人工智能并未取代放射科医生。尽管AI在多项测试中已展现出超越人类放射科医生的诊断能力，例如CheXNet在肺炎检测上的准确率高于专业医生团队，且能以极低成本在普通显卡上运行，但现实中放射科医生的需求不降反升。 目前已有超过700款AI影像产品获得美国FDA批准，占所有医疗AI设备的四分之三。这些工具可快速识别肺结节、骨折、脑出血等常见病灶，甚至能自动排序工作列表、生成报告草案，部分系统如IDx-DR已获准无需医生复核即可独立运行。然而，这些技术在真实临床环境中面临多重挑战。 首先，AI模型在标准化测试中表现优异，但在不同医院的实际数据上性能常大幅下降，平均降幅可达20个百分点。许多模型仅在单一医院数据上训练，难以适应其他机构的设备差异、成像习惯或患者群体。其次，监管与保险体系尚未完全接纳自主AI：FDA对独立运行的AI设定极高门槛，要求其能自动识别并拒绝模糊、异常或超出能力范围的图像；而保险公司普遍拒绝为AI诊断提供责任覆盖，认为算法出错可能引发连锁性医疗事故。 更重要的是，放射科医生的工作远不止图像判读。研究显示，他们仅约36%的时间用于直接读片，其余时间用于与临床医生沟通、指导技术人员、制定扫描方案、解释结果甚至直接与患者交流。即使AI能替代部分诊断任务，医生仍会转向更高价值的协作与决策工作。 历史经验也印证这一趋势：2000年代医院从胶片转向数字化后，放射科效率提升，但影像检查总量反而增长60%，因等待时间缩短使医生更愿意开具扫描。这体现了“杰文斯悖论”——技术越高效，需求越旺盛。 因此，AI在放射科的真正作用并非取代，而是赋能。它提升了效率，却也催生了更多检查需求和更复杂的临床协作。目前AI在放射科的应用仍以辅助为主，真正实现全面替代尚需克服技术、制度与信任三重障碍。结论清晰：AI越强大，放射科医生反而越忙。