quan điểm của Hinton, AI sẽ sớm có thể xác định những điểm bất thường
trong hình ảnh y khoa giỏi hơn bất kỳ người nào. Các bác sĩ X-quang đã lo
sợ máy móc có thể thay thế họ kể từ đầu những năm 1960.
3
Vậy điều gì
khiến công nghệ ngày nay trở nên khác biệt? Các kỹ thuật máy tự học đều
đang giỏi hơn trong việc dự đoán thông tin còn thiếu, bao gồm sự nhận
dạng và nhận diện các vật trong hình ảnh. Với một bộ hình ảnh mới, các kỹ
thuật viên có thể so sánh hiệu quả hàng triệu ví dụ trong quá khứ một cách
dễ dàng hoặc không và dự đoán liệu hình ảnh mới có gợi ý sự xuất hiện của
bệnh không. Kiểu nhận dạng mẫu để dự đoán bệnh này là những gì mà các
bác sĩ X-quang làm.
4
IBM với hệ thống Watson, và nhiều công ty khởi nghiệp khác đã thương
mại hóa các công cụ AI vào trong X-quang. Watson có thể xác định một sự
thuyên tắc động mạch phổi và những vấn đề liên quan đến tim khác. Một
công ty khởi nghiệp khác, Entitic, sử dụng việc học sâu để phát hiện các
nốt phổi (một việc được thực hiện khá thường xuyên) và cả vết rạn xương
(phức tạp hơn). Những công cụ mới này là cốt lõi cho sự dự đoán của
Hinton nhưng là chủ đề thảo luận giữa những bác sĩ X-quang và những nhà
bệnh lý học.
5
Vậy cách tiếp cận của chúng tôi tiết lộ điều gì về tương lai của các bác sĩ
X-quang? Các bác sĩ X-quang sẽ dành ít thời gian đọc hình ảnh hơn. Dựa
vào những cuộc phỏng vấn với những bác sĩ chăm sóc và các bác sĩ X-
quang, cũng như dựa vào kiến thức về những nguyên tắc kinh tế được xây
dựng chắc chắn, chúng tôi miêu tả những vai trò quan trọng chỉ dành cho
các chuyên gia trong lĩnh vực hình ảnh y khoa.
6
Đầu tiên, và có lẽ là hiển nhiên nhất, con người vẫn cần phải xác định hình
ảnh cho một bệnh nhân nào đó. Hình ảnh y khoa là việc rất tốn kém, cả về
thời gian và những hệ quả sức khỏe tiềm ẩn của việc tiếp xúc với bức xạ.
Khi chi phí của việc phân tích hình ảnh giảm, số lượng hình ảnh được phân
tích sẽ gia tăng, vậy nên có khả năng rằng trong thời gian ngắn và tương
