رادیولوژی یکی از نخستین تخصص‌های پزشکی است که ورود هوش مصنوعی به آن از مرحله آزمایش‌های محدود عبور کرده و به استفاده در فرایندهای واقعی تشخیص رسیده است. حجم بالای تصاویر پزشکی، دیجیتالی بودن داده‌ها، وجود آرشیوهای گسترده و تکراری بودن بخشی از فرایند تحلیل و گزارش‌نویسی، این رشته را به یکی از مهم‌ترین میدان‌های توسعه هوش مصنوعی در پزشکی تبدیل کرده است.
با این حال، پرسش اصلی دیگر این نیست که آیا هوش مصنوعی وارد رادیولوژی خواهد شد یا خیر؛ بلکه مسئله این است که این فناوری تا چه اندازه می‌تواند در فرایند تشخیص مستقل شود و نقش رادیولوژیست در آینده چگونه تغییر خواهد کرد.
این تحول حتی به اظهارنظر چهره‌های فعال در صنعت فناوری نیز راه یافته است. جنسن هوانگ، مدیرعامل انویدیا، پیش‌تر با اشاره به پیشرفت سریع فناوری بینایی رایانه‌ای پیش‌بینی کرده بود که رادیولوژی از جمله حرفه‌هایی باشد که تحت تأثیر جدی هوش مصنوعی قرار می‌گیرد. برخی سرمایه‌گذاران نیز حتی احتمال منسوخ شدن این تخصص را مطرح کرده بودند.
با وجود این پیش‌بینی‌ها، رادیولوژی همچنان یکی از تخصص‌های پرتقاضای پزشکی است و متخصصان این حوزه نیز از کاربران فعال ابزارهای هوش مصنوعی و در مواردی از مشارکت‌کنندگان در توسعه این فناوری‌ها هستند. به نظر می‌رسد مسیر واقعی تحول، بیش از حذف کامل پزشک، به تغییر ماهیت وظایف و مسئولیت‌های او منجر شود.
بازار هوش مصنوعی رادیولوژی در مسیر رشد سریع
برآوردهای آماری منتشرشده در دسامبر ۲۰۲۵ نشان می‌دهد ارزش بازار جهانی هوش مصنوعی در رادیولوژی در سال ۲۰۲۵ حدود ۷۹۴.۱۲ میلیون دلار بوده است. این رقم برای سال ۲۰۲۶ حدود ۹۸۹.۵۵ میلیون دلار برآورد شده و پیش‌بینی می‌شود بازار تا سال ۲۰۳۵ به ۷۱۶۸.۲۸ میلیون دلار برسد.
بر اساس همین برآورد، نرخ رشد مرکب سالانه بازار هوش مصنوعی رادیولوژی در فاصله سال‌های ۲۰۲۶ تا ۲۰۳۵ حدود ۲۴.۶۱ درصد خواهد بود. افزایش نیاز به تشخیص زودهنگام بیماری‌های مزمن از جمله عواملی است که برای توضیح این رشد مطرح شده است.
سه سناریو برای رادیولوژی در سال ۲۰۳۵
مقاله‌ای از یان بگر، امین کورچی و کریستوف آگتن در نشریه «European Journal of Radiology Artificial Intelligence» تلاش کرده است به جای طرح پرسش کلی «آیا هوش مصنوعی جای رادیولوژیست را می‌گیرد؟»، آینده این حرفه را در قالب سه سناریو بررسی کند.
وجه مشترک هر سه سناریو، افزایش استقلال هوش مصنوعی در انجام بررسی‌های معمول، باقی ماندن مسئولیت بالینی انسان و انتقال بخش بیشتری از زمان پزشکان به پرونده‌های پیچیده‌تر است. تفاوت اصلی در پیامدهای اقتصادی و حرفه‌ای این تحول، از جمله تعداد رادیولوژیست‌ها، امنیت شغلی، دستمزد و جایگاه تخصصی آنان شکل می‌گیرد.
