Indtil nu har medicin været en prestigefyldte og ofte ekstremt lukrativ valg af karriere. Men vil vi i den nærmeste fremtid have brug for så mange læger, som vi har nu? Skal vi se betydelig medicinsk arbejdsløshed i det kommende årti?

Saxon Smith, præsident for Australian Medical Association NSW-filial, sagde i en rapport sent i sidste år at de mest almindelige bekymringer, han hører fra læger i uddannelse og medicinstuderende, er, "hvad er fremtiden for medicin?" og “vil jeg have et job?”. Svarene, sagde han, fortsætter med at undvige ham.

Da australske, britiske og amerikanske universiteter fortsætter med at opgradere et stigende antal medicinstuderende, er det oplagte spørgsmål, hvor vil disse nye læger arbejde i fremtiden?

Vil der være en udvidet rolle for medicinske fagfolk på grund af vores aldrende befolkning? Eller er pres for at reducere omkostningerne, samtidig med at resultaterne forbedres, sandsynligvis tvinge indførelsen af ​​ny teknologi, som derefter sandsynligvis vil nedbryde antallet af roller, der i øjeblikket udføres af læger?

At nedbringe omkostningerne

Det ved alle regeringer, patienter og læger over hele verden sundhedsudgifterne skal reduceres hvis vi skal behandle flere mennesker. Nogle foreslår, at patienter betaler mere, men uanset hvordan vi betaler for det, er det klart, at det er nødvendigt at reducere omkostningerne.

Brugen af medicinske robotter til at hjælpe menneskelige kirurger bliver mere udbredt, men indtil videre bruges de til at forsøge at forbedre patientresultaterne og ikke til at reducere omkostningerne ved operation. Omkostningsbesparelser kan komme senere, når denne robotteknologi modnes.

Det er inden for medicinsk diagnostik, hvor mange mennesker ser en mulig betydelig reduktion af omkostningerne, mens de forbedrer nøjagtigheden ved ved hjælp af teknologi i stedet for menneskelige læger.

Det er allerede almindeligt for blodprøver , genetisk testning (genomik) udføres automatisk og meget omkostningseffektivt af maskiner. De analyserer blodprøven og producerer automatisk en rapport.

Testene kan være så enkle som et hæmoglobinniveau (blodtal) til test af diabetes såsom insulin eller glukoseniveauer. De kan også bruges til langt mere komplicerede tests såsom at se på en persons genetiske sammensætning.

Et godt eksempel er Thyrocare Technologies Ltd i Mumbai, Indien, hvor mere end 100,000 diagnostiske tests fra hele landet udføres hver aften, og rapporterne leveres inden for 24 timer efter blod er taget fra en patient.

Maskiner mod mennesker

Hvis maskiner kan læse blodprøver, hvad kan de ellers gøre? Selvom mange læger ikke kan lide denne tanke, vil enhver test, der kræver mønstergenkendelse, i sidste ende blive gjort bedre af en maskine end et menneske.

Mange sygdomme har brug for en patologisk diagnose, hvor en læge ser på en prøve af blod eller væv for at fastslå den nøjagtige sygdom: en blodprøve til diagnosticering af en infektion, en hudbiopsi for at afgøre, om en læsion er kræft eller ej, og en vævsprøve taget af en kirurg, der ønsker at stille en diagnose.

Alle disse eksempler og faktisk alle patologiske diagnoser stilles af en læge, der bruger mønstergenkendelse til at bestemme diagnosen.

Kunstig intelligens teknikker ved hjælp af dybe neurale netværk, som er en type maskinindlæring, kan bruges til at træne disse diagnostiske maskiner. Maskiner lærer hurtigt, og vi taler ikke om en enkelt maskine, men et netværk af maskiner, der er forbundet globalt via internettet ved hjælp af deres samlede data for at fortsætte med at forbedre.

Det vil ikke ske natten over - det vil tage noget tid at lære - men når det er trænet, vil maskinen kun blive bedre. Med tiden vil en passende uddannet maskine være bedre end mønstergenkendelse end noget menneske nogensinde kunne være.

Patologi er nu et spørgsmål om multi-million dollar laboratorier, der er afhængige af stordriftsfordele. Det tager omkring 15 år fra at forlade gymnasiet at træne en patolog at fungere uafhængigt. Det tager sandsynligvis yderligere 15 år for patologen at være så god som de nogensinde vil være.

Nogle år efter går de på pension, og al den viden og erfaring går tabt. Det ville helt sikkert være bedre, hvis denne viden kunne fanges og bruges af fremtidige generationer? En robotpatolog ville være i stand til netop det.

