医学放射科学会议探讨人工智能 – 炒作、希望和警钟

快速阅读: 据《克罗基》称，医学会议上专家警告AI在医疗领域的偏见与环境影响。AI在提高诊断效率的同时需警惕潜在风险，确保技术应用基于证据且服务于临床需求，同时关注数据安全与隐私保护。

玛丽·麦克纳尼撰文写道：在医疗领域使用人工智能（AI）引发了广泛的热情和炒作，但最近的一次会议也听到了关于其环境影响以及对其利弊需要更严格证据和问责的警告。上个月，在阿德莱德Kaurna土地上召开的跨塔斯曼医学放射科学会议上，也强调了对AI在以患者为中心的护理、数据隐私和安全、公平获取和代表性，以及长期来看对劳动力和工作岗位的影响的担忧。根据澳大利亚医学影像与放射治疗学会（ASMIRT）第19届全国会议上的专家所述，偏见的影响是医疗成像和放射治疗中AI面临的另一个重大问题，无论是对患者还是工作人员而言都是如此。这次会议与新西兰医学放射技术研究所（NZIMRT）联合举办。

查尔斯·斯图尔特大学医学影像高级讲师乔纳森·赫维斯参与了一项澳大利亚研究，该研究表明，当要求生成放射科医生和放射技师的个人和群体图像时，文本到图像生成式AI（如ChatGPT）存在性别和多样性偏见。根据澳大利亚医学影像与放射治疗学会（ASMIRT）第19届全国会议上的专家所述，偏见的影响是医疗成像和放射治疗中AI面临的另一个重大问题，无论是对患者还是工作人员而言都是如此。这次会议与新西兰医学放射技术研究所（NZIMRT）联合举办。赫维斯在会上告诉与会人员，尽管澳大利亚放射学多样化工作队伍中女性占比接近70%，但在研究生成的AI图像中，放射科医生的男性形象占比为68%，放射技师的男性形象占比为55%。超过90%的图像呈现浅色皮肤特征，很少有55岁以上人士的代表。他还指出，放射技师和放射科医生的形象缺乏身体多样性，“呈现出统一的理想化或刻板的‘健康’体型，没有可见的残疾人士形象，例如使用助行器、假肢或其他辅助设备”。

赫维斯表示，这将影响这些职业的形象展示，例如在教育、招聘以及对患者和公众方面。他说：“不反映职业多样性的图像可能会放大历史性和制度化的偏见。”弗林德斯大学阿德莱德分校的原住民流行病学家、会议AI小组成员考特尼·莱德副教授表示，这对原住民和托雷斯海峡岛民的公平性和健康也构成风险。“这就是为什么原住民治理、领导力和知识在AI开发中至关重要，以减少这种偏见和影响，”她后来告诉Croakey。然而，她说，AI的潜力“不仅在于改善健康和福祉结果，还涉及多个领域”。“确保由原住民驱动的框架和指南对于实现这一目标至关重要。”

莱德正在弗林德斯大学领导设计和构建SMART-PH（数字化公共卫生实践信息），作为“首个AI驱动的公共卫生平台，以应对新兴的健康优先事项”，包括大流行病和自然灾害。她在会议上表示，与消费者、社区和行业共同设计“对我们所做的工作非常重要且至关重要”。

鉴于医学放射科学如此依赖技术，由ASMIRT主办的年度会议对AI的作用、承诺和风险表现出稳定且不断增长的兴趣也就不足为奇了。这是今年活动开幕式和闭幕式的重点，也是其他演讲的主题。但在闭幕环节的最后几分钟，通过观众提问的方式，提到了AI的巨大环境影响。针对这个问题，小组成员尼克·沃兹尼察博士引用了2024年发表在《放射学》上的一项研究，该研究探讨了AI和医学放射技术的“双刃剑”效应。论文作者同意，如果谨慎实施，AI有可能提高医学成像的环境可持续性。他们表示，AI可以缩短MRI扫描时间，提高扫描仪的调度效率，并优化决策支持工具的使用以减少低价值成像。但论文也警告称，提供必要计算能力以存储和处理大量医学成像数据的基于云的数据中心的总排放量“现在已超过整个航空业”。

“有时我们需要学习什么时候不该做某些事情，”尼克·沃兹尼察说，他是一名在英国伦敦大学学院医院（UCLH）工作的澳大利亚顾问放射技师，同时也是坎特伯雷基督教会大学的AI和放射学研究员。根据去年《自然》杂志上的一篇文章，AI的碳足迹已被称为该技术中的“房间里的大象”，Facebook AI研究人员也持同样观点，文章指出生成式AI的完整行星成本是“严密保守的企业秘密”。

