Jurnal Radiologi Eropa 121 (2019) 108742

Daftar isi tersedia diScienceDirect

Jurnal Radiologi Eropa

halaman utama jurnal:www.elsevier.com/locate/ejrad

Artikel Penelitian

Sebuah survei tentang masa depan radiologi di kalangan ahli radiologi,

m
a
h
a
s
i
s
w
a

k
e
d
o
k
t
e
r
a
n
T
dan ahli bedah: Pelajar dan ahli bedah cenderung lebih skeptis terhadap
kecerdasan buatan dan ahli radiologi mungkin takut jika disiplin lain
mengambil alih
Jasper van HoekA, Adrian HuberB, Alexander LeichtleB, Kirsi HarmaB, Bukit DaniellaB,
Hendrik von Tengg-KobligkB, Johannes HeverhagenB, Alexander PoellingerB,*
A
Rumah Sakit Universitas dan Universitas Bern, Freiburgstrasse, CH-3010 Bern, Swiss
B
Departemen Radiologi Diagnostik, Intervensi dan Pediatrik, Rumah Sakit Universitas dan Universitas Bern, Freiburgstrasse, CH-3010 Bern, Swiss

INFORMASI ARTIKEL 1. Perkenalan

ABSTRAK
Kata kunci:
Radiologi – kecerdasan buatan - mahasiswa Kedokteran – survei - kuesioner Tujuan: Untuk mengevaluasi opini dan penilaian ahli radiologi, ahli bedah, dan
mahasiswa kedokteran mengenai sejumlah topik penting mengenai masa depan
radiologi, seperti kecerdasan buatan (AI), pertarungan wilayah, teleradiologi, dan
pencetakan 3D.
Metode: Kuesioner online dibuat menggunakan platform SurveyMonkey yang
menargetkan ahli radiologi, pelajar, dan ahli bedah di seluruh wilayah Swiss yang
berbahasa Jerman. Sebanyak 170 orang berpartisipasi dalam survei (59 ahli
radiologi, 56 ahli bedah, dan 55 mahasiswa). Analisis statistik dilakukan dengan
menggunakan uji Kruskal Wallis dengan uji post-hoc perbandingan berganda Dunn.
Hasil: Meskipun mayoritas peserta setuju bahwa AI harus dimasukkan sebagai
sistem pendukung dalam radiologi (skala Likert 0-10: Nilai median 8), ahli bedah
kurang memberikan dukungan dibandingkan ahli radiologi (p = 0,001). Siswa
melihat potensi ancaman AI lebih besar kemungkinannya dibandingkan ahli
radiologi (p = 0,041). Ketika ditanya apakah mereka khawatir tentang “kehilangan Melihat yang hebat
wilayah” dari radiologi ke disiplin ilmu lain, ahli radiologi lebih cenderung setuju
dibandingkan mahasiswa (p <0,001). Dari mahasiswa yang tidak berniat mengambil teori “inovasi yang mengganggu” dalam bukunya “The Innovator’s Dilema”
spesialisasi radiologi, 26% menyatakan bahwa AI adalah salah satu alasannya. Ahli [1]. Inovasi disruptif adalah inovasi yang secara signifikan mengubah cara
bedah menganjurkan penggunaan teleradiologi.
Kesimpulan: Terkait AI, ahli radiologi berharap alur kerja mereka menjadi lebih
efisien dan cenderung mendukung penggunaan AI, sedangkan mahasiswa
kedokteran dan ahli bedah cenderung lebih skeptis terhadap teknologi ini.
Mahasiswa kedokteran melihat AI sebagai ancaman potensial bagi ahli radiologi
diagnostik, sementara ahli radiologi sendiri agak takut akan kehilangan wilayah.
⁎
Penulis koresponden di: Departemen Radiologi Diagnostik, Intervensi dan Pediatrik, Inselspital, Rumah Sakit Universitas Bern, Freiburgstrasse, CH-3010 Bern,
Swiss.
Alamat email:alexander.poellinger@insel.ch(A.Poellinger).
https://doi.org/10.1016/j.ejrad.2019.108742
Diterima pada 22 Mei 2019; Diterima dalam bentuk revisi 28 Oktober 2019; Diterima 6 November 2019
0720-048X/ © 2019 Elsevier B.V. Hak cipta dilindungi undang-undang.
J.van Hoek, dkk.Jurnal Radiologi Eropa 121 (2019) 108742
ahli radiologi didukung dalam mendeteksi kelainan, mereka juga dapat
memanfaatkan interpretasi yang dibantu AI dan kemungkinan integrasi
informasi klinis lainnya berbasis AI [15–17]. Penerapan lebih lanjut dari
perkembangan ini mencakup penggunaan dalam keadaan darurat, di mana
kasus pneumotoraks, perdarahan, batu ginjal, dan benda asing dapat
diidentifikasi secara otomatis, membantu ahli radiologi dalam proses
diagnostik, mengoptimalkannya agar lebih cepat dan akurat [18].
Penggunaan AI adalah bidang yang berkembang dalam radiologi, yang
dapat menjadi perhatian atau bahkan ancaman bagi ahli radiologi
diagnostik yang berpraktik, seperti yang diyakini oleh Geoffrey Hinton,
pakar jaringan saraf tiruan [11].
Karena topik penerapan AI ke dalam radiologi, pengambilan alih
pemeriksaan radiologi oleh disiplin ilmu lain, teleradiologi, dan pencetakan
3D menjadi bahan diskusi yang hangat, kami ingin mengetahui bagaimana
ahli radiologi, mahasiswa kedokteran, dan ahli bedah memandang
perkembangan ini. Kami tertarik dengan pendapat para mahasiswa
kedokteran, karena mereka adalah dokter generasi berikutnya dan calon
ahli radiologi, serta pendapat para ahli bedah, sebagai sekelompok dokter
yang pekerjaannya sangat dipengaruhi oleh radiologi. Oleh karena itu kami
melakukan survei untuk mengevaluasi pendapat dan penilaian ahli
radiologi, ahli bedah dan mahasiswa kedokteran terhadap berbagai potensi
peluang dan ancaman terhadap radiologi.
2. Bahan-bahan dan metode-metode
Platform SurveyMonkey digunakan untuk membuat survei elektronik
dengan logika yang diterapkan yang memungkinkan kami mengajukan
pertanyaan yang disesuaikan dengan profesi peserta berdasarkan
kuesioner umum. Survei ini dibagi menjadi beberapa bagian. Bagian
pertama terdiri dari sekelompok pertanyaan demografi, diikuti dengan
pertanyaan tentang masa depan radiologi seperti pertanyaan tentang AI,
teleradiologi, kehilangan wilayah, pencetakan 3D, dan masa depan profesi
ahli radiologi. Bagian selanjutnya dipisahkan berdasarkan profesi untuk
menghindari pengumpulan data yang tidak perlu. Selain itu, ahli radiologi