Radiologi, røntgenstråler og videre

Radiologiske tests tegner sig for over AUS $ 2 milliarder af det årlige Medicare-forbrug. I en rapport fra 2013 blev det anslået, at i perioden 2014-15 33,600,000 radiologiske undersøgelser ville blive udført i Australien. En radiolog bliver nødt til at studere hver af disse og skrive en rapport.

Radiologer læser allerede i gennemsnit mere end syv gange antallet af undersøgelser om dagen end for fem år siden. Disse rapporter, som dem, der er skrevet af patologer, er baseret på mønstergenkendelse.

I øjeblikket læses mange radiologiske tests udført i Australien af ​​radiologer i andre lande, såsom Storbritannien. I stedet for at få en ekspert i Australien til at gå ud af sengen kl. 3 for at læse en hjernescanning af en skadet patient, kan billedet sendes digitalt til en læge i enhver passende tidszone og rapporteres næsten øjeblikkeligt.

Hvad hvis maskiner blev lært at læse røntgenstråler, der først arbejdede med og i sidste ende i stedet for menneskelige radiologer? Vil vi stadig have brug for menneske radiologer? Sandsynligvis. Forbedret billeddannelse, såsom MR- og CT-scanninger, giver radiologer mulighed for at udføre nogle procedurer, som kirurger nu foretager.

Feltet med diagnostisk radiologi udvides hurtigt. På dette felt er radiologer i stand til at diagnosticere og behandle tilstande som blødende blodkar. Dette gøres ved hjælp af minimalt invasive teknikker, der fører ledninger gennem større kar for at nå blødningspunktet.

Så radiologerne kan ende med at udføre procedurer, der i øjeblikket udføres af vaskulære og hjertekirurger. Den øgede brug af robotassisteret operation vil betyde, at dette er mere sandsynligt end ikke.

Der er meget mere diagnosticere en hudlæsion, udslæt eller vækst end blot at se på det. Men meget af diagnosen er baseret på, at hudlægen genkender læsionen (igen mønstergenkendelse).

Hvis diagnosen forbliver uklar, sendes noget væv (en biopsi) til laboratoriet for en patologisk diagnose. Vi har allerede fastslået, at en maskine kan læse sidstnævnte. Det samme princip gælder for genkendelse af hudlæsionen.

Når først læsionen er genkendt og lært, kan den genkendes igen. Mobiltelefoner med kameraer af høj kvalitet vil være i stand til at linke til en global database, der ligesom enhver anden database med læringsevne vil fortsætte med at forbedre.

Det er ikke hvis, men hvornår

Disse ændringer vil ikke ske natten over, men de er uundgåelige. Selvom mange læger vil se disse ændringer som en trussel, er chancen for globalt gode hidtil uset.

En røntgenbillede taget i det ækvatoriale Afrika kunne læses med den samme pålidelighed som den, der blev taget i et australsk ekspertisecenter. Et smitsomt udslæt kunne uploades til en telefon, og diagnosen kunne gives med det samme. Mange liv vil blive reddet, og udgifterne til sundhedspleje for verdens fattige kan være minimale og i mange tilfælde gratis.

For at dette kan blive en realitet, skal eksperter arbejde med maskiner og hjælpe dem med at lære. Oprindeligt kan maskinerne blive bedt om at udføre mere enkle tests, men gradvist vil de blive undervist, ligesom mennesker lærer de fleste ting i livet.

Medicinsk erhverv bør gribe disse muligheder for forandring, og vores fremtidige unge læger bør overveje nøje, hvor fremtidens medicinske job vil ligge. Det er næsten sikkert, at det medicinske beskæftigelseslandskab i 15 år ikke vil se ud som det, vi ser i dag.

Om forfatteren

Ross Crawford, professor i ortopædisk forskning, Queensland University of Technology; Anjali Jaiprakash, postdoktoral stipendiat, medicinsk robotik, Queensland University of Technology, og Jonathan Roberts, professor i robotik, Queensland University of Technology

Denne artikel blev oprindeligt offentliggjort den The Conversation. Læs oprindelige artikel.

Relateret bog:

at

Tak for besøget InnerSelf.com, hvor der er 20,000 + livsændrende artikler, der promoverer "Nye holdninger og nye muligheder." Alle artikler er oversat til 30+ sprog. Tilmeld til InnerSelf Magazine, der udgives ugentligt, og Marie T Russells Daily Inspiration. InnerSelf Magazine er udkommet siden 1985.