AI的成本叠加在医疗保健领域已经沉重的碳足迹和广泛的环境影响之上，特别是在医学放射学和放射学领域尤为显著。查尔斯·斯图尔特大学医学放射科学讲师坦尼·纳尔逊在会议上表示，放射学的环境影响还包括医院废水（放射性药物的存在）、废物和低价值成像。更广泛的医疗保健部门在全球范围内贡献了大约5%的温室气体排放。据一项澳大利亚研究显示，病理学和诊断成像合计占了其中相当大的一部分，高达9%。

更广泛的环境关注是关键，Associate教授考特尼·莱德说。“但从整体来看，医疗保健领域确实存在显著的环境健康影响，”她后来告诉Croakey。“即使是简单的感谢（‘谢谢’）反馈给AI也会增加能源消耗和碳排放。”“但总的来说，医疗保健领域存在显著的环境健康影响（即病理学检测产生的碳排放、麻醉气体）。我们需要想办法解决这些问题，以确保许多代人未来的安全。”

还有其他健康影响也在发挥作用，包括AI如何可能加剧误导和虚假信息，这些信息有可能严重破坏公共卫生和基于证据的政策制定。《柳叶刀》早前警告说，“误导性的社交媒体内容渗透到癌症预防和治疗的信息中；可能导致患者放弃基于证据的治疗，转而选择网红推荐的替代方案；淡化心理健康状况的严重性；并推广未经监管的补充剂，声称可以从减肥到逆转衰老都有效。”

澳大利亚消费者健康论坛（CHF）去年还举办了一场网络研讨会（由Croakey进行报道），讨论临床医生和患者使用的AI工具是否适合医疗用途。除了其他问题外，还讨论了AI“幻觉”的风险，即AI提供的信息错误，以及首次国家公民陪审团关于医疗保健中AI的调查结果。

AI专题：左起安德鲁·墨菲、考特尼·莱德、丹尼尔·萨帕科斯基：照片由Patrick Hamilton/ASMIRT2025提供

那么问题来了？

沃兹尼察在开场小组讨论时表示，AI在医学成像和放射治疗领域有着“大量的炒作、热情和前景”。他希望自己的专业开始做的事情是“真正识别一个明确的问题，一个临床需求……然后看看AI是否是答案，而不是说‘哦，闪亮的新玩具，我们可以用它做什么？’。“我认为这将是关键，无论是从有意义的采用，还是从医疗保健的可持续性角度来看都是如此。”

沃兹尼察还敦促与会者记住他们是基于证据的专业人士，说“任何人都可以做一个ROC曲线”，用于评估测试的整体诊断性能，并比较两种或多种诊断测试的性能。“我们是基于证据的专业人士，这是我们执照的一部分，”他说。“我们需要确保我们采用的东西是基于适当的证据。”

他敦促与会者思考：“我们是在让所有人都得到更好的照顾，还是只是放大了历史偏见，并放大了特定人群的不良后果，而这些人只是隐藏在平均值背后？”。“我们是不是让那些在人类社会中始终享有特权的人更快受益或更快获得照顾，而那些历史上无法获得医疗服务的人实际上变得更糟（随着AI的广泛应用）？”

在早些时候关于他在UCLH和其他英国医院进行的国家级LungIMPACT试验中的角色的演讲中，沃兹尼察提出了一个关键问题，即AI判决对临床医生的影响：“我们如何确保人们只有在出错时才改变主意？”沃兹尼察引导与会者参考了由‘AI大师’、美国心脏病学家埃里克·托波尔博士主导的2019年英国标志性审查，该审查题为“为医疗保健工作队伍准备数字未来”。这项审查指出，数字医疗技术——基因组学、数字医学、AI和机器人技术——应被视为解决21世纪重大医疗挑战的新手段，并且在未来20年内，英国国家卫生服务（NHS）90%的工作岗位将需要一定程度的数字技能。“员工需要能够导航数据丰富的医疗环境。所有员工都需要具备数字和基因组学素养，”该审查指出。但最重要的是，它说，医疗系统必须确保采取措施，以确保先进技术“不会使护理人性化”。

由托波尔领导的研究上个月发表在《自然》杂志上，表明多模态生成式医学图像解释（被称为GenMI）“有一天可能在生成跨学科报告（如放射学、病理学和皮肤病学）方面媲美人类专家的表现”。论文指出，在验证模型准确性、确保透明度和激发细微印象方面仍然存在巨大的障碍。但如果谨慎实施，GenMI可以“有意义地协助临床医生改善护理质量、增强医学教育、减轻工作负担、扩大专科访问并提供实时专业知识”。

