電子發燒友App
一、精心栽培的巨人之子
2011年沃森（Watson）在智力競猜綜藝節目《Jeopardy!》（危險邊緣）中出場，并且擊敗該節目歷史上兩位最成功的選手。
沃森自此名聲大噪，成為IBM這一藍色巨人持續多年的“AI代言人“。
人們很難定義沃森到底是什么，他用于廣告營銷也用于創造菜譜，還能做會議記錄員、參加格萊美典禮、到博物館當講解員，給用戶提供旅游定制計劃，以及幫助電商優化用戶的購物體驗。
IBM對他的定義是“沃森是IBM的企業級人工智能服務、應用程序和工具。”
企業級服務本身就是IBM所擅長的領域，而沃森伴隨人工智能大潮來臨，也成為IBM的重要投手。
在時尚、金融、醫療、旅游、法律、教育、交通等14個領域都展開了應用與實踐。
而在高精尖的醫療領域，IBM也花了重金栽培了沃森健康（Watson Health）。
二、不斷喂食的沃森健康
《連線》專欄作家 Clive Thompson 曾在文章《如何教授人工智能常識》里寫到：“AI需要喂食大量的數據，唯有這樣AI才能開啟獨立運行的自我識別模式。”
2015年是IBM醫療布局頻頻出擊的一年，通過收購、重組、合作等動作， IBM不斷為喂給沃森醫療需要的數據、技術和團隊。
2.1核心產品
沃森健康自2011年起接受全球頂級癌癥治療中心紀念斯隆凱特琳腫瘤中心(MSKCC)訓練，已學習超過330種醫學專業期刊、250種以上的醫學書籍、2700萬篇論文研究數據。
研究數據之外，沃森還會通過真實世界和臨床案例積累數據。
癌癥領域也成為 IBM 重點扶持領域， IBM 在2013年又攜手世界頂級的腫瘤治療與研究機構 MD 安德森癌癥中心，用沃森輔助醫生開展抗癌藥物的臨床測試。
這開啟了沃森的首次商業化應用。
根據《華爾街日報》給出的數據，沃森健康產品組合中最大的 AI 產品是 Watson for Oncology（沃森腫瘤解決方案，以下簡稱WfO）。
在對病患的個人檔案、醫療證據、公布的研究結果，以及紀念斯隆-凱特琳癌癥中心的大量臨床專業知識進行分析后，該解決方案可以總結每個病例的調研結果，其中包括供臨床醫生考慮的基于美國國家綜合癌癥網絡(NCCN)指南的治療方案。
雷鋒網在翻譯 James Hendler 教授的一篇長文中，揭示了沃森基于“關聯知識”構筑而成實現過程。
簡而言之，在醫生輸入有關患者醫療狀況的信息后，該應用程序會通過分析可能相關的已發表研究來推薦治療方法。
WfO的操作流程：
1、分析患者醫療記錄，包括結構化和非結構化的數據；
2、提供治療方案選項，通過分析各種醫療數據，WfO 為每一位患者提供幾種治療方案，醫生可在這些方案中挑選；
3、方案排序，給各種治療方案排序， 并注明其醫學證據。
其操作流程包括分析患者醫療記錄、提供治療方案選項和排序，最終患者拿到手的，是一份涵蓋了詳細的用藥、治療建議及參考文獻等內容的癌癥治療方案建議報告。
圍繞癌癥診療這一方向，沃森健康已開發出沃森腫瘤解決方案(Watson for Oncology)、沃森基因解決方案(Watson for Genomics)、Watson 臨床試驗匹配解決方案(Watson for Clinical Trial Matching)等系列產品，輔助全球各地的醫生對患者進行診治：
2.2核心技術
這套解決方案的核心技術為 NLP（自然語言處理），也是 IBM 一直看好的領域，2011年沃森在《危險邊緣》的勝利，證明了沃森在 NLP 方面的卓越表現。
