作為行業(yè)最早的玩家，IBM在AI領(lǐng)域的一舉一動總能引發(fā)熱議。最近，傳言再起，有報道稱IBM人工智能醫(yī)療部門沃森健康大幅裁員五到六成，其“醫(yī)療AI宣告失敗”，輿論嘩然。

醫(yī)療是人工智能落地的明星領(lǐng)域，深度學習海量醫(yī)學論文、影像判讀正確率超過人類醫(yī)生等消息層出不窮，人們寄希望于醫(yī)療AI改革傳統(tǒng)的醫(yī)療體系，緩解醫(yī)療資源不足和不均，走向精準醫(yī)療、健康管理。但沃森健康的受挫，讓醫(yī)療AI領(lǐng)域唱衰聲不斷。

“芯片實驗室”

“沃森現(xiàn)在的問題大多數(shù)來源于過度宣傳，如自動讀取病例、自動診斷病情、做的比人類醫(yī)生好，都是不切實際的。”美國華盛頓大學計算機系教授陳一昕直言，“沃森的前期宣傳很高調(diào)，后來出現(xiàn)開錯藥等消息時，輿論反彈明顯。但沃森可以提升臨床決策效果和水平。”

總之，沃森的“鍋”，不該醫(yī)療AI來背;直接說“失敗”，也是又一次“標題黨”。

陳一昕看來，醫(yī)療AI的優(yōu)勢很明顯，也已經(jīng)在某些領(lǐng)域有突破，“目前來看，人工智能適用于規(guī)則比較清晰的醫(yī)療領(lǐng)域，比如有大量標注數(shù)據(jù)的、規(guī)則清楚、訓練標簽清晰、結(jié)果定義明確的，像食道癌。另外是單病種的細分領(lǐng)域，比如心電圖的自動判讀。還有比如在更廣闊的新藥研發(fā)領(lǐng)域，付費方明確，有大量外包需求，是很有前景的。”

不過，人工智能在醫(yī)療領(lǐng)域的落地存在特殊性，需要跨越的障礙很多。“整體來講，醫(yī)療領(lǐng)域本身偏保守封閉，由醫(yī)療機構(gòu)和醫(yī)生主導決策，容錯率極低。不像消費類應用投入大、試錯機會多。”眾海投資投資副總裁陳冬東表示。

最明顯的是數(shù)據(jù)的匱乏——由于數(shù)量少或難以訪問，可以用于訓練AI醫(yī)療產(chǎn)品的數(shù)據(jù)不足，限制了產(chǎn)品的進化。不只沃森，這是醫(yī)療機器學習普遍面臨的問題。“雖然我國人口的診療基數(shù)很大，但是合格、高質(zhì)量的數(shù)據(jù)其實很少。同時由于體制和授權(quán)的原因，去獲取這些數(shù)據(jù)的難度和壁壘是很高的。”陳冬東說。

采訪中陳一昕提到，以沃森引以為傲的提供癌癥治療方案的能力來說，用于訓練它的肺癌病例其實只有六百多例。“整體來看，人工智能醫(yī)療領(lǐng)域的絕大部分產(chǎn)品還處在打磨、試錯的階段。技術(shù)能力不是一蹴而就的，監(jiān)管體系的建設(shè)、心理障礙的跨越等都需要時間。醫(yī)療AI的付費方也還不明確，從醫(yī)院到患者，付費意愿都不強，推廣難度大。”他說。

“人工智能和醫(yī)療的結(jié)合，從來不只是一個技術(shù)問題。”陳冬東說，“誰來付費？誰來擔責？出了錯患者能否接受？再說目前國內(nèi)的人工智能醫(yī)療產(chǎn)品還沒有一家拿到醫(yī)療器械許可證，走不到商業(yè)化那一步。雖然監(jiān)管機構(gòu)積極推進，但面對這個新生事物，還是要經(jīng)歷從無到有的過程。”

專家點評：

AI要想進化首先需要大量可靠的數(shù)據(jù)標簽，在數(shù)據(jù)有限、且額外需要人工標注的情況下，說AI可以超過高水平的人類醫(yī)生是不現(xiàn)實的。但也不能否認AI醫(yī)療近年來在產(chǎn)學研的共同努力下進步很快。技術(shù)會服務于特定場景，人和機器各有優(yōu)勢，所以人機協(xié)同才是AI醫(yī)療的未來。在這個層面上，既不需要對技術(shù)抱過高期待，也不能因為一點負面消息就全盤否認，那都不是科學的態(tài)度。

但以往媒體一提起AI就容易一驚一乍，連帶著大眾也有了不切實際的期待，一旦出現(xiàn)不盡人意的情況，再一哄而上踩幾腳。我相信人工智能是能解決問題的，但大家的期待要在合理范圍內(nèi)。

任何一項新技術(shù)的孕育都需要一個良好的環(huán)境，讓它從實驗室到落地，產(chǎn)生實在的價值。這個過程中，從科研界到市場，從媒體到大眾，都需要客觀冷靜的態(tài)度和更多彈性。