Walaupun kecerdasan buatan menjanjikan revolusi dalam bidang onkologi, semakan realiti baru-baru ini mendedahkan jurang yang ketara antara keterujaan dan kegunaan klinikal. Penemuan baharu menunjukkan bahawa pelaksanaan AI semasa dalam saringan kanser payudara masih belum mencapai jangkaan tinggi yang ditetapkan oleh profesional perubatan.

Jurang Antara Jangkaan dan Realiti Klinikal

Satu tinjauan dalam Clinical Imaging mendedahkan ketidakselarasan antara harapan pakar radiologi terhadap AI dan apa yang sebenarnya mampu diberikan oleh alatan tersebut. Kajian itu meninjau 215 ahli Society of Breast Imaging; kira-kira separuh daripadanya sudah menggunakan alatan AI yang diluluskan oleh FDA, namun impaknya masih sederhana.

Metrik prestasi utama menunjukkan gambaran yang ketara. Lima puluh sembilan peratus pakar radiologi menjangkakan AI akan mengurangkan kadar panggilan semula (recall rates), tetapi hanya 35% yang memerhatikan manfaat tersebut. Jurang ini semakin melebar bagi hasil yang lain: hanya 9% melihat pengurangan biopsi yang tidak perlu berbanding 36% yang dijangkakan, dan hanya 29% merasakan sebarang kelegaan daripada kelesuan kerja (burnout), walaupun 56% mengharapkan pengurangan beban kerja yang besar.

AI sebagai "Pendapat Kedua" dan bukannya Pembuat Keputusan

Pakar radiologi menganggap AI sebagai perunding sandaran, bukannya pakar diagnostik utama. Penulis utama, Joud Almogati dari UC San Diego Health, menyatakan bahawa hanya segelintir klinisi membiarkan AI menentukan diagnosis akhir mereka; mereka menggunakannya terutamanya untuk menyemak semula penemuan.

Halangan sistemik mengekalkan alatan ini di pinggiran. Para profesional menyatakan kos pelaksanaan yang tinggi dan sokongan institusi yang lemah sebagai penghalang utama. Tanpa integrasi yang erat ke dalam sistem hospital dan data kos-manfaat yang jelas, AI kekal sebagai tambahan dan bukannya komponen teras.

Melangkaui "Kompleks Tuhan" dalam Ramalan AI

Penerimaan AI yang hambar dalam bidang radiologi mencerminkan ketegangan yang lebih luas dalam dunia teknologi mengenai masa depan pekerjaan. Sedekad yang lalu, ramai penyelidik AI meramalkan penggantian sepenuhnya pakar radiologi; hari ini, keterujaan yang sama menyelubungi semua kerja pengetahuan berasaskan komputer.

CEO Nvidia, Jensen Huang, telah mengecam hiperbola sedemikian, menyifatkannya sebagai "kompleks Tuhan" dalam kalangan nabi AI. Kajian pengesanan kanser payudara ini mengingatkan kita bahawa dalam bidang perubatan yang berisiko tinggi, "kecerdasan" sesuatu model adalah kurang penting berbanding kebolehpercayaannya, praktikaliti, dan daya maju ekonomi dalam aliran kerja manusia yang kompleks. Pembangun perlu beralih daripada mengejar ketepatan teori kepada menangani geseran klinikal yang sebenar.

Ringkasan Utama

  • Percanggahan Prestasi: Alatan AI gagal memenuhi jangkaan untuk mengurangkan kadar panggilan semula (35% sebenar berbanding 59% jangkaan) dan biopsi yang tidak perlu (9% sebenar berbanding 36% jangkaan).
  • Had Aliran Kerja: Kebanyakan pakar radiologi menganggap AI sebagai "pendapat kedua" disebabkan kos yang tinggi dan sokongan institusi yang lemah.
  • Jurang Keterujaan: Penemuan ini menuntut pembangun AI untuk meninggalkan penanda aras yang bersifat teori semata-mata dan menangani titik kesukaran klinikal yang praktikal seperti kelesuan kerja doktor.