為了玩這個游戲，它必須解析復雜的文字游戲線索，搜索大量的文本數據庫，找到并確定最好的答案。
“看起來沃森幾乎可以理解語言的含義，而不僅僅是識別單詞的模式。” 在2011年曾擔任 IBM 研究院首席醫學科學家 Martin Kohn 說。
其實早在參加《危險邊緣》之前， IBM 就考慮過 AI 醫療的可能性。大量的患者數據看起來非常適合用于 AI 醫療研究，特別是當醫院和醫生開始使用電子健康記錄時。
雖然其中一些數據可以很容易地被機器消化，例如實驗室結果和生命體征測量數據，但還有大部分是“非結構化”信息，例如醫生筆記和出院記錄。這類敘述性文本占到患者記錄約80％的內容。
Kohn 認為，沃森強大的 NLP 能力可以轉變為醫學理論。
沃森可以閱讀患者的健康記錄以及醫學文獻的全部內容，包括教科書、同行評審期刊文章、批準藥物清單等。通過訪問所有這些數據，沃森可能會成為一名超級醫生，能夠辨別出人類無法看到的模式。
2.3商業化嘗試
公開資料顯示，對于 WfO，IBM 在國外通常對每位患者收費200至1000美元，在某些情況下還需要咨詢費。
IBM 的副總裁，負責認知方案和 IBM 研究部門的醫學博士 Jone E. Kelly III 在去年8月接受《Medscape》采訪時表示，沃森在全球已經有230 家醫院和醫療機構投入使用，沃森幫助的病人在去年上半年幾乎翻倍，達到了 84000 人。
從國外沃森落地案例來看，南亞最大的私人醫院 Bumrungrad International Hospital 選擇了沃森。
這家醫院也是全球最受歡迎的醫療機構之一。為改善其癌癥護理質量，Bumrungrad 選擇了 WfO 輔助癌癥治療。
在中國，IBM 的官方合作伙伴為百洋醫藥集團，2017年3月，沃森健康與百洋簽約，雙方將 WfO 的獨家總代分銷權戰略合作協議由三年延長至八年。
沃森剛開始引進中國的時候，同樣是按例收費。
17年百洋醫藥集團董事長付鋼在接受記者采訪時曾表示，使用 WfO 均自費，價格是4500元/例。
后來由于推廣后發現醫院在沒有了解產品時收費很困難，改為了將沃森賬號以很低的價格賣給醫院，并不限制使用例數，先讓醫院和醫生熟悉、參考，再探索收費模式。
改變營銷模式后，有醫院開始主動報價收費，一些地方基于其服務內容，如不同級別的專家提供服務、不同配套的其它服務等，收取費用從一兩千元到幾萬元不等。
據動脈網報道，截至2018年11月4日，沃森在我國20多個省、40多個城市、81家醫院簽約落地。注冊醫生已達1133人，2017年患者數量突破1萬，到2018年11月4日患者數量已逾4.1萬。
三、高開低走
2011年《危險邊緣》中戰勝兩位人類冠軍時 IBM 就宣布了自己雄心勃勃的小目標：未來讓沃森成為一名AI醫生，還承諾在未來18到24個月的時間里推出首批醫療健康產品。
2015年還曾許下豪言：要讓沃森惠及10億人，解決、診斷和治療80%癌癥種類中80%的病患。
3.1核心產品受質疑
但自17年開始，包含 MD 安德森腫瘤中心在內的多個客戶終止了與沃森的合作，理由是：沃森的診療效果始終不達預期，成本太高。
18年5月，IBM 對其醫療業務進行裁員，包括部分研發人員和營銷人員。
同年7月，美國健康醫療媒體 STAT 爆出 IBM 的內部文件稱，沃森經常給出不準確的癌癥治療建議，甚至開錯了藥品。
沃森健康在過去的18年里深陷輿論風波，其旗下產品 WfO 的市場推廣也受到波及。
