Choć sztuczna inteligencja obiecywała zrewolucjonizować onkologię, niedawne zderzenie z rzeczywistością ujawnia znaczącą lukę między szumem medialnym a użytecznością kliniczną. Nowe ustalenia pokazują, że obecne wdrożenia AI w badaniach przesiewowych raka piersi nie spełniają wysokich oczekiwań stawianych przez pracowników medycznych.

Luka między oczekiwaniami a rzeczywistością kliniczną

Badanie opublikowane w Clinical Imaging obnaża rozdźwięk między nadziejami radiologów związanymi z AI a tym, co te narzędzia faktycznie oferują. W badaniu wzięło udział 215 członków Society of Breast Imaging; około połowa z nich korzysta już z narzędzi AI zatwierdzonych przez FDA, jednak ich wpływ pozostaje skromny.

Kluczowe wskaźniki wydajności malują ponury obraz. Pięćdziesiąt dziewięć procent radiologów oczekiwało, że AI obniży wskaźnik ponownych wezwań na badania (recall rates), ale tylko 35% zaobserwowało taką korzyść. Luka powiększa się w przypadku innych wyników: tylko 9% odnotowało mniej niepotrzebnych biopsji w porównaniu do oczekiwanych 36%, a jedynie 29% poczuło ulgę związaną z wypaleniem zawodowym, mimo że 56% liczyło na znaczną redukcję obciążenia pracą.

AI jako „druga opinia”, a nie decydent

Radiolodzy traktują AI jako konsultanta pomocniczego, a nie głównego diagnostę. Główna autorka, Joud Almogati z UC San Diego Health, zauważa, że niewielu klinicystów pozwala, aby AI dyktowała ostateczną diagnozę; używają jej głównie do weryfikacji wyników.

Bariery systemowe sprawiają, że narzędzia te pozostają na marginesie. Specjaliści wskazują na wysokie koszty wdrożenia oraz słabe wsparcie instytucjonalne jako główne przeszkody. Bez ścisłej integracji z systemami szpitalnymi i jasnych danych dotyczących stosunku kosztów do korzyści, AI pozostaje jedynie dodatkiem, a nie kluczowym elementem.

Wyjście poza „kompleks boga” w prognozach dotyczących AI

Powolna adopcja AI w radiologii odzwierciedla szersze napięcie w branży technologicznej dotyczące przyszłości pracy. Dekadę temu wielu badaczy AI przewidywało całkowite zastąpienie radiologów; dziś podobny szum medialny otacza wszelką pracę intelektualną opartą na komputerach.

Dyrektor generalny Nvidia, Jensen Huang, ostro skrytykował taką hiperbolę, nazywając ją „kompleksem boga” wśród proroków AI. Badanie dotyczące wykrywania raka piersi przypomina nam, że w medycynie o wysokiej stawce „inteligencja” modelu ma mniejsze znaczenie niż jego niezawodność, praktyczność i opłacalność ekonomiczna w ramach złożonego ludzkiego procesu pracy. Twórcy muszą przestać gonić za teoretyczną dokładnością i skupić się na eliminowaniu realnych problemów klinicznych.

Kluczowe wnioski

  • Rozbieżność w wydajności: Narzędzia AI nie spełniają oczekiwań w zakresie zmniejszania wskaźnika ponownych wezwań (35% w rzeczywistości vs. 59% oczekiwane) oraz niepotrzebnych biopsji (9% w rzeczywistości vs. 36% oczekiwane).
  • Ograniczenia przepływu pracy: Większość radiologów traktuje AI jako „drugą opinię” ze względu na wysokie koszty i słabe wsparcie instytucjonalne.
  • Luka między szumem a rzeczywistością: Wyniki badań wymagają, aby twórcy AI porzucili czysto teoretyczne punkty odniesienia i zajęli się praktycznymi problemami klinicznymi, takimi jak wypalenie zawodowe lekarzy.