作者：默思編輯部 發布：2026-08-01
2016年，知名AI學者Geoffrey Hinton曾公開預言放射科醫師這個職業將被AI淘汰。十年後回頭檢視，梅約診所（Mayo Clinic）目前聘用超過400位放射科醫師，人數比2016年時成長了55%——這個具體數字，是檢視「AI會不會讓醫師失業」這類預言時，一個相當有力的現實對照組。
美國醫學會（AMA）於2026年3月發布的「醫師擴增智慧調查」，訪問了1,692位美國醫師，評估他們對AI技術採用、認知、觀感與預期影響的態度。調查中一個值得注意的發現：接近半數的醫師表示，他們不希望病人自行使用AI工具來解讀放射影像或病理報告結果——這反映出即使醫師普遍認同AI能提升工作效率，對「AI直接面對病人、取代醫師的專業判讀角色」，臨床端仍然抱持相當程度的保留態度。
在2026年美國臨床病理學家學會（USCAP）年會上，病理科醫師普遍表達歡迎AI作為輔助工具，能提升效率與產出量，但並不認為自己短期內會被取代。病理科的主流共識是「人在迴圈中（human-in-the-loop）」的協作模式：AI負責提升判讀的一致性、協助處理不斷增加的工作量，但最終的專業判斷與責任，仍然由病理科醫師承擔。
放射科與病理科的核心工作，不只是單純的影像或切片判讀，更包含把判讀結果放進病人完整臨床脈絡裡做綜合判斷、跟臨床團隊溝通討論治療決策、以及對不典型或複雜病例的細緻判斷能力——這些需要跨領域整合判斷的能力，目前AI系統仍難以完全取代。AI比較擅長的是處理大量重複性高、模式相對固定的判讀工作，讓醫師把時間與注意力，集中在真正需要人類專業判斷介入的複雜病例上。
選擇放射科或病理科時，與其擔心「這個科別會不會被AI淘汰」，更務實的準備方向，是主動培養跟AI工具協作的能力（理解AI判讀結果的限制與適用情境、學會在AI輔助下做出更快更準確的最終判斷），這類「AI協作能力」正在成為這兩個科別新一代醫師的核心職能之一，而不是被動等待被取代或不被取代的結果。
如果你想系統化學會如何評讀AI相關研究與調查數據背後的證據強度，歡迎參考我們平台的課程：實證醫學2小時速成班：從PICO到森林圖，一次掌握競賽關鍵技能