導讀：無論是大企業還是小企業，專業醫療公司還是沒有醫療背景的公司，醫療 AI 這個巨大的市場都在吸引着它們的目光，醫療 AI 賽道早已擁擠不堪。藍色巨頭 IBM 在主要業務增長乏力，逐漸落後於谷歌、蘋果等公司的困境下，想要抓住醫療 AI 這根救命稻草活命。但在投入巨大人力、財力之後，仍然逃脫不了走進死衚衕的一天，究其原因，還是在於落地困難。
營銷第一，產品第二
2011年的時候，這世界上還沒有DeepMind AlphaGo，但IBM的認知計算系統Watson卻已橫空出世，在問答節目中首次擊敗了人類，斬獲冠軍。第二天，IBM 就宣佈了 Watson 新的職業方向：成爲一名人工智能醫生。隨後身價大漲的Watson逐漸成爲了IBM，乃至全球AI項目的代表。IBM 首席執行官表示這是 IBM 的“登月計劃”，人們一直祈盼着IBM 的人工智能徹底給醫學界帶來一場革命。
這個故事很像AlphaGo的前身。Jeopardy! 是美國著名的益智節目常青樹，從 1964 年開播至今，整整播放了 55 年。在這個節目上能夠超越人類高手在問答比賽中的最好成績，從而引發的輿論爆炸可想而知。
爲了成功的進行商業化，IBM隨後繼續在宣傳上做了很多動作。
在益智節目上首次露面之後，IBM 承諾，Watson 將在 18~24 個月內推出首個用於醫療保健的商業產品。
IBM在2013年就聲稱“計算的新時代已經出現了”。福布斯因此認爲Watson“現在可以進行臨牀實驗”，在幾個月內就能被用在病人身上。
2014 年，IBM爲 Watson新開設了一個酷炫的智能演示廳。在這次演示中，Watson 收集了一系列奇怪的病患症狀，並提出了一系列可能的診斷列表。它可以在幾秒鐘內就破解一樁棘手的案件。如果 Watson 能夠將這種即時的專業知識帶給世界各地的醫院和診所，人工智能似乎有望減少診斷錯誤，優化治療，甚至幫助醫生們更快更好地完成工作。
在 2017 年的健康信息技術專家會議上，IBM 首席執行官 Rometty 告訴人們，人工智能“真真切切來臨了，它就是一種主流的技術，可以改變幾乎所有關於醫療保健的方方面面。”並補充說，人工智能將會迎來醫學界的“黃金時代”。
這些宣傳確實起到了一定的作用，當時很多計算機科學和醫學專家都認爲人工智能具備改變醫療保健行業的潛力。Watson已經和世界各地的不少知名醫院進行合作，在中國也進入了近百家醫院的診療系統。
但是最終，IBM許多努力卻以失敗而告終。
2018年5月，Watson傳出其醫療部門進行了大幅度裁員，規模佔總員工比例50%至70%，有傳聞說甚至達到了80%。
2018年7月，Watson 被爆出現致命Bug：給有出血症狀的癌症病人開了容易導致出血的藥品，嚴重時可致患者死亡。
2018年10月，IBM Watson Health部門負責人Deborah DiSanzo宣佈離職。
2019年4月，IBM宣佈，由於市場表現不佳，基於AI技術的“新藥發現項目”停止開拓新客戶。
人們形容Waston爲“笑話”、“一個騙局”、“庸醫”。
自2014 年起，IBM 向 Watson 部門投資了 10 億美元，該部門正爲多個業務部門開發技術。2015 年，IBM 宣佈成立一個專門的 Watson 健康部門，到 2016 年年中，Watson 健康已經收購了四家健康數據公司，總成本約爲 40 億美元。但是投入多卻沒有真正的商業案例，更是給人以只“燒錢”的直觀感受。
IBM Watson 推出的產品，也一點不像人們曾經設想的“超級醫生”，更像是僅能夠執行某些日常任務的小助手。一位醫生憤怒的說：“這玩意兒就像一坨屎！我們買 Watson 來，是因爲它的營銷搞的很厲害，讓我們覺得能靠它來實現一些願景。結果買來之後呢？它什麼都做不了！“
