Kada se govori o veštačkoj inteligenciji u medicini, jedno pitanje se gotovo uvek pojavi: hoće li AI zameniti lekare?
Razlog je očigledan. Veliki deo posla radiologa zasniva se na analizi slika, a računari su već veoma dobri u prepoznavanju obrazaca u ogromnim količinama podataka. Zbog toga je upravo ova medicinska specijalizacija postala jedno od glavnih područja razvoja AI alata.
Stvarnost je mnogo složenija od scenarija u kojem algoritam pogleda snimak, postavi dijagnozu i zameni čoveka.
Bolnica dobija još jednog „čitača“ podataka
AI se u radiologiji ne koristi samo za traženje tumora ili drugih promena na snimcima.
Današnji sistemi mogu da pomognu u različitim fazama procesa – od određivanja prioriteta pregleda i automatskih merenja do označavanja potencijalno sumnjivih područja i pomoći pri sastavljanju nalaza.
To znači da AI može da bude uključen u posao mnogo pre nego što radiolog donese konačnu odluku.
Ako se, recimo, među velikim brojem pregleda pojavi slučaj koji algoritam prepozna kao potencijalno hitan, sistem može da ga označi kako bi lekaru skrenuo pažnju.
Takva primena ne znači da je mašina postavila dijagnozu. Ona samo menja način na koji lekar dolazi do informacije koja mu je potrebna.
Radiologija je već najveće polje za medicinski AI
Koliko je ova oblast razvijena pokazuje i američka regulatorna baza.
Prema podacima koje je u julu 2026. objavio Knowable Magazine, oko tri četvrtine od približno 1.400 AI medicinskih uređaja koje je do tada odobrila američka Uprava za hranu i lekove (FDA) bilo je namenjeno radiologiji. FDA svoju listu kontinuirano ažurira, pa se broj uređaja vremenom menja.
Radiolozi rade sa ogromnim količinama vizuelnih podataka, a mnogi zadaci mogu da se pretvore u matematički problem prepoznavanja obrazaca. Za razvoj AI sistema to predstavlja veoma pogodnu osnovu.
Ali postoji jedna važna razlika između prepoznavanja obrasca i razumevanja pacijenta.
Snimak nije isto što i dijagnoza
Algoritam može da prepozna nešto što liči na određenu promenu, ali lekar mora da zna šta taj nalaz znači u konkretnom slučaju.
Dva pacijenta mogu imati sličan snimak, a potpuno različitu medicinsku istoriju. Zato se rezultat snimanja posmatra zajedno sa simptomima, prethodnim pregledima, laboratorijskim rezultatima i drugim informacijama.
Još jedan problem jeste mogućnost greške samog sistema. AI nije univerzalni „detektor istine“. Njegova preciznost zavisi od podataka na kojima je razvijen, kvaliteta snimaka i konkretnog zadatka za koji je namenjen.
Zbog toga se od lekara ne očekuje da slepo prihvati rezultat algoritma.
Naprotiv – što više AI bude prisutan u procesu, važnije će biti da stručnjak zna kada njegovom rezultatu može da veruje.
Najveći rizik možda nije loš AI, već previše poverenja u dobar AI
Ovo je jedan od zanimljivijih problema koji nastaje kada ljudi počnu da rade zajedno sa automatizovanim sistemima.
Ako alat veliki broj puta da tačan rezultat, korisnik može postati manje sklon da ga proverava. U medicini se ovaj fenomen često opisuje terminom automation bias – sklonost da se previše veruje preporuci automatizovanog sistema.
Za radiologiju je to posebno važno.
Ako algoritam označi promenu koju lekar ne vidi, radiolog će je dodatno proveriti. Ali šta se dešava kada algoritam kaže da nema razloga za zabrinutost, a lekar mu zbog poverenja u sistem ne protivreči?
Zato AI ne uklanja potrebu za stručnjakom. On je, paradoksalno, može učiniti drugačijom i zahtevnijom.
Lekar više ne mora samo da proceni snimak. Mora da proceni i procenu mašine.
Šta onda radiolog dobija?
Jedan od najkonkretnijih potencijala AI jeste vreme.
Radiolog tokom radnog dana prolazi kroz veliki broj pregleda, a deo tog posla čine zadaci koji se ponavljaju. Ako softver može da ih automatizuje ili ubrza, lekar može više pažnje da posveti složenijim slučajevima.
To može da znači manje vremena za rutinsku obradu i više vremena za ono što zahteva iskustvo, komunikaciju i kliničko razmišljanje.
Drugim rečima, AI ne mora da poveća broj sati koje lekar radi. Može da promeni način na koji ih koristi.
A to postaje sve značajnije kako raste količina medicinskog snimanja.
Broj radiologa ipak raste
Zanimljivo je da dostupne projekcije ne pokazuju nestanak profesije.
Studija objavljena u Journal of the American College of Radiology procenila je da bi broj radiologa u SAD mogao da poraste za 25,7 odsto do 2055. godine čak i bez povećanja broja mesta za specijalizaciju. Uz nastavak rasta broja specijalizanata, projekcija ide do 40,3 odsto.
To naravno ne znači da AI nema uticaj na tržište rada. Naprotiv.
Ako algoritmi preuzmu deo rutinskih zadataka, promeniće se veštine koje se traže od budućih radiologa. Pored medicinskog znanja, biće potrebno razumevanje rada AI sistema, njihovih ograničenja i načina na koji se proverava kvalitet njihovih rezultata.
Radiologija je možda samo početak
Ono što se sada događa u radiologiji može biti zanimljiv model za druge profesije.
Veštačka inteligencija najčešće ne mora da preuzme čitavo zanimanje da bi promenila njegovu prirodu. Dovoljno je da automatizuje deo procesa.
Računovodstveni softver nije ukinuo računovođe. CAD nije ukinuo arhitekte. Alati za automatsku obradu podataka nisu učinili analitičare nepotrebnim.
Slično bi moglo da se dogodi i sa radiolozima.
Umesto pitanja „da li će AI zameniti radiologa“, mnogo korisnije pitanje postaje: koji deo njegovog posla će prvi preuzeti algoritam – i šta će lekar raditi sa vremenom koje mu ostane?
Za sada, podaci više ukazuju na model u kojem čovek i AI rade zajedno nego na potpunu automatizaciju profesije.
Možda je to najveća promena: radiolog budućnosti neće se takmičiti sa veštačkom inteligencijom u tome ko bolje analizira sliku. Moraće da nauči kako da je koristi kao još jedan alat, ali i kako da prepozna trenutak kada taj alat greši.