در سناریوی نخست، هوش مصنوعی می‌تواند به جای حذف رادیولوژیست، دامنه فعالیت او را گسترش دهد. الگوریتم بخش‌هایی از تشخیص اولیه و تحلیل تصاویر را انجام می‌دهد و پزشک فرصت بیشتری برای بررسی داده‌های پیچیده، تحلیل نشانگرهای زیستی، مدیریت فرایند تشخیص و ارتباط با بیمار و سایر پزشکان خواهد داشت.
در این مدل، رادیولوژیست آینده بیش از آنکه صرفاً مفسر تصاویر باشد، هماهنگ‌کننده فرایند تشخیص خواهد بود. البته تحقق چنین وضعیتی تا حد زیادی به افزایش تقاضا برای خدمات تصویربرداری وابسته است؛ به گونه‌ای که رشد تقاضا بتواند افزایش بهره‌وری ناشی از هوش مصنوعی را جذب کند.
آیا هوش مصنوعی تعداد رادیولوژیست‌ها را کاهش می‌دهد؟
سناریوی دوم چشم‌انداز متفاوتی دارد. بر اساس این دیدگاه، افزایش بهره‌وری می‌تواند به کاهش تعداد نیروی انسانی مورد نیاز برای انجام حجم مشخصی از مطالعات منجر شود.
در چنین شرایطی، پرونده‌های ساده‌تر ممکن است پیش از رسیدن به پزشک توسط سامانه‌های هوش مصنوعی پردازش شوند و رادیولوژیست بیشتر با موارد پیچیده، نادر و پرخطر مواجه شود. بنابراین ممکن است شغل رادیولوژیست از نظر محتوای تخصصی غنی‌تر شود، اما تعداد افرادی که در این حرفه فعالیت می‌کنند کاهش پیدا کند.
شواهد مطالعات انجام‌شده در زمینه غربالگری سرطان سینه نیز اهمیت این سناریو را نشان می‌دهد. بر اساس یکی از مطالعات، استفاده از هوش مصنوعی توانسته است عملکرد تشخیصی قابل مقایسه با خوانش دوگانه متعارف ایجاد کند و همزمان بار خوانش انسانی را ۴۴ درصد کاهش دهد. مطالعه‌ای مستقل در بریتانیا نیز کاهش ۴۶ درصدی خوانش انسانی را با عملکرد تشخیصی معادل گزارش کرده است.
با این حال، در هر دو مورد همچنان رادیولوژیست انسانی در زنجیره تصمیم‌گیری حضور داشته است. بنابراین شواهد فعلی بیشتر از کاهش حجم کار انسانی مورد نیاز برای تولید خدمات تشخیصی حمایت می‌کنند تا حذف کامل نقش پزشک.
رادیولوژی؛ یک حرفه با سه سطح متفاوت
سناریوی سوم پیامدهای اقتصادی اتوماسیون را جدی‌تر دنبال می‌کند و احتمال شکل‌گیری ساختاری چندلایه در حرفه رادیولوژی را مطرح می‌کند.
در بالاترین سطح، گروهی از فوق‌تخصص‌ها قرار می‌گیرند که پرونده‌های پیچیده را بررسی کرده و بر سامانه‌های هوش مصنوعی نظارت می‌کنند. گروه دیگری مسئول فعالیت‌های مداخله‌ای و وظایف فیزیکی مانند سونوگرافی یا هدایت ابزارهای تصویربرداری خواهند بود. در سطح دیگر نیز ممکن است گروهی از نیروهای دورکار مسئول بررسی، ممیزی و تأیید خروجی سامانه‌های هوش مصنوعی باشند.
در این حالت، اگرچه هوش مصنوعی حجم قابل توجهی از کارهای تکراری را بر عهده می‌گیرد، ارزش اقتصادی و میزان اختیار میان گروه‌های مختلف رادیولوژیست‌ها می‌تواند یکسان نباشد.
چالش مهم‌تر؛ آموزش رادیولوژیست‌های آینده
ورود گسترده هوش مصنوعی تنها بازار کار رادیولوژی را تغییر نمی‌دهد و می‌تواند شیوه آموزش پزشکان آینده را نیز دگرگون کند.