dan mahasiswa ditanyai tentang pilihan karir mereka terkait radiologi dalam
konteks AI dan ahli bedah ditanyai tentang penggunaan radiologi di
lingkungan kerja mereka. Pertanyaan-pertanyaan ini ditunjukkan diTabel
pasar dan teleradiologi [2–6]. Sebuah peluang bisa muncul bagi radi
ology dengan memantapkan dirinya sebagai spesialis dalam pencetakan 3D.
Profesor Harvard Clayton Christensen pertama kali memperkenalkan
bisnis atau seluruh industri beroperasi dan menyebabkan tergesernya
teknologi yang sudah ada. Dalam radiologi, AI (kecerdasan buatan) bisa
menjadi sebuah teknologi disruptif yang mungkin akan sangat mengubah
cara pencitraan diagnostik dilakukan. Tantangan lebih lanjut terhadap cara
kerja radiologi saat ini dapat berupa hilangnya wilayah kerja
(pengambilalihan pemeriksaan radiologi oleh disiplin ilmu lain),
meningkatnya daya saing pekerjaan.
Singkatan:AI, kecerdasan buatan
masa depan dalam penggunaan AI dalam radiologi, sejumlah besar
penelitian sedang dilakukan di bidang ini, baik oleh pusat akademis
maupun oleh industri, misalnya. oleh raksasa digital seperti Google dan
Apple [7–10]. Dengan penggunaan yang optimal, AI dapat membantu ahli
radiologi dan pada akhirnya rumah sakit bekerja lebih efisien sehingga
menghemat uang dengan menerapkan perangkat lunak berbasis AI untuk
melakukan tugas yang mudah dan berulang namun memakan waktu
seperti deteksi nodul [11]. Dengan ahli radiologi dan AI yang saat ini
berada pada tingkat akurasi yang sama dalam mendeteksi nodul [12,13],
mereka dapat meningkatkan akurasi diagnosis mereka dengan
menggunakan kecerdasan buatan [14]. Tidak hanya bisa
1–4DanGambar. 1–3.
Kami berencana untuk mewawancarai setidaknya 150 orang, dengan
setidaknya 50 orang dari setiap profesi. Hanya mahasiswa kedokteran dari
Swiss yang diwawancarai dan tautan kuesioner online disebarkan melalui
media sosial. Tautan ini dapat diakses secara terbuka untuk mahasiswa
kedokteran. Ahli radiologi dan ahli bedah dihubungi di rumah sakit di
seluruh wilayah Swiss yang berbahasa Jerman, di mana tautan tersebut
didistribusikan oleh sekretariat setelah disetujui melalui email. Tautan
tersebut didistribusikan dan dapat diakses hanya selama bulan Mei dan
Juni 2018.
Tidak ada kewajiban untuk berpartisipasi dan tidak ada kaitannya
dengan kegiatan kurikuler. SurveyMonkey dan desain kuesioner
memberikan anonimitas responden. Analisis statistik dilakukan dengan
menggunakan tes Kruskal-Wallis dengan tes post-hoc perbandingan
berganda Dunn, menggunakan GraphPad Prism (Versi 7.1, GraphPad
Software Inc, San DiegoCA). Nilai p <0,05 dianggap signifikan secara
statistik.
3. Hasil
Selama periode empat minggu, total 203 orang mengisi kuesioner, dan
170 di antaranya menyelesaikannya. Dari 170 peserta tersebut, 59 adalah
ahli radiologi (40 diagnostik; 2 intervensi; 17 keduanya), 56 adalah ahli
bedah dan 55 adalah pelajar. Dari peserta yang mengisi kuesioner, 40%
adalah perempuan, 59% laki-laki, dan 1% menjawab lainnya.
3.1. AI dalam radiologi
Secara umum, peserta menyukai penggunaan AI di bidang radiologi di
masa depan; (Skala Likert 0–10 (0 = sangat tidak setuju, 10 = sangat
setuju), median 8), namun ahli radiologi lebih mendukung gagasan ini
dibandingkan ahli bedah
2 yang signifikan secara statistik antara ahli radiologi dan mahasiswa, dimana
(p = 0,001;Tabel 1DanGambar 1). Secara umum, peserta dari semua
profesi memiliki pandangan yang kurang positif mengenai apakah AI harus
digunakan sendiri untuk evaluasi gambar setelah mencapai akurasi
diagnostik yang tinggi, dengan kecenderungan ahli bedah menjadi lebih
skeptis (skala Likert 0–10, median 3, p = 0,097) . Pendapat peserta tidak
berbeda secara signifikan mengenai di mana data yang dihasilkan harus
disimpan (p = 0,058). Mayoritas peserta (59 %) menjawab sebaiknya
disimpan di rumah sakit, 32 % berpendapat sebaiknya disimpan di
lembaga (penelitian) nasional, 2 % berpendapat sebaiknya disimpan di
industri, dan 7 % di tempat penyimpanan lainnya. (misalnya pasien harus
menyimpan datanya sendiri). Selain itu, para peserta tidak dapat
menyepakati tanggung jawab apa yang harus ditanggung jika terjadi
kesalahan yang dilakukan oleh AI, namun mereka sepakat bahwa mereka
tidak ingin interpretasi AI dilakukan atas risiko yang ditanggung pasien
sendiri. Pendapat mereka tidak berbeda secara signifikan (p = 0,558).
3.2. Masa depan ahli radiologi
jawaban mahasiswa lebih pesimistis (median 1) dibandingkan dengan jawaban ahli
radiologi (median -3) (p = 0,041;Tabel 1DanGambar 2). Dengan
menggunakan skala Likert sebelas poin (0-10), kami menemukan bahwa
ahli radiologi tidak takut kehilangan pekerjaan karena perkembangan
teknologi (median 1). Selain itu, sebagian besar ahli radiologi
mengharapkan percepatan pekerjaan mereka dengan menggunakan AI
(median 7).
Di antara responden ahli radiologi, 91 % menjawab bahwa dalam
situasi saat ini mereka akan kembali memilih radiologi sebagai spesialisasi,
dan 79 % dari mereka menegaskan bahwa minat mereka terhadap
teknologi masa depan, seperti AI, adalah salah satu alasannya. Hanya 9%
ahli radiologi yang tidak memilih radiologi lagi.
Dari siswa yang berpartisipasi dalam survei ini, 15% menjawab bahwa
mereka menganggap radiologi sebagai spesialisasi masa depan. Dari
siswa yang tidak menganggap radiologi sebagai pilihan spesialisasi, 26%
menyebutkan penggunaan AI di masa depan sebagai salah satu alasan
untuk tidak memilih radiologi.

