2016年、Geoffrey Hintonはコンピューターが5年以内に放射線科医を置き換えると予測しました。しかし、それは実現していません。放射線科の人員は増加しており、今後30年間で実務者は26%拡大すると予想されています。それでも、Hintonの先見性は当てはまります。AIは現在、多くの画像診断タスクで人間のパフォーマンスに匹敵するか、それを上回っています。2026年初頭の時点で、FDAが承認した1,400のAI対応医療機器のうち、約4分の3が放射線科向けです。

AIツールはレポートを作成し、緊急画像をフラグし、時には人間の目に見えない異常を発見します。例えば、43件の臨床試験の分析では、AI支援の大腸内視鏡検査がより多くのポリープを発見することがわかりました。診断画像のヒューマンエラー率は3〜5％で、世界中で年間約4,000万件のエラーを引き起こしています。解決策は人間を置き換えることではなく、AIの精度と人間の経験を組み合わせることです。

コラボレーションの設計は複雑です。AIが平均的に信頼性が高くても、人間が間違えない場所で間違えることがあります、とスタンフォード大学の放射線科医Curtis Langlotzは言います。放射線科医は各AIの決定を評価する必要があり、St. Jude Children's Research HospitalのPaul Yiによると、これは「完全な精神的再配線」です。ルールベースのアラートとは異なり、AIニューラルネットワークは「ブラックボックス」システムであり、監視が難しくなります。

目標は、患者の利益のためにAIの技術的な精度と人間の柔軟性を融合させることです。