بخش مهمی از مهارت رادیولوژیست از مشاهده هزاران تصویر و مواجهه مداوم با نمونه‌های طبیعی و غیرطبیعی شکل می‌گیرد. اگر سامانه‌های هوش مصنوعی بخش عمده مطالعات معمول را پیش از رسیدن به پزشک تحلیل کنند، فرصت دستیاران و متخصصان جوان برای کسب تجربه نیز کاهش خواهد یافت.
در این شرایط، سه نگرانی مطرح می‌شود: نخست اینکه برخی مهارت‌های پایه ممکن است از ابتدا به شکل کامل ایجاد نشوند؛ دوم اینکه مهارت‌های کسب‌شده در اثر کاهش مواجهه با موارد مختلف به مرور تضعیف شوند و سوم اینکه پزشکان جوان ممکن است مهارت خود را بیش از اندازه بر اساس خروجی سامانه‌های هوش مصنوعی شکل دهند.
بنابراین آموزش رادیولوژی در آینده تنها به یادگیری استفاده از یک ابزار نرم‌افزاری محدود نخواهد بود، بلکه باید پزشک را برای تشخیص خطاهای احتمالی هوش مصنوعی نیز آماده کند.
مرحله بعدی؛ هوش مصنوعی عامل‌محور
یکی دیگر از تحولات مهم می‌تواند ورود گسترده‌تر سامانه‌های عامل‌محور به رادیولوژی باشد. این سامانه‌ها قادر خواهند بود مجموعه‌ای از وظایف را در قالب یک زنجیره به یکدیگر متصل کنند؛ از انتخاب پروتکل و بازیابی سوابق بیمار گرفته تا تحلیل تصاویر، تهیه گزارش و پیگیری مراحل بعدی.
این تحول می‌تواند نقش رادیولوژیست را بیش از گذشته تغییر دهد. پزشک ممکن است به مدیر یک فرایند تشخیصی مبتنی بر هوش مصنوعی تبدیل شود یا نقش او بیشتر به بررسی و تأیید خروجی یک زنجیره خودکار محدود شود.
همزمان، توسعه دوقلوهای دیجیتال و ترکیب تصاویر پزشکی با داده‌های چندوجهی می‌تواند رادیولوژیست‌ها را به حوزه‌هایی مانند مدل‌سازی روند بیماری، پیش‌بینی خطر و شبیه‌سازی درمان وارد کند.
آینده رادیولوژیست‌ها چگونه رقم می‌خورد؟
بررسی سناریوهای مختلف نشان می‌دهد آینده رادیولوژی را نمی‌توان تنها بر اساس سرعت پیشرفت الگوریتم‌ها پیش‌بینی کرد. مقررات پزشکی، مسئولیت حقوقی، شیوه پرداخت هزینه‌های درمان، ساختار آموزش تخصصی و تصمیم بیمارستان‌ها درباره استفاده از ظرفیت هوش مصنوعی، همگی در تعیین مسیر این تخصص نقش خواهند داشت.
در نتیجه، پرسش مهم برای سال ۲۰۳۵ تنها این نیست که هوش مصنوعی چند تصویر را می‌تواند تحلیل کند؛ بلکه این است که افزایش بهره‌وری ناشی از این فناوری چگونه در نظام سلامت مورد استفاده قرار خواهد گرفت.
این تحول می‌تواند ظرفیت تشخیصی مراکز درمانی را افزایش دهد، نقش رادیولوژیست‌ها را به سمت پرونده‌های پیچیده‌تر سوق دهد یا در صورت تصمیم‌گیری برای کاهش هزینه‌ها و نیروی انسانی، ساختار اشتغال این حرفه را تغییر دهد.
به این ترتیب، شواهد موجود بیش از آنکه از پایان رادیولوژی به عنوان یک تخصص پزشکی حکایت داشته باشند، از آغاز دوره‌ای خبر می‌دهند که در آن تعریف وظایف، مهارت‌ها و مسئولیت‌های رادیولوژیست دستخوش تغییر خواهد شد.
انتهای پیام