“這個月本來有5家醫院要簽約引進 Watson 腫瘤解決方案，但都選擇了推遲，我們很著急。” WfO 中國市場獨家總代理、百洋智能科技首席營銷官王必全曾在媒體溝通會上說。
3.2后續產品乏力
據 IEEE Spectrum 統計，從2011年開始，IBM 沃森與其他機構合作的25個具有代表性的項目中，僅有5個合作項目推出了AI醫療產品。
3.3NLP技術局限
在許多種嘗試中，IBM努力讓沃森的 NLP 去理解醫療文本。
但圖靈獎得主，人工智能研究專家 Yoshua Bengio 表示，在醫學文本文件中，人工智能系統無法理解其模糊性，也無法了解人類醫生注意到的微妙線索。
到目前為止，沒有人工智能可以達到人類醫生的理解和洞察力。
深度學習的先驅、Facebook 人工智能研究部門的負責人 Yann?LeCun 也曾表示AI需要太多的訓練數據，不能推理，也不具備常識。
他認為，人類大腦是通過互動而不是內在的規則來發展出推理能力的。
一些研究將 WFO 癌癥治療建議與醫院腫瘤學家的建議進行了比較。下圖為沃森的建議與專家的治療計劃相匹配的百分比。
在印度，Manipal 綜合癌癥中心的醫生對638例乳腺癌病例中，沃森與專家治療建議的一致率為73％。
沃森在韓國 Gachon 大學 Gil 醫療中心表現更差，該醫院為656名結腸癌患者提供的最佳建議，只有49％與專家相匹配。
約翰霍普金斯醫學院的 Natalie Trayanova 教授曾表示，圖像識別仍是目前的 AI 最擅長的事情之一。
2012 年到 2015 年，在代表計算機智能圖像識別最前沿發展水平的 ImageNet 競賽（ILSVRC）中，參賽的人工智能算法在識別準確率上突飛猛進。
2015 年，在識別圖片中的人、動物、車輛或其他常見對象時，基于深度學習的計算機程序超過了普通人類的肉眼識別準確率。
Natalie Trayanova 教授認為這歸功于機器能夠在相對短的時間內吃進海量的影像數據，并通過深度神經網絡各個層級進行分析、學習，成為閱“片”無數、經驗豐富的“老醫生”。
例如像眼科這類科目，就可以使用 AI 技術診斷糖尿病人的眼底病變。
由于這種疾病十分常見，數據積累豐富，再加上對于病變的判定相對簡單，目前這個技術已經有了相對成熟的應用場景。
然而，觸及到更難的領域，例如癌癥、腫瘤等等，圖像模式十分復雜，很難用一種或者幾種機械的模式概括，機器往往會卡在這種人腦依靠模擬(analogy)判斷的地方。
而有的病變本身也十分罕見，根本無法形成值得信賴的數據庫。換句話說，現在還無法像訓練一個真正的醫生一樣訓練 AI 。
這也讓 IBM 想讓沃森成為一名AI醫生的愿望遙遙無期。
據傳聞，IBM 在美國很難找到沃森腫瘤產品的買家。一些腫瘤學家說他們更相信自己的判斷而不需要沃森來告訴他們需要做什么。
而在目前最擅長的圖像識別領域，IBM雖然收購了醫療影像公司 Merge Healthcare ，卻并未有太多建樹。
3.4整合困難
沃森項目從2006年啟動至今，IBM 已花費數十億美元用于收購 AI 企業，以加強其內部開發實力，但內部人士表示，收購的公司并沒有起太大的作用。
以15年被收購的 Phytel 公司為例，Phytel 被 IBM 收購之前是一家成功的企業，擁有良好的聲譽。
在市場研究公司 KLAS 2014年針對人口健康管理企業進行的調查中， Phytel 排名第一，并被稱作該市場“顯而易見的領導者”。
Phytel 的貢獻是在分析技術中融合了自動化病人溝通系統。