Dengan menggunakan skala Likert 21 poin (−1 0 hingga 10 : −10 = sangat
tidak setuju, 10 = sangat setuju), 170 peserta tidak yakin mengenai masa depan ahli
radiologi. Mereka hanya sedikit berbeda pendapat mengenai pertanyaan apakah
profesi ahli radiologi diagnostik akan terancam di masa depan (median 0).
Mengenai pertanyaan ini, ahli radiologi (median -3), ahli bedah (median 0) dan
mahasiswa (median 1) mempunyai pendapat yang sama dan perbedaan ini tidak
signifikan secara statistik (p = 0,206). Ketika ditanya apakah akan ada lebih
banyak atau lebih sedikit ahli radiologi diagnostik dan intervensi di masa depan,
peserta menjawab bahwa akan ada lebih banyak ahli radiologi intervensi (−1 0
hingga 10 : −10 = maksimal lebih sedikit; 10 = maksimal lebih banyak: median 2)
dan lebih sedikit ahli radiologi diagnostik (median −2). Perbedaan ini signifikan
secara statistik (p <0,001).
Selain itu, peserta semakin tidak yakin apakah profesi ahli radiologi diagnostik
akan terancam di masa depan karena inovasi teknis baru seperti AI (−1 0 hingga 10
: −10 = sangat tidak setuju, 10 = sangat setuju: median 0). Terdapat perbedaan
J.van Hoek, dkk.Jurnal Radiologi Eropa 121 (2019) 108742
3.3. Kerugian wilayah dalam radiologi
Ketika peserta ditanya apakah profesi ahli radiologi diagnostik akan
terancam oleh pengambilalihan pemeriksaan radiologi oleh disiplin lain
(“kerugian wilayah”), misalnya. pencitraan jantung yang dilakukan oleh ahli
jantung (skala Likert -1 0 hingga 10, median 1), terdapat perbedaan yang
signifikan secara statistik antara ahli radiologi dan pelajar. Meskipun ahli
radiologi melihat hilangnya wilayah sangat mungkin terjadi (median 3),
sebaliknya siswa memiliki angka negatif yang jauh lebih kecil (median -2)
(p <0,001;Tabel 1,Gambar. 3 dan 4). Ketika ditanya apakah profesi ahli
radiologi diagnostik akan terancam di masa depan, secara umum para
peserta kurang skeptis dibandingkan dengan ancaman akibat perang
wilayah terhadap ahli radiologi diagnostik. Perbedaan ini signifikan secara
statistik (p = 0,012).

Tabel 1
Analisis statistik dilakukan dengan menggunakan uji Kruskal-Wallis dengan uji post-hoc perbandingan berganda Dunn. Nilai p < 0,05 dianggap signifikan secara
statistik dan nilai p 0,05-0,1 dianggap sebagai tren.
Pertanyaan/Pernyataan Median/Mean Uji perbandingan berganda ANOVA Dunn
nilai p nilai p

Kecerdasan buatan sebaiknya digunakan sebagai penunjang evaluasi citra radiologi. Semua: 8/7.3 p = 0.002 STU vs RAD: N.S Skala Likert (0-10) STU: 8/7.5 STU vs SUR: N.S. RAD:
9/8.2 RAD vs SUR: p = 0,001
AKTIF: 7/6.3
Jika kecerdasan buatan mencapai akurasi diagnostik yang tinggi, kecerdasan buatan harus Semua: 3/3.4 N.S. N.S.
digunakan untuk mengevaluasi gambar radiologi saja.

Skala likert (0-10) STU : 3/3.7 p = 0.097 RAD : 3/3.7

AKTIF: 2/2.8
Jika kesalahan terjadi dengan menggunakan kecerdasan buatan, menurut Anda siapa yang harus bertanggung jawab? N.S. N.S. Rumah Sakit (27%) –
Perusahaan AI (27%) - Ahli Radiologi (31%) - Risiko Pasien (5%) – Lainnya (11%)
Dalam 20 tahun, akan ada lebih banyak/lebih sedikit ahli radiologi diagnostik dibandingkan saat ini. Semua: 1.818182 N.S. N.S.*Skala likert (-10-10) STU :
1.333333 RAD : 1.666667
AKTIF: 1.25
Dalam 20 tahun, akan ada lebih banyak/lebih sedikit ahli radiologi intervensi dibandingkan saat ini. Semua: 2/2.3 N.S. N.S.*Skala Likert (-10-10) STU : 2/2.2 RAD :
02-Feb
AKTIF: 3/2.7
Profesi ahli radiologi diagnostik akan terancam di masa depan. Semua: 0/-1.1 N.S. N.S. Skala likert (-10-10) STU: 1/-0.2 RAD: 1.666667
AKTIF: 0/1.3
Profesi ahli radiologi diagnostik akan terancam di masa depan karena teknologi baru, seperti AI. Semua: 0/-0,7 p = 0,048 STU vs RAD: 0,041

Skala likert (-10-10) STU: 1/0.4 STU vs SUR: N.S. RAD: 1.578947 RAD vs SUR: N.S.
AKTIF: 1/-0,6
Profesi ahli radiologi diagnostik akan terancam di masa depan karena hilangnya bidang ilmu lain Semua: 1/0,3 p = 0,001 STU vs RAD: < 0,001
(misalnya pencitraan jantung oleh ahli jantung).

