Разработчик открытых моделей искусственного интеллекта под ником xlr8harder утверждает, что низкий уровень понимания статистики среди врачей тормозит применение новых инструментов для анализа медицинских изображений.
В сообществе специалистов по искусственному интеллекту разгорелась дискуссия о причинах медленного внедрения ИИ-систем в медицинскую диагностику. По мнению разработчика открытых моделей под ником xlr8harder, ключевая проблема — недостаточная статистическая подготовка врачей, которая мешает им адекватно оценивать возможности и ограничения новых технологий.
xlr8harder отмечает, что современные алгоритмы анализа рентгеновских снимков, МРТ и КТ уже превосходят человеческих экспертов по точности в ряде задач, однако врачи часто не понимают принципов работы таких систем. «Медики не различают чувствительность и специфичность тестов, не учитывают априорную вероятность заболеваний при интерпретации результатов», — пишет он. Это приводит к недоверию к ИИ-инструментам или, наоборот, к их некритическому использованию.
В поддержку тезиса выступил профессор Калифорнийского университета в Беркли Бен Рехт (Ben Recht), который указал на системную проблему: медицинские вузы уделяют недостаточно внимания обучению статистике и теории вероятностей. По его словам, без базовых знаний в этой области врачи не могут корректно интерпретировать даже традиционные диагностические тесты, не говоря уже о новых технологиях.
Дискуссия развернулась на фоне публикации исследования, показавшего, что ИИ-модели для анализа медицинских изображений демонстрируют точность на уровне 95% и выше, но их применение в клинической практике остаётся ограниченным. Участники обсуждения сошлись во мнении, что для массового внедрения таких инструментов необходимы не только технические усовершенствования, но и образовательные программы для медиков.