例如，一家診所可以利用該系統搜索病例，然后找到所有年齡超過45歲且結腸鏡檢查過期的男性，然后使用自動通話系統提醒他們盡快預約這項令人畏懼的檢查。
尋找“不合規”的病人是預防性治療的關鍵，通過定期檢查可以提早發現問題，避免延誤治療時機。
IBM 在2015年宣布該收購交易的新聞稿中表示，Phytel 會成為全新的沃森健康部門的一部分，并利用 IBM“強大的認知計算”提升 Phytel 的服務。
收購完成后，IBM 的管理層開始了名為“洗藍”的流程，也就是讓被收購企業的品牌和運營與 IBM 的模式協調一致。
而到18年5月底， IBM 大約裁掉了 Phytel 80%的員工——超過120人來自工程、銷售和項目管理崗位。
“這些都是關鍵技術人員，還有一些是直接對接客戶的人。” 被 IEEE Spectrum 采訪的 Phytel 第一位工程師說，“他們并沒有裁撤行政人員和非核心員工”。
這位工程師表示，在這一過程中，“一切都停止了”，他們還被告知不要把精力放在改進為現有用戶提供的產品上。“大家無所事事了大概一年的時間。”第二位工程師說。
Phytel 的工程師們最后被要求從事一個整合項目，把 Phytel 與 Explory 的數據庫和分析技術結合起來。上述工程師表示，此次整合是一項重大任務，需要 IBM 方面投入大量時間和資金。
這兩位工程師都對把此事歸咎于 IBM 的“服務管理”部門，該部門負責規劃 IBM 應該向客戶銷售哪些產品。
然而，服務管理者并沒有對最終產品制定清晰的規劃。“他們沒有確定路線圖。”第二位工程師說，“我們多次調整方向”。
這兩位被采訪 Phytel 工程師都表示，服務管理者沒有技術背景，有的時候還會想出一些根本無法實現的新產品。
雖然工程師努力適應不斷調整的方向，但 Phytel 并沒有推出任何新產品。“我們一直在燒錢。”第二位工程師說到。
3.5內憂外患
目前全球范圍內僅有少數醫院采購了沃森系統，使用的患者人數仍在萬位徘徊，這似乎離 IBM 的10億人小目標相去甚遠。
而 AI 醫療領域的競爭早已白熱化。
據 CB Insights 報告顯示，醫療依舊是人工智能創投最熱門的領域之一，許多專注于醫療影像及診斷的公司的不斷成長促成了這一結果。
機器學習也將很快成為醫療影像和診斷領域中的一個常規操作。
根據中國醫藥物資協會人工智能分會公布的《2018醫藥人工智能發展狀況報告》顯示，各大科技巨頭都展開了各自的醫療布局。
谷歌旗下的 Deep Mind Health 和英國國家醫療服務體系（NHS）展開合作，通過訪問 NHS 的患者數據進行深度學習，訓練有關腦部癌癥的識別模型。
Deep Mind 還與 Moorfields 眼科醫院合作，將人工智能技術應用于及早發現和治療威脅視力的眼部疾病。
微軟將人工智能技術用于醫療健康計劃 Hanover，幫助尋找最有效的藥物和治療方案，并且與俄勒岡衛生科學大學 Knight 癌癥研究所合作，共同進行藥物研發和個性化治療。
此外，微軟研究院有多個關于醫療健康的研究項目，利用機器學習從醫學文獻和電子病歷中挖掘有效信息，結合患者基因信息研發用于輔助醫生進行診療的推薦決策系統。
蘋果公司一方面計劃自主開發人工智能芯片，另一方面則屢次收購人工智能公司。
自2015年以來，蘋果先后推出了 Research Kit 和 CareKit 兩個開源框架，幫助臨床試驗項目招募患者，并遠程監控患者的健康狀況，而且研究人員和開發人員能夠通過它們創建醫療應用程序，用以監控受試者的日常生活。
