L'IA in Radiologia: Collaborazione, Non Sostituzione

La previsione di Geoffrey Hinton del 2016 secondo cui l'IA avrebbe sostituito i radiologi entro cinque anni non si è avverata; al contrario, la radiologia è in crescita, con un aumento previsto del 26% dei professionisti nei prossimi trent'anni. All'inizio del 2026, circa tre quarti dei 1.400 dispositivi medici abilitati all'IA approvati dalla FDA sono per la radiologia. Gli strumenti di IA possono redigere referti, segnalare immagini urgenti e identificare anomalie invisibili all'occhio umano, ma i tassi di errore umano del 3-5% si traducono in 40 milioni di errori all'anno in tutto il mondo. La sfida è combinare la precisione dell'IA con l'esperienza umana. I radiologi devono valutare le decisioni dell'IA, un processo che richiede un 'ricablaggio mentale', afferma Paul Yi del St. Jude Children's Research Hospital. Le reti neurali sono sistemi 'scatola nera', rendendo difficile per i radiologi sapere quando ignorarle. Curtis Langlotz di Stanford osserva che l'IA e l'intelligenza umana sono diverse: l'IA esamina ogni pixel senza affaticamento, mentre i radiologi comprendono il contesto della malattia. Nina Kottler di Mosaic Clinical Technologies evidenzia i pregiudizi di automazione e l'autocompiacimento dell'automazione come insidie. La formazione è essenziale; un sondaggio AMA del 2026 ha rilevato che oltre un quarto dei medici non ha ricevuto alcuna formazione sull'IA. Kottler sostiene che gli strumenti di IA dovrebbero riportare stime di confidenza. L'intuizione chiave di Langlotz: 'I radiologi che usano l'IA sostituiranno i radiologi che non la usano.'