Skala likert (-10-10) STU: 1,538462 STU vs SUR: N.S. RAD: 3/1.7 RAD vs SUR: N.S.
AKTIF: 1/0,5
Siapa yang berhak mempunyai kedaulatan atas data yang dihasilkan? N.S. N.S. Rumah Sakit (59%) - Lembaga (penelitian) nasional (32%) - Industri (2%) –
Lainnya (7%) p = 0,058 Pencetakan 3D akan memainkan peran penting dalam dunia kedokteran di masa depan. Semua: 07-Jul N.S. N.S. Skala likert (0-10) STU :
7/7.4 RAD : 7/6.6
AKTIF: 07-Jul
Siapa yang harus mengontrol pencetakan 3D? N.S. N.S. Radiologi (42,4%) – Bedah (25,9%) – IT (17,1%) – Lainnya (14,7%)
Teleradiologi mungkin menjadi bidang radiologi yang semakin banyak digunakan. Apakah ini merupakan perkembangan yang baik? Semua: 7/6.7 N.S. N.S. Skala
likert (0-10) STU : 7/6.8 RAD : 7/6.6
AKTIF: 7/6.7

Skala likert 0–10: 0 = sangat tidak setuju; 10 = sangat setuju.

Skala likert -1 0 sampai 10 : -10 = sangat tidak setuju; 10 = sangat setuju.
* Skala likert -1 0 s/d 10 : -10 = maksimal lebih sedikit; 10 = maksimal lebih.
3.4. Teleradiologi dan pencetakan 3D di bidang radiologi
Teleradiologi dianggap sebagai perkembangan yang cukup baik (skala
Likert 0–10, median 7, tidak ada perbedaan yang signifikan secara statistik
antara peserta; p = 0,986) dan ahli radiologi tidak merasa terancam
olehnya (skala Likert 0–10, median 2 ). Selain itu, banyak ahli radiologi
membayangkan melakukan sebagian besar pekerjaannya dari rumah
(skala Likert 0–10, median 6). Ahli bedah tidak takut kehilangan wilayah
bagi ahli radiologi melalui radiologi intervensi (skala Likert 0–10, median 3)
dan menyambut ilustrasi 3D, karena mereka cenderung membuat
kehidupan sehari-hari dalam pembedahan lebih mudah di masa depan
(skala Likert 0–10, median 8) . Selain ilustrasi 3D yang didukung oleh ahli
bedah, ketiga kelompok berpendapat bahwa pencetakan 3D akan
memainkan peran penting di masa depan kedokteran secara umum (skala
Likert 0–10, median 7, tidak ada perbedaan signifikan secara statistik
antara para peserta; hal = 0,21). Secara keseluruhan, 42% ingin radiologi
menguasai bidang pencetakan 3D, 26% bedah, hanya 17% TI, dan 15%
lainnya. Pendapat peserta tidak berbeda secara signifikan mengenai siapa
yang seharusnya memegang kendali (p = 0,182).
J.van Hoek, dkk.Jurnal Radiologi Eropa 121 (2019) 108742
3
4. Diskusi
Tujuan dari penelitian ini adalah untuk menyelidiki persepsi dan sikap
ahli radiologi, ahli bedah dan mahasiswa kedokteran terhadap AI dan
perkembangan lain yang mungkin mewakili peluang atau ancaman
terhadap radiologi sebagai bidang pekerjaan.
Hasil kami menunjukkan perbedaan substansial dalam persepsi AI di
antara para partisipan. Meskipun ketiga kelompok sepakat bahwa AI harus
diintegrasikan ke dalam proses diagnostik pencitraan radiologi, ahli
radiologi cenderung lebih mendukung penggunaan AI di masa depan
dibandingkan ahli bedah. Siswa menemukan diri mereka berada di antara
keduanya. Namun, ketika para siswa berasumsi bahwa AI dapat
mengubah radiologi, dan meskipun mereka menyatakan bahwa AI harus
diintegrasikan ke dalam radiologi, mereka melihat AI secara signifikan lebih
mengancam radiologi dibandingkan ahli radiologi. Lebih dari seperempat
mahasiswa yang tidak menganggap radiologi sebagai spesialisasi masa
depan mereka melihat AI sebagai salah satu alasan untuk tidak mendalami
radiologi. Hasil kami menimbulkan pertanyaan apakah mahasiswa terlalu
pesimis mengenai masa depan radiologi atau ahli radiologi terlalu optimis.
Dengan komentar seperti yang disampaikan oleh Prof

Meja 2
Skala likert 0–10: 0 = sangat tidak setuju; 10 = sangat setuju.
Pertanyaan/Pernyataan Hasil lebih lanjut

Dalam situasi saat ini, apakah Anda akan kembali memilih radiologi sebagai spesialisasi? - Ya (91%) – Tidak (9%)
Jika dijawab Ya: Apakah minat Anda terhadap perkembangan teknologi radiologi di masa depan (seperti kecerdasan buatan) menjadi salah satu alasan Anda melakukannya
-
memilih kembali radiologi sebagai spesialisasi?
Ya (79%) – Tidak (21%)
Anda takut menjadi pengangguran akibat perkembangan teknologi. Median −1 Skala Likert (0-10) Nilai rata-rata 1,8 Standar deviasi 2,05
Anda mengharapkan percepatan signifikan dalam pekerjaan Anda dari teknologi baru (AI/Kecerdasan Buatan). Median 7 skala Likert (0-10) Nilai mean 6,6 Standar deviasi 2,33
Dapatkah Anda membayangkan melakukan sebagian besar pekerjaan dari rumah, menggunakan perangkat lunak teleradiologi? Median 6 Skala Likert (0-10) Nilai mean 5,9 Standar deviasi
2,66
Teleradiologi adalah ancaman bagi pekerjaan Anda. Median 2 skala likert (0-10) Nilai mean 2,4 Standar deviasi 2,02

