Artikel Penelitian
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
⁎
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 1–4DanGambar. 1–3.
memanfaatkan interpretasi yang dibantu AI dan kemungkinan integrasi Kami berencana untuk mewawancarai setidaknya 150 orang, dengan
informasi klinis lainnya berbasis AI [15–17]. Penerapan lebih lanjut dari setidaknya 50 orang dari setiap profesi. Hanya mahasiswa kedokteran dari
perkembangan ini mencakup penggunaan dalam keadaan darurat, di mana Swiss yang diwawancarai dan tautan kuesioner online disebarkan melalui
kasus pneumotoraks, perdarahan, batu ginjal, dan benda asing dapat media sosial. Tautan ini dapat diakses secara terbuka untuk mahasiswa
diidentifikasi secara otomatis, membantu ahli radiologi dalam proses kedokteran. Ahli radiologi dan ahli bedah dihubungi di rumah sakit di
diagnostik, mengoptimalkannya agar lebih cepat dan akurat [18]. seluruh wilayah Swiss yang berbahasa Jerman, di mana tautan tersebut
Penggunaan AI adalah bidang yang berkembang dalam radiologi, yang didistribusikan oleh sekretariat setelah disetujui melalui email. Tautan
dapat menjadi perhatian atau bahkan ancaman bagi ahli radiologi tersebut didistribusikan dan dapat diakses hanya selama bulan Mei dan
diagnostik yang berpraktik, seperti yang diyakini oleh Geoffrey Hinton, Juni 2018.
pakar jaringan saraf tiruan [11]. Tidak ada kewajiban untuk berpartisipasi dan tidak ada kaitannya
Karena topik penerapan AI ke dalam radiologi, pengambilan alih dengan kegiatan kurikuler. SurveyMonkey dan desain kuesioner
pemeriksaan radiologi oleh disiplin ilmu lain, teleradiologi, dan pencetakan memberikan anonimitas responden. Analisis statistik dilakukan dengan
3D menjadi bahan diskusi yang hangat, kami ingin mengetahui bagaimana menggunakan tes Kruskal-Wallis dengan tes post-hoc perbandingan
ahli radiologi, mahasiswa kedokteran, dan ahli bedah memandang berganda Dunn, menggunakan GraphPad Prism (Versi 7.1, GraphPad
perkembangan ini. Kami tertarik dengan pendapat para mahasiswa Software Inc, San DiegoCA). Nilai p <0,05 dianggap signifikan secara
kedokteran, karena mereka adalah dokter generasi berikutnya dan calon statistik.
ahli radiologi, serta pendapat para ahli bedah, sebagai sekelompok dokter
yang pekerjaannya sangat dipengaruhi oleh radiologi. Oleh karena itu kami 3. Hasil
melakukan survei untuk mengevaluasi pendapat dan penilaian ahli
radiologi, ahli bedah dan mahasiswa kedokteran terhadap berbagai potensi Selama periode empat minggu, total 203 orang mengisi kuesioner, dan
peluang dan ancaman terhadap radiologi. 170 di antaranya menyelesaikannya. Dari 170 peserta tersebut, 59 adalah
ahli radiologi (40 diagnostik; 2 intervensi; 17 keduanya), 56 adalah ahli
2. Bahan-bahan dan metode-metode bedah dan 55 adalah pelajar. Dari peserta yang mengisi kuesioner, 40%
adalah perempuan, 59% laki-laki, dan 1% menjawab lainnya.