澳大利亚卫生政策专家斯蒂芬·达克特教授也是转发这篇论文的学者之一，在X平台上评论道：“很好的综述文章，显然AI的使用还处于早期阶段，但现在可能是考虑MBS价格和使用政策影响的时候了。”

AI在医学影像和放射治疗中的许多影响成为了会议议程的一部分，近期的研究也强调了这一点，展示了AI系统如何通过提高诊断准确性和效率显著提升诊断放射学，例如在中风检测、乳腺癌、脑部成像和胸部报告方面。然而，沃兹尼察后来警告说，有时医疗技术的进步只是“转移了瓶颈问题”。例如，过去放射技师可能每天为五位CT患者成像，现在则可以处理五十位——这在一方面是非常受欢迎的，但他指出，“患者仍然无法见到医生以获取结果，因此实际上诊断时间可能没有变化”，“我们所做的只是改变了他们等待的地方。”

与患者合作

患者倡导者兼癌症研究人员丹尼尔·约翰斯通（参见我们的早期报道）表示，等待时间是患者压力和焦虑的主要原因，他承认自己对AI，尤其是生成模型如ChatGPT，持有“极度偏爱”的态度，并广泛使用这些工具。他说：“它为我消除了大量冗余工作，使我能够专注于创造性和好奇心并提出更多问题。”他敦促与会者“尝试并从这些工具中学习”。尽管他认为“没有人类监督的AI就是失职”，但他还是鼓励医护人员“不要害怕它”。约翰斯通相信AI将“帮助我们在系统和实践中找到冗余，使患者、临床医生、科学家和技术人员的工作更加高效流畅”。

“我们需要谨慎行事，但不应因为不了解其能力而害怕某事物。”约翰斯通特别看好AI在健康素养和教育方面的巨大潜力，包括能够针对癌症生产个性化的沟通信息，而不是让患者感到“被小册子压垮的感觉”的信息过载。要做到这一点，需要与患者合作。“你需要询问他们什么是有用的，因为很多技术都是基于技术上适当的考虑，而不是根据患者的社会需求和情境需求来设计的。”

尼克·沃兹尼察（左）和丹尼尔·约翰斯通：照片由Patrick Hamilton/ASMIRT2025提供更多时间用于护理？

小组成员和演讲者一致认为，借助AI医学成像将会更快，但关键在于医务人员如何利用额外的时间。AI释放的时间不一定能给医护人员“更多时间去照顾病人”，小组成员安德鲁·墨菲，昆士兰儿童医院的放射技师，在会上提到他的重点是AI的安全性和道德权重决策。它可能会导致“流水线化”的更大患者吞吐量压力。

墨菲同意需要批判性地评估AI产品及其实际造福患者和工作人员的方式，而不是简单地说“我们需要全盘投入否则会被淘汰”。他还敦促持续关注专业人员的技术能力，即使AI可以接管某些任务，引用了一句谚语：“如果自动驾驶仪不工作，飞行员需要知道如何驾驶飞机。”此外，他还指出了数据泄露带来的隐私问题。他说：“有些人声称他们的软件是加密的，但他们却在Signal上组织战争，并且这些内容被截图公开传播。”他指的是特朗普政府官员最近将一名记者加入关于也门军事打击的群聊事件。“我认为最终会有一次重大数据泄露，这将是一次巨大的清算，我们将非常强烈地撤退。”

另一位小组成员丹尼尔·萨帕科斯基并不那么担心，他表示仍然有可能建立一个本地控制的网络，使得“数据不会离开医院场所”。“也许这是一个伦理困境，但我认为如果本地进行的话，你仍然可以在安全的方式下管理它。”萨帕科斯基呼吁立即对医疗人员进行AI培训：“AI将成为我们实践的一部分，我们现在需要开始教学以便做好应对它的准备。”但他也劝告代表们停止使用ChatGPT撰写简历和作业：“你可以辨别得出来。”

对于乔纳森·赫维斯来说，会议的一个收获是AI作为一种颠覆性技术具有“巨大的潜力，但需要基于证据并且由临床需求驱动”。“AI只是一种工具，和其他工具一样有优点和局限性，”他说，“因此，医学放射科学专业人士需要掌握相关知识和技能，以安全理解和实施AI并进行协同设计。”

对于乔纳森·赫维斯来说，会议的一个收获是AI作为一种颠覆性技术具有“巨大的潜力，但需要基于证据并且由临床需求驱动”。阅读这个X的帖子。收藏这个链接以继续关注Croakey会议新闻服务的持续报道。

(以上内容均由Ai生成)