Hinton bahwa “sangat jelas bahwa kita harus berhenti melatih ahli radiologi” Tabel 3
[19], siswa mungkin terintimidasi ketika mereka menganggap radiologi Skala likert 0–10: 0 = sangat tidak setuju; 10 = sangat setuju.
sebagai spesialisasi. Di sisi lain, sebagian besar publikasi ahli radiologi Tabel 4
mengenai topik ini cenderung menganggap profesi radiologi sebagai Pilihan Pertanyaan/Pernyataan yang dijawab oleh
profesi yang mampu bertahan di masa depan meskipun ada
siswa.Pertanyaan/Pernyataan
perkembangan baru [20–24], selama mereka memposisikan diri sesuai
[25]. Namun demikian, apakah hal ini juga berlaku pada ahli radiologi yang Apakah Anda mempertimbangkan radiologi sebagai spesialisasi?
disurvei dalam penelitian ini? Survei kami menunjukkan bahwa ahli Ya (15%) – Tidak (86%)
radiologi yang ditanyai juga tidak terlalu yakin dengan masa depan mereka Ketika dijawab Tidak: Apakah penggunaan Kecerdasan Buatan (AI) di masa depan
dan tidak yakin apakah masa depan mereka akan terancam oleh AI. menjadi alasan Anda untuk tidak memilih radiologi?
Ya (26%) – Tidak (75%)
Terhadap pernyataan: “Profesi ahli radiologi diagnostik akan terancam di
masa depan”, ahli radiologi menjawab dengan median -3 (skala Likert -10–
10; -10: sangat tidak mungkin, 10: sangat mungkin). Artinya, mereka
jumlah laporan mungkin terus meningkat seiring dengan semakin
berpendapat kecil kemungkinannya bahwa ahli radiologi diagnostik akan
banyaknya data kuantitatif yang dihasilkan. Prospek ini mungkin tidak
terancam di masa depan, namun bukan berarti tidak mungkin. Kita harus
selalu menarik bagi ahli radiologi masa depan dan dapat mempengaruhi
membayangkan bagaimana misalnya ahli bedah perut menjawab
kesediaan rekan-rekan muda untuk menjadi ahli radiologi di masa depan.
pertanyaan tentang masa depan mereka sendiri. Selain itu, terdapat
Di sisi lain, kemungkinan-kemungkinan baru ini dapat menarik mahasiswa
perbedaan yang signifikan secara statistik ketika ditanya apakah akan ada
yang paham teknologi untuk memilih radiologi sebagai spesialisasi mereka.
lebih banyak atau lebih sedikit ahli radiologi diagnostik/intervensi. Semua
Selain itu, kemungkinan yang dimiliki AI memungkinkan radiologi menjadi
peserta, termasuk ahli radiologi, memperkirakan bahwa akan ada lebih
pemain kunci dalam mengarahkan pasien dan perawatan pasien. Fakta
sedikit ahli radiologi diagnostik dan lebih banyak intervensi di masa depan.
bahwa para peserta tidak dapat menyepakati tanggung jawab apa yang
Ketidakpastian ini menunjukkan bahwa masa depan radiologi harus
harus ditanggung jika terjadi kesalahan AI mencerminkan ketidakpastian
dibahas lebih lanjut dalam pendidikan kedokteran, tetapi juga di kalangan
yang ada di sini. Masalah etika dan hukum AI saat ini menjadi bahan
ahli radiologi. Siswa mungkin melebih-lebihkan bahaya AI terhadap
perdebatan sengit [27,28]. Pada akhir interpretasi berbasis AI, ahli radiologi
radiologi, padahal banyak ahli radiologi mungkin memandang masa depan
akan menjadi satu-satunya pihak yang dapat menyadari kesalahan yang
AI sebenarnya lebih negatif dibandingkan apa yang digambarkan dalam
dibuat, sedangkan mereka tidak memiliki waktu untuk mengoreksi
sebagian besar publikasi radiologi mengenai topik ini. Upaya tersebut dapat
semuanya, karena meningkatnya jumlah penilaian pembacaan. Selain itu,
mengarah pada pendidikan yang lebih baik bagi siswa tentang AI dan
ahli radiologi mungkin tidak sepenuhnya memahami cara diagnosis dibuat
dengan demikian membiasakan mereka dengan pandangan yang lebih
menggunakan AI, sehingga menciptakan elemen "kotak hitam" [19].
positif terhadap teknologi baru dalam bidang radiologi ini. Sejak paparan
Meskipun beberapa penulis menyatakan bahwa saat ini tidak ada bukti
awal terhadap radiologi dalam studi kedokteran telah menunjukkan efek
adanya perubahan tanggung jawab [29], yang lain mendiskusikan
positif pada sikap mahasiswa terhadap radiologi [26], sebaiknya diajarkan
pertanyaan ini secara intensif [19]. Siapa yang bertanggung jawab
sedini mungkin bersamaan dengan AI. Kobayashi Y dan al. juga
bergantung pada negara tempat aplikasi AI digunakan, apakah aplikasi
menunjukkan pentingnya memasukkan AI sejak dini dalam program
tersebut dianggap sebagai produk atau layanan menurut hukum, dan
pendidikan warga [24].
apakah batasannya telah dikomunikasikan dengan jelas kepada pengguna
Selain itu, pembacaan gambar telah meningkat drastis dalam beberapa
[30]. Manfaat AI akan berkurang jika ahli radiologi harus memeriksa setiap
tahun terakhir bagi ahli radiologi dan dengan dukungan AI, jumlah dan
interpretasi. Namun, peserta survei ini sepakat bahwa mereka tidak ingin
kompleksitasnya
interpretasi berbasis AI dilakukan dan risikonya ditanggung sendiri oleh
 pasien. Itu

Pertanyaan/Pernyataan Hasil lebih lanjut

Ilustrasi 3D intraoperatif akan memudahkan kehidupan sehari-hari dalam pembedahan di masa median 8
depan (misalnya pencetakan 3D pembuluh hati atau paru-paru untuk visualisasi).

Skala likert (0-10) Nilai mean 7,8 Standar deviasi 1,98

Teknik radiografi intervensi menimbulkan risiko pembedahan. Median 3 Skala Likert (0-10) Nilai mean 3,3 Standar deviasi 2,25

J.van Hoek, dkk.Jurnal Radiologi Eropa 121 (2019) 108742

Gambar 1. AI harus digunakan dalam Radiologi.

Pernyataan: Kecerdasan buatan sebaiknya digunakan sebagai penunjang
evaluasi citra radiologi. 0: sangat tidak setuju / 10: sangat setuju. Analisis
statistik dilakukan dengan menggunakan uji Kruskal-Wallis dengan uji post-hoc
perbandingan berganda Dunn.
Ahli radiologi cenderung lebih mendukung penggunaan AI di masa depan

dibandingkan ahli bedah.

