Опрос 215 членов Общества визуализации молочной железы, опубликованный в Clinical Imaging, показал, что ИИ-инструменты для выявления рака молочной железы не оправдывают ожиданий радиологов. Около половины респондентов уже используют одобренные FDA решения, еще 11% планируют внедрение. Однако лишь немногие считают ИИ решающим фактором в диагностике, сообщает ведущий автор исследования Джоуд Альмогати из UC San Diego Health.
Разрыв между ожиданиями и реальностью особенно заметен в ключевых метриках. Только 35% радиологов отмечают снижение повторных вызовов пациентов (при этом 59% ожидали такого эффекта). Лишь 9% видят сокращение ненужных биопсий — хотя 36% надеялись на это. Выгорание снизилось у 29% опрошенных, тогда как 56% рассчитывали на облегчение. Большинство врачей рассматривают ИИ как вспомогательный инструмент, второе мнение, а не как замену собственному суждению.
| Показатель | Ожидание | Реальность |
|---|---|---|
| Снижение повторных вызовов | 59% | 35% |
| Сокращение ненужных биопсий | 36% | 9% |
| Снижение выгорания | 56% | 29% |
Основными барьерами для более широкого внедрения названы стоимость и отсутствие институциональной поддержки. Это согласуется с более ранними наблюдениями: даже одобренные FDA алгоритмы требуют интеграции в рабочие процессы, обучения персонала и финансовых вложений, которые клиники не всегда готовы обеспечить.
Только 9% видят сокращение ненужных биопсий (ожидали 36%), 29% — снижение выгорания (ожидали 56%).
Частично вину за завышенные ожидания исследователи возлагают на саму ИИ-индустрию. Около десяти лет назад видные исследователи предсказывали, что радиологи вскоре потеряют работу. Подобные заявления сейчас повторяются в отношении офисных работников. Генеральный директор Nvidia Дженсен Хуанг называет такие прогнозы «комплексом Бога» у пророков ИИ-безработицы.
Тем не менее, даже при скромных результатах ИИ остается полезным инструментом. Радиологи, использующие его, отмечают повышение уверенности в сложных случаях. Однако для реального улучшения показателей необходимы более точные алгоритмы, адаптированные к конкретным условиям клиник, и реалистичные ожидания от внедрения.