Platform SurveyMonkey digunakan untuk membuat survei elektronik
dengan logika yang diterapkan yang memungkinkan kami mengajukan 3.1. AI dalam radiologi
pertanyaan yang disesuaikan dengan profesi peserta berdasarkan
kuesioner umum. Survei ini dibagi menjadi beberapa bagian. Bagian Secara umum, peserta menyukai penggunaan AI di bidang radiologi di
pertama terdiri dari sekelompok pertanyaan demografi, diikuti dengan masa depan; (Skala Likert 0–10 (0 = sangat tidak setuju, 10 = sangat
pertanyaan tentang masa depan radiologi seperti pertanyaan tentang AI, setuju), median 8), namun ahli radiologi lebih mendukung gagasan ini
teleradiologi, kehilangan wilayah, pencetakan 3D, dan masa depan profesi dibandingkan ahli bedah
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
2 yang signifikan secara statistik antara ahli radiologi dan mahasiswa, dimana
(p = 0,001;Tabel 1DanGambar 1). Secara umum, peserta dari semua jawaban mahasiswa lebih pesimistis (median 1) dibandingkan dengan jawaban ahli
profesi memiliki pandangan yang kurang positif mengenai apakah AI harus radiologi (median -3) (p = 0,041;Tabel 1DanGambar 2). Dengan
digunakan sendiri untuk evaluasi gambar setelah mencapai akurasi menggunakan skala Likert sebelas poin (0-10), kami menemukan bahwa
diagnostik yang tinggi, dengan kecenderungan ahli bedah menjadi lebih ahli radiologi tidak takut kehilangan pekerjaan karena perkembangan
skeptis (skala Likert 0–10, median 3, p = 0,097) . Pendapat peserta tidak teknologi (median 1). Selain itu, sebagian besar ahli radiologi
berbeda secara signifikan mengenai di mana data yang dihasilkan harus mengharapkan percepatan pekerjaan mereka dengan menggunakan AI
disimpan (p = 0,058). Mayoritas peserta (59 %) menjawab sebaiknya (median 7).
disimpan di rumah sakit, 32 % berpendapat sebaiknya disimpan di Di antara responden ahli radiologi, 91 % menjawab bahwa dalam
lembaga (penelitian) nasional, 2 % berpendapat sebaiknya disimpan di situasi saat ini mereka akan kembali memilih radiologi sebagai spesialisasi,
industri, dan 7 % di tempat penyimpanan lainnya. (misalnya pasien harus dan 79 % dari mereka menegaskan bahwa minat mereka terhadap
menyimpan datanya sendiri). Selain itu, para peserta tidak dapat teknologi masa depan, seperti AI, adalah salah satu alasannya. Hanya 9%
menyepakati tanggung jawab apa yang harus ditanggung jika terjadi ahli radiologi yang tidak memilih radiologi lagi.
kesalahan yang dilakukan oleh AI, namun mereka sepakat bahwa mereka Dari siswa yang berpartisipasi dalam survei ini, 15% menjawab bahwa
tidak ingin interpretasi AI dilakukan atas risiko yang ditanggung pasien mereka menganggap radiologi sebagai spesialisasi masa depan. Dari
sendiri. Pendapat mereka tidak berbeda secara signifikan (p = 0,558). siswa yang tidak menganggap radiologi sebagai pilihan spesialisasi, 26%
menyebutkan penggunaan AI di masa depan sebagai salah satu alasan
untuk tidak memilih radiologi.
3.2. Masa depan ahli radiologi
Dengan menggunakan skala Likert 21 poin (−1 0 hingga 10 : −10 = sangat 3.3. Kerugian wilayah dalam radiologi
tidak setuju, 10 = sangat setuju), 170 peserta tidak yakin mengenai masa depan ahli
radiologi. Mereka hanya sedikit berbeda pendapat mengenai pertanyaan apakah Ketika peserta ditanya apakah profesi ahli radiologi diagnostik akan
profesi ahli radiologi diagnostik akan terancam di masa depan (median 0). terancam oleh pengambilalihan pemeriksaan radiologi oleh disiplin lain
Mengenai pertanyaan ini, ahli radiologi (median -3), ahli bedah (median 0) dan (“kerugian wilayah”), misalnya. pencitraan jantung yang dilakukan oleh ahli
mahasiswa (median 1) mempunyai pendapat yang sama dan perbedaan ini tidak jantung (skala Likert -1 0 hingga 10, median 1), terdapat perbedaan yang
signifikan secara statistik (p = 0,206). Ketika ditanya apakah akan ada lebih signifikan secara statistik antara ahli radiologi dan pelajar. Meskipun ahli
banyak atau lebih sedikit ahli radiologi diagnostik dan intervensi di masa depan, radiologi melihat hilangnya wilayah sangat mungkin terjadi (median 3),
peserta menjawab bahwa akan ada lebih banyak ahli radiologi intervensi (−1 0 sebaliknya siswa memiliki angka negatif yang jauh lebih kecil (median -2)
hingga 10 : −10 = maksimal lebih sedikit; 10 = maksimal lebih banyak: median 2) (p <0,001;Tabel 1,Gambar. 3 dan 4). Ketika ditanya apakah profesi ahli
dan lebih sedikit ahli radiologi diagnostik (median −2). Perbedaan ini signifikan radiologi diagnostik akan terancam di masa depan, secara umum para
secara statistik (p <0,001). peserta kurang skeptis dibandingkan dengan ancaman akibat perang
Selain itu, peserta semakin tidak yakin apakah profesi ahli radiologi diagnostik wilayah terhadap ahli radiologi diagnostik. Perbedaan ini signifikan secara
akan terancam di masa depan karena inovasi teknis baru seperti AI (−1 0 hingga 10 statistik (p = 0,012).