 5
Gambar 2. AI mengancam pekerjaan ahli radiologi.
Pernyataan: Profesi ahli radiologi diagnostik akan terancam di masa depan oleh
teknologi baru seperti AI. -10: sangat tidak setuju / 10: sangat setuju. Analisis
statistik dilakukan dengan menggunakan uji Kruskal-Wallis dengan uji post-hoc
perbandingan berganda Dunn.
Siswa cenderung menganggap AI sebagai ancaman yang lebih besar dibandingkan
ahli radiologi.
manfaat penggunaan AI akan jauh lebih sedikit jika ahli radiologi harus
meninjau setiap interpretasi.
Menariknya, meskipun ahli radiologi mungkin melihat ancaman
hilangnya bidang radiologi ke disiplin ilmu lain, para mahasiswa tampaknya
tidak terlalu pesimis mengenai hal ini. Alasannya mungkin saja karena
kurangnya informasi. Di masa lalu, ahli radiologi telah mengalami
pergeseran dan pengambilalihan pemeriksaan tertentu dari radiologi ke
disiplin ilmu lain, sedangkan pelajar sering kali tidak mendapat informasi
tentang perubahan tersebut. Karena semua peserta menganggap
ancaman umum terhadap ahli radiologi diagnostik dari semua faktor tidak
terlalu signifikan dibandingkan ancaman yang diakibatkan oleh perebutan
wilayah, hal ini menunjukkan kesadaran umum bahwa pengambilalihan ini
mungkin menimbulkan masalah bagi ahli radiologi.
J.van Hoek, dkk.Jurnal Radiologi Eropa 121 (2019) 108742
Gambar 3. Kekhawatiran akan hilangnya rumput.
Pernyataan: Profesi ahli radiologi diagnostik akan terancam di masa depan
karena hilangnya bidang ilmu lain (misalnya pencitraan jantung oleh ahli
jantung).
-10: sangat tidak setuju / 10: sangat setuju.
Analisis statistik dilakukan dengan menggunakan uji Kruskal-Wallis dengan uji
post-hoc perbandingan berganda Dunn.
Ahli radiologi cenderung lebih negatif terhadap hilangnya wilayah dibandingkan
pelajar.
Namun, kekhawatiran mengenai hilangnya wilayah dan perubahan
angkatan kerja mungkin terjadi pada suatu negara tertentu, karena sistem
layanan kesehatan di Swiss berbeda dari negara lain dan mungkin terdapat
ancaman yang berbeda di wilayah yang berbeda. Selain itu, nampaknya
terdapat perbedaan tingkat pembangunan di berbagai negara mengenai
sejauh mana perebutan wilayah ini telah dilakukan.
Perang wilayah tampaknya dipandang berbeda oleh disiplin ilmu lain,
karena ahli bedah yang ditanyai dalam survei kami merasa tidak terlalu
terancam oleh teknik radiografi intervensi dibandingkan ahli radiologi pada
disiplin ilmu lain. Namun, karena perang wilayah di masa lalu menimbulkan
bahaya bagi radiologi, AI dapat menjadi peluang untuk memulai hal baru
dan memenangkan pertempuran wilayah lainnya di Swiss dan mungkin
juga di negara lain. Di masa depan, tidak hanya ahli radiologi atau
fisikawan yang mungkin menggunakan AI [24]. Penggunaan AI berpotensi
menggabungkan informasi radiologi dengan cara yang jauh lebih canggih
dan meningkatkan nilai pekerjaan radiologi. Integrasi informasi klinis
menawarkan peluang bagi ahli radiologi untuk setara dengan dokter dalam
layanan kesehatan yang berpusat pada pasien.
Teleradiologi tidak dianggap sebagai ancaman, namun justru
dipandang sebagai perkembangan positif di bidang radiologi. Persepsi ini
dimiliki secara merata oleh ketiga kelompok yang berpartisipasi dalam
survei ini. Teleradiologi dapat bermanfaat bagi ahli radiologi karena
memungkinkan mereka lebih fleksibel dalam mengatur jam kerja. Agak
mengejutkan bahwa para ahli bedah juga melihat teleradiologi sebagai
suatu perkembangan positif. Kami berspekulasi bahwa ahli bedah juga
dapat memperoleh manfaat dari layanan radiologi, terutama di rumah sakit
yang lebih kecil, ketika alternatifnya adalah tidak ada layanan radiologi
sama sekali, atau layanan panggilan yang mengharuskan ahli radiologi
pergi ke rumah sakit pada malam hari, yang dapat memperpanjang masa
klinis. keputusan.
Pencetakan 3D juga diterima dengan baik, yang dipandang sebagai
alat penting untuk masa depan kedokteran secara umum, terutama oleh
ahli bedah, misalnya. Pencetakan 3D pembuluh hati atau paru-paru untuk
tujuan visualisasi. Karena peserta menginginkan radiologi menguasai
pencetakan 3D, ini bisa menjadi peluang bagi radiologi untuk muncul di
bidang mendatang yang dapat memanfaatkan penggunaan AI.
Berbeda dengan survei terhadap mahasiswa sarjana di Jerman [31],
survei kami menunjukkan bahwa mahasiswa kedokteran mungkin takut
untuk mengambil spesialisasi di bidang radiologi karena, antara lain,
mereka tampaknya takut terhadap
Gambar 4. Distribusi jawaban.
Distribusi jawaban atas pernyataan: Profesi ahli radiologi diagnostik akan terancam di masa depan karena hilangnya bidang ilmu lain (misalnya pencitraan jantung oleh
ahli jantung) oleh ahli radiologi dan mahasiswa.
masa depan AI yang tidak diketahui. Hasil kami sejalan dengan survei
yang dilakukan di Kanada yang mencakup semua sekolah kedokteran di
sana [32]. Kami setuju dengan penelitian di Kanada dan Jerman bahwa AI
dan potensi dampaknya terhadap radiologi harus dibahas dalam kurikulum
mahasiswa kedokteran.
Keterbatasan penelitian ini mencakup pengumpulan data tunggal di
Swiss. Hasil ini mungkin tidak dapat diterapkan di negara lain dengan
kurikulum siswa yang berbeda dan sistem layanan kesehatan yang
berbeda. Selain itu, kami tidak membedakan siswa yang disurvei
berdasarkan tahun studi. Keterbatasan lain dari penelitian ini adalah
pemilihan hanya beberapa aspek namun penting mengenai masa depan
radiologi. Investigasi lebih lanjut harus mencakup bidang radiologi lain,
seperti radiologi intervensi.
Secara umum, pertanyaan yang harus diajukan adalah apakah
perbedaan yang signifikan secara statistik juga relevan secara klinis.
Dalam penelitian kami, beberapa perbedaan antara kelompok yang
berpartisipasi dalam penelitian ini cukup jelas, seperti perbedaan median
hingga lima pada skala -10–10. Perbedaan lainnya tidak terlalu besar,
namun secara statistik
6
signifikan, seperti dijelaskan di atas. Pada titik penyelidikan kami, masih
belum mungkin untuk mengatakan apakah perbedaan yang signifikan
secara statistik ini relevan secara klinis. Dengan ukuran sampel yang
sangat besar, perbedaan yang kecil dan tidak signifikan sekalipun dapat
menjadi signifikan secara statistik. Karena survei ini merupakan survei
yang lebih kecil dan hanya melibatkan 170 peserta, perbedaan kecil
mungkin tidak akan memberikan pengaruh yang signifikan. Namun, apakah
signifikansi statistik juga mempunyai efek klinis, hanya dapat ditunjukkan di
masa depan dan penelitian lanjutan harus dilakukan. Kesimpulannya,
penelitian kami menunjukkan, bahwa ahli radiologi mungkin lebih takut
terhadap hilangnya wilayah dibandingkan teknologi baru seperti itu.
sebagai AI. Sejauh menyangkut masa depan, sikap umum terhadap AI
sebagai sistem pendukung dalam radiologi cukup positif, meskipun
mungkin masih ada beberapa masalah kepercayaan mengenai tanggung
jawab jika terjadi kesalahan AI. Ahli radiologi menunjukkan sikap yang
cukup positif terhadap AI agar menjadi lebih efisien dan tepat, namun hal
ini tampaknya tidak membuat mereka terlalu yakin dengan masa depan
mereka. Mahasiswa kedokteran juga menganjurkan penggunaan AI dalam
radiologi tetapi tampaknya jauh lebih pesimis mengenai bahaya yang
ditimbulkan AI terhadap profesi dokter.
 J.van Hoek, dkk.Jurnal Radiologi Eropa 121 (2019) 108742

