Watson 是IBM 的重量级AI 系统；近年IBM 大力发展AI 医疗，在2015 年成立独立的 Watson Health 部门，并收购多家医疗数据公司，前景看好。然而短短三年，这个明星部门就要裁员50% 到70% 的员工，代表AI 医疗的泡沫化。AI 导入医疗，遇到了怎样的瓶颈？

1997 年，IBM 深蓝战胜国际象棋冠军卡斯帕洛夫，从此，这家蓝色巨人，连同Watson 一起，开始为全世界熟知。

Watson 也从此名声大噪，成为IBM 持续数年经久不衰的「AI 代言人」。2014 年初，IBM 投资10 亿美元（约新台币300 亿元）专门建立「Watson Group」，并在一年后，开始全力进军医疗健康行业。

2015 年4 月，IBM 成立了独立的Watson Health 部门；到2016 年，Watson 大约花费了40 亿美元（约新台币1200 亿元）收购了4 家医疗数据公司，包括Explorys、Phytel 和Merge Healthcare。医疗这块大蛋糕似乎是人工智慧时代，IBM 亟待转型的一步大棋。

而仅仅成立三年后，这一昔日的明星部门就被传出裁员50% 至70% ，一场「AI  医疗的泡沫破灭」，引起了整个产业的一片哗然。

本月，在IEEE Spectrum 的特别报告《How IBM Watson Overpromised and Underdelivered on AI Health Care》一文中，细数了Watson 医疗曾经所立下的目标和被泼的冷水，并对比了如今的发展现状。

令人不禁感叹：太美的承诺因为太年轻。让我们也回顾一下Waston 医疗渐行渐远的这一路，希望更多的AI 公司能从他们的经验教训中找到出路。

2014 年，IBM 为其人工智慧部门（称为IBM Watson）新开设了一个酷炫的总部：建筑位于曼哈顿，玻璃外观在阳光下闪闪发亮，科技感十足；其内部构造类似于一个微型天文馆，供潜在客户和访问者们进行「沉浸式体验」。

同年，令人瞠目结舌的Watson「脑力」显现出其颠覆医学的潜力，在演示中，Watson 收集了一组罕见的患者症状，并提出了可能的诊断列表，每个诊断都注明了经Watson 计算出的信赖区间及与之相关的医学文献。

在圆顶象牙塔内，Watson 的资料库掌握着每种罕见疾病的知识，它的处理器不容易受到医生主观认知偏见的影响，它甚至可以在几秒钟内处理一个棘手的病例。如果Watson 能够将这种即时专业知识带到世界各地的医院和诊所，人工智慧似乎可以减少诊断错误，优化治疗，甚至减轻医生数量的短缺。

但是，象牙塔内的承诺无法做到跨越技术与业务之间的鸿沟。

其强大的技术无法与当今混乱的保健医疗系统相兼容；机器学习的模式与医生的工作方式根本无法匹配，癌症治疗的初衷举步维艰。

IBM 在2011 年开始大胆尝试改革医疗保健，给Watson 指出一条AI 医生的道路。当时，IBM Watson 在电视上展示的突破性技术应用于医学领域——主要是其理解自然语言的能力。公司同时做出承诺，Watson 的首批医疗保健产品将在18 至24 个月内上市。

事实上，IBM 的医疗产品并没有成功商业化，从IBM 的Watson 医疗走出的AI 医生也与设想具有很多差距， 更像是执行日常任务的AI 助手。

此时， IBM 已花费数十亿美元（约300 亿新台币）用于收购AI 企业，以加强其内部开发实力，但内部人士表示，被收购公司尚未做出太多贡献。

到目前为止，监管机构只批准了少数基于AI 的工具用于真实医院和医生办公室：这些开创性产品主要聚集在图像诊断领域—— 透过电脑视觉技术分析图如X 射线和视网膜扫瞄图像进行诊断。而IBM 却没有分析医学图像的产品落地。

