Модели искусственного интеллекта для анализа рентгеновских снимков показывают результаты лучше врачей, но спрос на рентгенологов продолжает расти. Согласно данным журнала Work In Progress, число вакансий по диагностической радиологии в США в 2025 году достигло рекорда — более 1200 мест, что на 4% больше прошлогоднего показателя.

Средняя годовая зарплата таких специалистов также растет и сейчас превышает 500 тысяч долларов. Этот рост происходит на фоне активного развития ИИ-моделей для медицинской диагностики.

Одной из первых заметных систем стала CheXNet от Стэнфордского университета для выявления пневмонии. Нейросеть обучалась на более чем 100 тысячах снимков и сейчас широко применяется в больницах. После нее появились решения от компаний Annalise.ai, Lunit, Aidoc, Qure.ai и других.

На рынке США сейчас одобрено более 700 ИИ-моделей для диагностики по рентгеновским снимкам. В тестах они работают быстрее и точнее врачей, но не могут полностью их заменить по ряду причин.

Большинство моделей созданы для диагностики инсульта, рака молочной железы и легких. Эти направления охватывают около 60% всех разработок, но в реальной практике врачи сталкиваются с гораздо большим числом заболеваний. Для таких областей как шейный отдел позвоночника или щитовидная железа ИИ-решений почти нет.

Также существуют проблемы с работой нейросетей в реальных клинических условиях. Модели, хорошо проявившие себя в тестах, часто хуже работают в других больницах из-за разницы в оборудовании и стандартах съемки. Иногда это связано с переобучением: модель слишком привязана к данным конкретного учреждения.

Исследования показывают, что наборы данных для обучения ИИ часто содержат только простые и однозначные случаи. В них редко включают снимки с необычными ракурсами, плохим качеством или редкими формами болезней.

Кроме того, работа радиолога не ограничивается анализом снимков. Врачи общаются с пациентами и коллегами, принимают комплексные решения и несут ответственность за диагноз и лечение. В этих аспектах ИИ пока не может заменить человека. Авторы исследования считают, что лучшим подходом остается сочетание возможностей человека и машины.