ahli radiologi diagnostik. Hal ini juga tercermin dari sebagian besar mahasiswa yang menjawab bahwa AI menjadi alasan untuk tidak memilih radiologi
sebagai spesialisasi. Ketakutan yang diduga ini mungkin berasal dari kurangnya informasi dan pengetahuan. Berdasarkan penilaian terhadap sebagian
besar publikasi radiologi – dalam tinjauan kami – AI tidak akan menjadi ancaman melainkan tambahan yang disambut baik dalam alur kerja radiologi. Harus
dikatakan bahwa hasil penelitian kami mungkin mengkhawatirkan. Pelajar, dan terutama pelajar terbaik, mungkin tidak memilih untuk mengambil jurusan
radiologi. Oleh karena itu, pendidikan yang lebih baik tentang ketakutan ini tampaknya diperlukan.

Deklarasi Kepentingan Bersaing

Tidak ada.

Terima kasih

Tidak ada.

Referensi

[1]C. Christensen, Dilema Inovator, pertama, Harvard Business Review Press, Boston, Massachusetts, 1997.
[2] DC Levin, VM Rao, J. Berlin, Memastikan masa depan radiologi: bagaimana menanggapi ancaman, J. Am. Kol. Radiol. 10 (2013) 647–651,https://doi.org/10.1016/j.jacr. 2013.01.013.
[3] DC Levin, VM Rao, Perang wilayah dalam radiologi: haruskah ahli radiologi atau ahli jantung yang melakukan pencitraan jantung? Selai. Kol. Radiol. 2 (2005) 749–752,https://doi.
org/10.1016/j.jacr.2005.01.020.
[4] DC Levin, VM Rao, Perang wilayah dalam radiologi: masa depan radiologi bergantung pada penelitian-dan dukungan Anda terhadapnya!, J. Am. Kol. Radiol. 4 (2007) 184–
186,https://doi.org/10.1016/j.jacr.2006.08.012.
[5] DC Levin, VM Rao, Perang wilayah dalam radiologi: pengantar, J. Am. Kol. Radiol. 1 (2004) 23–25,https://doi.org/10.1016/S1546-1440(03)00013-9.
[6] P. Schnyder, P. Capasso, JY. Meuwly, Pertarungan wilayah dalam radiologi: cara menghindari/cara bertarung/cara menang, Eur. Radiol. 9 (1999) 741–
748,https://doi.org/10.1007/s003300050747.
[7] JA. Brink, RL Arenson, TM. Grist, J.S. Lewin, D. Enzmann, Bits and bytes: masa depan radiologi terletak pada informatika dan teknologi informasi, Eur. Radiol. 27 (2017) 3647–
3651,https://doi.org/10.1007/s00330-016-4688-5.
[8] S.H. Tajmir, T.K. Alkasab, Menuju ahli radiologi augmented: perubahan pendidikan radiologi di era pembelajaran mesin dan kecerdasan buatan, Acad. Radiol. 25 (2018) 747–
750,https://doi.org/10.1016/j.acra.2018.03.007.
[9] T. Syeda-Mahmood, Peran data besar dan pembelajaran mesin dalam pendukung keputusan diagnostik di bidang radiologi, J. Am. Kol. Radiol. 15 (2018) 587–588,https://doi.org/10.
1016/j.jacr.2018.01.028.
[10] M. de Bruijne, Pendekatan pembelajaran mesin dalam analisis citra medis: dari deteksi hingga diagnosis, Med. Gambar Anal. 33 (2016) 94–97,https://doi.org/10.1016/j. media.2016.06.032.
[11] C. Liew, Masa depan radiologi ditambah dengan Kecerdasan Buatan: strategi untuk sukses, Eur. J.Radio. 102 (2018) 152–156,https://doi.org/10.1016/j.ejrad. 2018.03.019.
[12] SEBAGAI. Becker, M. Marcon, S. Ghafoor, M.C. Wurnig, T. Frauenfelder, A. Boss, Pembelajaran mendalam dalam akurasi diagnostik mamografi dari perangkat lunak analisis gambar
multiguna dalam mendeteksi Kanker payudara, Invest Radiol. Bab 52 (2017) 434–440,https://doi.org/10.1097/RLI.0000000000000358.
[13]PR Id, J.I. Id, RL Ball, K. Zhu, B. Yang, H. Mehta, T. Duan, D. Ding, A. Bagul,7