2018年，蘋果與 Epic、Cerner 等電子健康記錄供應商進行合作，宣布 iPhone 用戶可通過手機自帶的“健康“應用訪問合作供應商提供的電子健康記錄。
該功能界面簡潔及便于操作，用戶可以從中找到與自身病癥、過敏、免疫等生命體征相關的信息。
6月，蘋果又推出了 Health Records API，使用戶能和第三方應用與醫學研究者進行數據共享。
在中國，以 BAT 為代表的科技型企業積極布局，爭相涌入AI醫療。
2018年7月，騰訊旗下 AI 醫學解決方案”騰訊覓影”發布結直腸腫瘤篩查 AI 系統，利用人工智能技術輔助臨床醫生實時發現結直腸息肉，并實現實時鑒別息肉性質。
其實，這是“騰訊覓影“發布的第二個解決方案，2017年8月“騰訊覓影”發布了早期食管癌篩查 AI 系統。
2018年，阿里健康在 AI 醫療領域進行了一系列嘗試和探索。比如和醫療機構合作建立的科研數據平臺和臨床輔助決策系統；
通過脫敏病例和數據生成”虛擬病人”，用浸潤式的方式來做醫生的培訓系統；影像智能檢測引擎，幫助醫生提高效率；用區塊鏈技術，幫助衛計局建立醫聯體，解決數據互聯互通和安全存儲、傳輸的問題；
推出健康管理平臺，靠天貓、淘寶等整個阿里系的海量用戶基數，建立起用戶互動平臺，幫助用戶更好地管理自己的身體狀況。
百度在2016年10月推出了百度醫療大腦，正式將人工智能技術應用到醫藥行業，這也是百度最看重的垂直領域。
百度醫療大腦通過海量醫療數據、專業文獻的采集與分析進行人工智能化的產品設計，模擬醫生問診流程，與用戶多輪交流，依據用戶的癥狀，提出可能出現的問題，反復驗證，給出最終建議。
目前，百度醫療大腦有兩款產品，一個是針對患者自診的平臺，另一個是為醫生服務的、協助醫生進行輔助診療的平臺。
科大訊飛開發了一系列完備的語音電子病歷產品，并在多家醫院應用。在影像輔助診療領域，訊飛目前在肺部 CT 、乳腺鉬靶上都做出了實際應用的產品。
還有其人工智能輔助診療中心接入了安徽省40多家醫院，能夠實時反饋醫生提交的影像診斷需求，在1秒內給出結果。
在機器人導診導醫的應用方面，目前科大訊飛研究的“曉醫"機器人已在全國50多家醫院落地應用，提供導診導醫服務。
四、聚焦臨床
面對外界的質疑，IBM 發言人 Ed Barbini 在4月19日接受 STAT 采訪時表示“我們正逐步把資源集中在的臨床開發領域，在這里，我們看到對于AI和數據的市場需求更大。”
“在臨床方面，醫院正面臨著非常棘手的數據悖論，他們被要求遵守新的行業基準，所有這些準則都是基于量化依據，他們正淹沒這片要達到行業基準的數據海洋中。”IBM Watson?Health 的副總裁兼首席健康官 Kyu Rhee 博士在接受 Healthcare IT News 采訪時說到。
Kyu Rhee 提到，預計到2020年，醫療數據預計將每73天翻一番，醫生與病人每相處一小時，就要花兩個小時處理行政事務和更新電子病歷。
在過去的三年里，醫生們為了努力跟上巨量數據的節奏，職業倦怠率從45.5%飆升到了54.4%。
Kyu Rhee 還表示 IBM 將集中在三個核心領域來幫助醫院來應對挑戰：首先是管理決策支持，通過改進后臺功能來提高運營決策效率；
其次是護理者的看護決策支持，為醫生、藥劑師、護士以及其他護理人員提供看護時的產品與服務，幫助他們做出更好地決策；
最后是個人護理的健康支持，包括個人健康的培育、管理和信息支持等。
工商網監
評論