2016 年，图灵奖得主、被誉为「AI 教父」的杰弗里·辛顿曾预测，放射科医生——那些读 X 光、超声等影像帮助诊断的医生——将在五年内被计算机取代。十年过去，这件事没有发生。

预言为何没成真

放射科不仅没消失，队伍还在稳步扩张。一项研究预计，未来三十年放射科从业者数量将增长 26% 以上。辛顿看错的地方，或许在于他低估了就业市场的复杂性；但他前瞻的部分同样成立——人类医生身边，已经多了一位硅基同事，其表现不输甚至超过人类。

截至 2026 年初，美国食品药品监督管理局（FDA）已准入约 1400 款 AI 赋能的医疗器械，其中约四分之三是放射类。有的帮医生起草报告、标记急需处理的影像；有的则能识别人眼可能遗漏的异常。例如一项涵盖 43 项临床试验的分析得出结论：AI 辅助结肠镜比传统方式发现更多息肉。

人机和还是人机斗

但难题不在「谁更准」，而在「怎么合作」。斯坦福大学医学与影像人工智能中心主任柯蒂斯·兰洛茨指出，即便 AI 平均比资深放射科医生更可靠，它仍会犯人类不会犯的错，医生因此要逐一评估 AI 的判断——绝大多数正确，但要揪出极少数误判。圣犹大儿童研究医院的保罗·易形容，这要求医生「整套思维重新接线」。

更麻烦的是，放射 AI 多基于神经网络，常被称作「黑箱」——它不解释自己如何得出结论，这让医生判断是否推翻它变得格外困难。《Radiology: Artificial Intelligence》主编查尔斯·卡恩直言，分辨「这到底是不是异常」，对医生是真正的挑战。

风险有两个方向：过度相信机器叫自动化偏倚；轻信机器的「假阴性」叫自动化自满。有研究发现，当资深放射科医生的判断被错误的 AI 预测带着走时，其乳腺 X 光解读准确率会出现明显下滑。2026 年美国医学会一项调查显示，超过四分之一的医生表示没接受过任何 AI 培训，仅 11% 表示受过大量培训。

中国也在跑步入场

这场「人机协作」的竞赛不限于美国。中国国家药监局（NMPA）截至 2025 年 10 月已批准超过 110 款基于深度学习的第三类医疗器械独立软件，覆盖 CT、X 射线、眼底等影像；联影智能、推想医疗、数坤科技、依图医疗等本土企业手握其中多数准入。兰洛茨近十年前的那句反驳，今天依然适用：不会被 AI 取代的是放射科医生，「会用 AI 的医生，会取代不会用的同行」。