除了图像领域，为人类医生的专业知识编码是一个非常棘手又浩大的工程，即便是如今最优秀的AI 也难以理解复杂的医疗讯息。

IBM 的「首败」至少可以向技术专家和医生们证明：试图创造出一位AI 医生，这是一件极其困难的工作。

MD 安德森癌症中心与IBM Watson 合作，为肿瘤学家创建了一个谘询工具（Watson for Oncology），该工具使用自然语言处理系统（NLP）总结患者的电子健康记录，并透过搜寻其背后强大的数据库为医生提供治疗建议。

MD 安德森癌症中心斥巨资购买了这一项目，并在白血病科进行了第一次尝试。但该中心在2016 年中断了这次合作，即便是已经花费6200 万美金（约新台币18.6 亿元）。具体原因我们不得而知。

或许我们可以从今年的图灵奖得主，人工智慧研究专家Yoshua Bengio 的评论中得到启发。

IBM 对医疗保健系统中不同参与者进行了数量惊人的调查，希望AI 可以透过分析海量的数据集做出决策支持，扩大Watson 的「认知」能力。但NLP 虽然取得较大进步， 但与人类还是相差甚远。

Bengio 说：在医学文本方面，AI 系统无法消歧，也无法找到人类医生会注意到的细微线索。虽然AI 不需要充分了解也可以帮助医疗，但确实还没有一个AI 能与人类医生的理解和洞察力相匹配。

一些研究将Watson for Oncology 癌症治疗建议与医院肿瘤学家的建议进行了比较。下图为Watson 的建议与专家的治疗计划相匹配的百分比。

在印度，Manipal 综合癌症中心的医生对638 例乳腺癌病例中，Watson 与专家治疗建议的一致率为73%。Watson 在韩国Gachon 大学Gil 医疗中心表现更差，该医院为656 名结肠癌患者提供的最佳建议，只有49% 与专家相匹配。

据传闻，IBM 在美国很难找到Watson 肿瘤产品的买家。一些肿瘤学家说他们更相信自己的判断而不需要Watson 来告诉他们需要做什么。

运动服装公司Under Armour 曾与Watson Health 合作创建「个人健康培训师和健身数据顾问」。该专案使用Under Armour 的活动追踪器应用城程式提供的数据，并由认知教练根据用户的习惯提供定制的培训计划，并基于相似用户的数据进行分析，为用户提供健身建议。但这一认知教练系统从未投入市场使用，且Under Armour 中断了与IBM Watson 的合作。

Chase 作为一名IBM 的研究人员， 曾开发出一种诊断工具，但IBM 并不打算使其商业化，只能陈列在实验室内供游客参观。最终，对IBM 在医疗上的缓慢发展而感到失望的Chase 选择与IBM 分道扬镳。

马里兰大学放射学教授、讯息系统副主席艾略特．希格尔，曾经众多Watson 狂热粉丝中的一员，也与IBM 进行过医疗诊断研究。虽然他认为AI 驱动的工具对医生来说不可或缺，但他怀疑IBM 能够产生那些令人兴奋的产品，他更寄期望于谷歌、苹果和亚马逊这类公司。

2014 年离开的IBM 的Kohn 说：「拥有强大的技术是不够的，你还要向我证明，这款产品的确是有价值的，可以让我生活的更好， 让我的父母生活的更好。」

为了让人工智慧充分发挥其潜力并改变医学，医疗保健的标准必须改变。Kohn 说，人工智慧系统可以考虑比临床试验更多的因素，并可以将患者分成更多的类别，以提供「真正个人化的护理」，但前提是基础设施也必须改变：医疗机构必须同意分享其专有和隐私控制的数据，以便人工智慧系统能够从数百万多年来跟踪的患者身上学习。

他一直期待着在医学期刊上可以看到有关Watson 产品的文章，能够证明AI 可以改善患者的治疗效果或节省医疗系统开支。但遗憾的是这类文章寥寥无几，也就是说Watson 并没有突破性的成果。

上一条   下一条