Clinical Tasks Explain AI Readiness Across Medical Specialties
本研究引入了医疗专业人工智能就绪度（MSAIR）框架，旨在证明 22 个医学专业的 AI 就绪度主要由特定临床任务的性质而非专业本身所驱动，其中文档记录和诊断解释的就绪度最高，而紧急决策的就绪度最低。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
长期以来，关于人工智能在医学领域应用的讨论一直被一个简单而笼统的问题所主导：哪种医生的工作最有可能被计算机取代？多年来，焦点一直落在放射科等领域，因为机器在阅读 X 光片方面已经表现出色，或者在病理学领域，它们可以扫描组织样本。人们普遍的恐惧或希望在于，整个医学专业——即整个医生类别——将被这些新工具取代或从根本上改变。这种观点将医学专业视为一个单一、坚实的整体，认为如果医生工作的某一部分容易受到自动化的影响，那么整个职业都面临风险。然而，医疗实践的现实要细致得多。医生的一天并不是一个单体；它是由数十种截然不同的活动组成的，从撰写病历和解释测试结果，到执行物理操作以及在紧急情况下做出瞬间决策。要理解人工智能将如何真正重塑医疗保健，必须超越职位名称，去审视构成工作的具体任务本身。
来自医学未来主义研究所（The Medical Futurist Institute）、清华大学、上海交通大学和斯克里普斯研究所（Scripps Research）的一个研究小组开发了一种回答这一问题的新方法。他们没有询问哪个医学专业已经为人工智能做好了准备，而是询问哪些具体的临床任务已经准备就绪。他们创建了一个名为“医学专业人工智能就绪度”（Medical Specialty AI Readiness，简称 MSAIR）的框架，该框架将 22 个主要医学领域的各项工作分解为 330 个代表性任务。这些任务涵盖了从平凡的如记录患者病史，到复杂的如诊断罕见疾病或进行手术。研究人员随后根据六个实际特征对每项任务进行了评分：该任务在多大程度上可以 easily 被编写成一套规则、对数字数据的依赖程度、将决策权移交给机器的难度、对物理存在的需求程度、人类监督机器输出的安全性，以及该任务对于该医学专业身份的核心程度。
这项大规模分析的结果揭示了一种模式，挑战了关于哪些医生将被取代的普遍叙事。研究发现，人工智能的就绪度在很大程度上取决于任务的类型，而非医学专业本身。当研究人员查看数据时，他们发现任务的性质解释了人工智能就绪度差异的 71.6%。相比之下，执行工作的医学专业仅解释了 6.4% 的差异。这意味着，无论医生是放射科医生、精神科医生还是外科医生，其重要性远不及他们在那个时刻实际在做什么。像临床文档记录这样几乎所有医生都会进行的任务，显示出最高的人工智能就绪度。相反，涉及紧急决策或执行物理医疗操作的任务，其就绪度最低。
这种区分有助于解决放射学领域中一个长期存在的悖论。由于放射科医生花费大量时间解释图像，他们经常被认为是最容易被自动化的专业。研究证实，诊断性解释这一特定任务确实对人工智能具有高度的就绪度。然而，放射学不仅仅是看图；它还涉及复杂的程序、多学科协作以及紧急决策，而这些都是机器难以处理的。通过将整个专业视为一个整体，观察者会忽略这样一个事实：人工智能可能会增强图像解读部分的工作，同时让放射科医生的其余工作保持基本不变。同样的逻辑也适用于其他领域。皮肤科医生可能会使用人工智能来分析皮肤病变，这是一项非常适合自动化的任务，但他们在管理患者长期护理或进行活检方面的研究工作仍然是深刻的人类行为。
研究人员还发现，人工智能可能会在“水平方向”而非“垂直方向”上改变医学。因为临床文档记录和诊断性解释等任务在几乎所有的医学专业中都有所共性，人工智能很可能会改变这些特定活动在所有人身上的开展方式，无论其专业是什么。这表明，这项技术的早期且最广泛的影响将体现在这些共同的工作流中，而不是体现在某个单一职业的独特、定义性的活动中。研究还强调，需要物理存在、手工技能或与患者直接互动的任务，在不久的将来最不可能被自动化。这种物理维度形成了一道强大的屏障，确保了那些侧重于操作或急救的专业仍能保留显著的人类元素。
该研究并不声称能够绝对确定地预测未来，也不提供关于哪些医生受影响最大的最终排名。作者承认，他们的工作依赖于专家判断来选择和评分任务，并且由于技术变革的快速步伐，随着新能力的出现，这些就绪度评分需要不断更新。他们还指出，其框架是将专业视为任务的集合，而非该领域本身固有的属性。然而，研究结果提供了一种清晰且结构化的方式来思考即将到来的变化。通过将焦点从宽泛的职位名称转向临床工作的具体组成部分，该框架为人工智能将如何融入医疗保健提供了一张更准确的地图。它表明，医学的未来将不是由整个专业的更替来定义的，而是由构成医生日常生活的具体任务的转型来定义的。这种基于任务的视角允许人们更细致地理解人工智能将如何增强人类能力、重塑培训，并引导新技术的开发，以服务于临床实践的实际需求。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。