: −10 = sangat tidak setuju, 10 = sangat setuju: median 0). Terdapat perbedaan
J.van Hoek, dkk.Jurnal Radiologi Eropa 121 (2019) 108742
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 (-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
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
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).
masa depan AI yang tidak diketahui. Hasil kami sejalan dengan survei 6
yang dilakukan di Kanada yang mencakup semua sekolah kedokteran di signifikan, seperti dijelaskan di atas. Pada titik penyelidikan kami, masih
sana [32]. Kami setuju dengan penelitian di Kanada dan Jerman bahwa AI belum mungkin untuk mengatakan apakah perbedaan yang signifikan
dan potensi dampaknya terhadap radiologi harus dibahas dalam kurikulum secara statistik ini relevan secara klinis. Dengan ukuran sampel yang
mahasiswa kedokteran. sangat besar, perbedaan yang kecil dan tidak signifikan sekalipun dapat
Keterbatasan penelitian ini mencakup pengumpulan data tunggal di menjadi signifikan secara statistik. Karena survei ini merupakan survei
Swiss. Hasil ini mungkin tidak dapat diterapkan di negara lain dengan yang lebih kecil dan hanya melibatkan 170 peserta, perbedaan kecil
kurikulum siswa yang berbeda dan sistem layanan kesehatan yang mungkin tidak akan memberikan pengaruh yang signifikan. Namun, apakah
berbeda. Selain itu, kami tidak membedakan siswa yang disurvei signifikansi statistik juga mempunyai efek klinis, hanya dapat ditunjukkan di
berdasarkan tahun studi. Keterbatasan lain dari penelitian ini adalah masa depan dan penelitian lanjutan harus dilakukan. Kesimpulannya,
pemilihan hanya beberapa aspek namun penting mengenai masa depan penelitian kami menunjukkan, bahwa ahli radiologi mungkin lebih takut
radiologi. Investigasi lebih lanjut harus mencakup bidang radiologi lain, terhadap hilangnya wilayah dibandingkan teknologi baru seperti itu.
seperti radiologi intervensi. sebagai AI. Sejauh menyangkut masa depan, sikap umum terhadap AI
Secara umum, pertanyaan yang harus diajukan adalah apakah sebagai sistem pendukung dalam radiologi cukup positif, meskipun
perbedaan yang signifikan secara statistik juga relevan secara klinis. mungkin masih ada beberapa masalah kepercayaan mengenai tanggung
Dalam penelitian kami, beberapa perbedaan antara kelompok yang jawab jika terjadi kesalahan AI. Ahli radiologi menunjukkan sikap yang
berpartisipasi dalam penelitian ini cukup jelas, seperti perbedaan median cukup positif terhadap AI agar menjadi lebih efisien dan tepat, namun hal
hingga lima pada skala -10–10. Perbedaan lainnya tidak terlalu besar, ini tampaknya tidak membuat mereka terlalu yakin dengan masa depan
namun secara statistik 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.
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.