2016 সালে, Geoffrey Hinton ভবিষ্যদ্বাণী করেছিলেন যে কম্পিউটার পাঁচ বছরের মধ্যে রেডিওলজিস্টদের প্রতিস্থাপন করবে। তারা তা করেনি। রেডিওলজির পদমর্যাদা বাড়ছে, আগামী 30 বছরে অনুশীলনকারীদের ২৬ শতাংশ বাড়বে বলে আশা করা হচ্ছে। তবুও, Hinton-এর দূরদর্শিতা সত্য: AI এখন অনেক ইমেজিং কাজে মানুষের কর্মক্ষমতার সমান বা তার চেয়ে ভালো। 2026 সালের শুরুর দিকে, FDA-অনুমোদিত 1,400টি AI-সক্ষম চিকিৎসা ডিভাইসের মধ্যে প্রায় তিন-চতুর্থাংশ রেডিওলজির জন্য।

AI সরঞ্জাম রিপোর্ট তৈরি করে, জরুরি চিত্র চিহ্নিত করে, এবং কখনও কখনও মানুষের চোখে অদৃশ্য অস্বাভাবিকতা খুঁজে পায়। উদাহরণস্বরূপ, 43টি ক্লিনিকাল ট্রায়ালের বিশ্লেষণে দেখা গেছে AI-সহায়ক কোলোনোস্কোপি আরও পলিপ প্রকাশ করে। ডায়াগনস্টিক ইমেজিংয়ের জন্য মানুষের ত্রুটির হার ৩ থেকে ৫ শতাংশ এর মধ্যে, যা বিশ্বব্যাপী বছরে প্রায় 40 মিলিয়ন ত্রুটি সৃষ্টি করে। সমাধান মানুষকে প্রতিস্থাপন করা নয়, বরং AI-এর নির্ভুলতাকে মানুষের অভিজ্ঞতার সাথে একত্রিত করা।

সহযোগিতা ডিজাইন করা জটিল। এমনকি AI গড়ে বেশি নির্ভরযোগ্য হলেও, এটি এখনও এমন জায়গায় ভুল করে যেখানে মানুষ করবে না, স্ট্যানফোর্ডের রেডিওলজিস্ট Curtis Langlotz বলেছেন। রেডিওলজিস্টদের প্রতিটি AI সিদ্ধান্ত মূল্যায়ন করতে হবে, যা সেন্ট জুড চিলড্রেনস রিসার্চ হাসপাতালের Paul Yi-এর মতে "সম্পূর্ণ মানসিক পুনঃসংযোগ"। নিয়ম-ভিত্তিক সতর্কতার বিপরীতে, AI নিউরাল নেটওয়ার্ক "ব্ল্যাক বক্স" সিস্টেম, যা তত্ত্বাবধানকে কঠিন করে।

লক্ষ্য হল রোগীর সুবিধার জন্য AI-এর প্রযুক্তিগত নির্ভুলতা এবং মানুষের নমনীয়তাকে একত্রিত করা।