何拼接，才能真正提高准确率。这是两个完全不同层级的问题，前者是竞赛，后者是工程。

否决权带来的新麻烦

斯坦福大学医学影像人工智能中心主任Curtis Langlotz给出了一个具体场景：假设某AI工具能识别出胸部CT上95%的肺结节，而放射科医生平均只能识别90%。表面看，AI已经全面胜出，应该直接替代人力。

但现实更复杂。Langlotz的原话是：

"Machine intelligence and human intelligence are different kinds of intelligence."
（机器智能和人类智能，是两种不同种类的智能。）

放射科医生依然能捕捉到AI遗漏的那部分5%——因为两者犯错的方式本身不同。AI逐像素扫描、永不疲劳、能调用见过的全部历史影像做比对；而放射科医生依靠的是对疾病本身的理解，这是一种AI目前难以复制的判断力。

这就让"要不要听AI的"变成了每一次判读都要重新做的决定。这和以往的电子病历用药警报系统完全不同——那类系统基于明确规则，医生凭自己的医学知识就能快速判断警报是否合理，通常有约一半的警报会被医生直接否决。而现在的神经网络系统属于**"黑箱"（black box）**。圣裘德儿童研究医院的放射科医生Paul Yi把这种转变形容为"整个思维方式的重新布线"。

两种会犯的错

人机协作中真正危险的不是AI出错本身，而是人在什么时候、以什么方式相信或不相信AI。文章提炼出两个心理学术语，都源自人因工程（human factors engineering）领域：

自动化偏见（automation bias）：过度信任机器给出的判断，无论是阳性还是阴性结果，都不加分辨地全盘接受。

自动化依赖（automation complacency）：长期与高可靠AI系统共事后，警惕性逐渐钝化，对本该被质疑的遗漏视而不见。

有一项研究发现，即便是经验丰富的放射科医生，在受到错误AI预测干扰的情况下，乳腺X光片判读的准确率也会明显下降。这说明"经验丰富"并不能天然免疫于这两种偏差。

有意思的是，还存在一种相反的失败模式：对AI的不信任。人们天然会怀疑一项被认为可能抢走自己工作的新技术，一旦AI出现某个"愚蠢"的假阳性，医生很容易借机全盘否定它，哪怕它在绝大多数情况下是对的。

谁来监督这场协作

Mosaic Clinical Technologies首席医学AI官Nina Kottler提出了一种监控思路：持续追踪放射科医生对AI结果的采纳率，一旦发现某位医生的采纳率明显偏离AI实际的准确率——比如AI只有95%的准确率，某位医生却接受了99次中的99次——就需要单独介入沟通。

但监控只是补救，真正的短板在训练。根据2026年美国医学会的一项调查，超过四分之一的医生表示自己完全没有接受过任何AI相关培训，只有11%的人表示接受过大量培训。Kottler还建议，AI工具应该为每次判读输出一个置信度分数，而不是简单的是/否结论——因为没有任何一位医生能同时掌握多套AI系统各自的脾气和盲区。

结论并不新鲜，但值得重复

Langlotz近十年前反驳Hinton时说过一句话，至今仍是这场讨论最贴切的收尾：

"Radiologists who use AI will replace radiologists who don't."
（会用AI的放射科医生，将取代不会用AI的放射科医生。）

放射科之所以成为AI医疗落地的风向标，不是因为它证明了机器比人强，而是因为它最早、最系统地暴露出人机协作中真正的难题：不是能力的比较，而是信任的校准。这个校准过程，才刚刚开始。

本文核心观点参考自 Lola Butcher, "AI won't replace radiologists, but will dramatically change their jobs", Knowable Magazine, 2026. 文中分析与延伸为笔者原创。

—很多值得读的内容还没到中文世界—

—我来帮你深度解读—