C.P.L. Id, N.Patel, K.W.Y. Id, K.S. Id, F.G. Blankenberg, J. Seekins, T.J.A. Id, D.A. Mong, S.S.H. Id, J. Zucker, AY. Ng, M.P. Lungren, Pembelajaran mendalam untuk diagnosis radiografi dada:
perbandingan retrospektif algoritma CheXNeXt dengan ahli radiologi yang berpraktik, PLoS Med. (2018) 1–17.
[14] A. Rodríguez-ruiz, E. Krupinski, J. Mordang, K. Schilling, Deteksi kanker payudara dengan mamografi: efek sistem pendukung kecerdasan buatan, Radiologi
(2019),https://doi.org/10.1148/radiol.2018181371.
[15] AP Kansas, J.P.J. Anda, A.R. Chatterjee, L. Lenchik, DS. Chow, AB Prater, J. Yeh, A.M. Doshi, CM Hawkins, ME (1999). Heilbrun, S.E. Smith, M. Oselkin, P. Gupta, S. Ali, Big data dan masa
depan informatika radiologi, Acad. Radiol. 23 (2016) 30–42,https://doi.org/10.1016/j.acra.2015.10.004.
[16] R.M. Summers, Kemajuan dalam interpretasi CT perut yang sepenuhnya otomatis, Am. J.Roentgenol. 207 (2016) 67–79,https://doi.org/10.2214/AJR.15.15996. [17] T. Ayer, Q. Chen, ES.
Burnside, Jaringan saraf tiruan dalam mamografi dalam interpretasi dan pengambilan keputusan diagnostik, Comput. Matematika. Metode Med. 2013 (2013),https://doi.org/10.1155/2013/832509.
[18] PADA. Kharat, S. Singhal, Mengintip masa depan radiologi menggunakan aplikasi data besar, Indian J. Radiol. Pencitraan 27 (2017) 241–248,https://doi.org/10.4103/ijri. IJRI_493_16.
[19]O. Akses, Apa yang harus diketahui ahli radiologi tentang kecerdasan buatan – buku putih ESR, Insights Imaging 2 (2019).
[20] A. Hosny, C. Parmar, J. Quackenbush, LH Schwartz, HJWL. Aerts, Kecerdasan buatan dalam radiologi, Nat. Pendeta Kanker 18 (2018) 500–510,https://doi.org/10. 1038/s41568-018-0016-5.
[21] S.Jha, E.J. Topol, Beradaptasi dengan kecerdasan buatan: ahli radiologi dan ahli patologi sebagai spesialis informasi, JAMA - J. Am. medis. Asosiasi 316 (2016) 2353–
2354,https://doi.org/10.1001/jama.2016.17438.
[22] DD. Miller, CM Facp, EW Brown, Kecerdasan buatan dalam praktik medis: pertanyaan untuk jawabannya? Saya. J.Med. 131 (2018) 129–133,https://doi.org/10. 1016/j.amjmed.2017.10.035.
[23] J.H. Thrall, X. Li, Q. Li, C. Cruz, S. Do, Kecerdasan buatan dan pembelajaran mesin dalam radiologi: peluang, tantangan, jebakan, dan kriteria kesuksesan, J. Am. Kol. Radiol. 15 (2017) 504–
508,https://doi.org/10.1016/j.jacr.2017.12.026.
[24] Y. Kobayashi, M. Ishibashi, H. Kobayashi, Bagaimana “demokratisasi kecerdasan buatan” akan mengubah masa depan ahli radiologi? J.Radio. 37 (2019) 9–14,https://doi.org/10.1007/s11604-
018-0793-5.
[25] A.B. Syed, AC Zoga, Kecerdasan buatan dalam radiologi: teknologi saat ini dan arah masa depan, Semin. Muskuloskelet. Radiol. 22 (2018) 540–545,https://doi. org/10.1055/s-0038-1673383.
[26] BF Branstetter IV, AL Humphrey, JB Schumann, Dampak jangka panjang pendidikan pra klinis terhadap pendapat mahasiswa kedokteran tentang radiologi, Acad. Radiol. 15 (2008) 1331–
1339,https://doi.org/10.1016/j.acra.2008.03.015.
[27] JL Jaremko, M. Azar, R. Bromwich, A. Lum, L. Hsia, A. Cheong, M. Gibert, B. Gray, C. Reinhold, M. Cicero, J. Chong, J. Shaw, FJ Rybicki, C. Hurrell, E. Lee, Buku putih asosiasi ahli radiologi
Kanada tentang masalah etika dan hukum terkait dengan kecerdasan buatan dalam radiologi, Can. Asosiasi Radiol. J.70 (2019),https://doi.org/10.
1016/j.carj.2019.03.001.
[28]F. Pesapane, C. Volonté, M. Codari, F. Sardanelli, Kecerdasan Buatan sebagai Alat Kesehatan dalam Radiologi: Masalah Etika dan Regulasi di Eropa dan Amerika Serikat, (2018), hlm.745–
753.
[29]JR Geis, P. Adrian, FCC Wu, J. Spencer, Etika Kecerdasan Buatan dalam Radiologi: Ringkasan Pernyataan Multimasyarakat Bersama Eropa dan Amerika Utara, (2019).
[30] J.K.C. Kingston, Kecerdasan Buatan dan Tanggung Jawab Hukum, (nd). [31] D. Pinto Dos Santos, D. Giese, S. Brodehl, S.H. Chon, W. Staab, R. Kleinert, D. Maintz, B. Baeβler, Sikap
mahasiswa kedokteran terhadap kecerdasan buatan: survei multisenter, Eur. Radiol. (2018) 1–7,https://doi.org/10.1007/s00330-018- 5601-1.
[32] D.X.X. Gong, P. Nugent, J. Chang, Pengaruh kecerdasan buatan terhadap preferensi mahasiswa kedokteran Kanada terhadap spesialisasi radiologi: A, Acad. Radiol. (nd) 1–12.
doi:10.1016/j.acra.2018.10.007.