到此時，Watson獲得了遍地的喝"倒彩"聲。
加州大學舊金山分校醫學系主任 Robert Wachter 稱：“從聲譽上來講，我認爲他們遇到了一些麻煩。”他是 2015 年出版的《數字醫療：信息化時代醫療改革的機遇與挑戰》的作者。他表示，IBM 的雄心壯志在某種程度上影響了它的發展：他們誓當第一家大力推動人工智能應用於醫療臨牀的公司。但是，由於他們誇大了 Watson 的能力，結果招來了人們的意見和懷疑。他說道：“他們將營銷放在首位，產品放在第二位。然後他們就像馬拉松運動員那樣，穿着橡膠鞋底就上路了。他們根本沒有準備好。這是一個非常難以解決的問題。結果導致了 IBM 率先出局。”營銷第一產品第二，其實也是衆多AI產品都存在的狀態：大量資金投入，必須爲之找到商業化盈利的方法，讓研發工作能持續下去。
雖然 IBM 並沒有放棄登月計劃。但它的失敗已向技術專家和醫生們表明，打造一名人工智能醫生有多麼困難；而且它的失敗並非技術原因，更多的是因爲IBM強大的技術無法與當今混亂的保健醫療系統相兼容，機器學習的模式與醫生的工作方式根本無法匹配。
但是IBM的失敗代表了AI醫療行業的失敗嗎？
根據動脈網數據庫統計，全球共有 244 家企業將人工智能應用於醫療領域，主要佈局在醫學影像、健康管理和病歷/文獻分析三個應用場景。在國內，騰訊在17年8月發佈AI醫學影像產品“騰訊覓影”；並在同年獲得“醫療影像國家新一代人工智能開放創新平臺”稱號。據報告，在2018年僅第一季度就有20多家醫療人工智能企業獲得融資。整個AI醫療行業呈現景象似乎並沒有受到探路者“失敗”的影響。
回望過去，從擁躉變失望不過一瞬間？
2011 年在益智節目 Jeopardy！的獲勝展示了 Watson 在自然語言處理方面卓越的能力。爲了贏得這場比賽，它必須解析充滿文字遊戲的複雜線索，搜索大量文本數據庫來找到可能的答案，並確定最佳答案。Watson 不是被人爲美化的搜索引擎；它並非只是根據關鍵詞來返回文檔，恰恰相反，它使用了數百種算法來映射句子中的“實體”，並理解它們之間的關係。它利用這種技能來理解益智節目 Jeopardy！的線索，以及它所挖掘到的數百萬文本來源。
項目：認知教練系統
運動服裝公司安德瑪（Under Armour）和 Watson 健康合作，聯手打造了“個人健康教練和健身顧問”。使用來自安德瑪的活動跟蹤器應用程序的數據，“認知教練”的目標是根據用戶的習慣來提供定製的訓練計劃，以及基於對類似人員所取得的成果的基礎上提供建議。但是，這個認知教練就從來沒用過，後來安德瑪也不再跟 IBM Watson 合作。
“看起來 Watson 似乎可以理解語言的含義，而不僅僅是識別單詞的模式。”曾參與益智節目 Jeopardy！比賽的 IBM 研究部門的首席醫學科學家 Martin Kohn 說，“它可比現有的自然語言處理要強大一個數量級。”更重要的是，Watson 通過機器學習自行開發了這種能力。IBM 研究人員爲了訓練 Watson，提供了成千上萬的樣本，這些樣本是由益智節目 Jeopardy！標記正確或不正確的線索和響應。在這個複雜的數據集中，人工智能發現了模式，併爲如何從輸入（線索）到輸出（正確的響應）建立了模型。
早在 Watson 參加益智節目 Jeopardy！之前，IBM 就已經考慮它在醫療保健行業的可能性。擁有大量病患數據的醫學似乎是一個顯而易見的理想選擇，特別是當醫院和醫生們正在轉向電子健康記錄的時候。雖然有些數據很容易被機器“消化”，例如實驗室結果和生命體徵測量。但其中大部分數據是“非結構化”信息，如醫生的筆記和出院總結。在一則典型的病歷記錄中，敘述性文字佔了 80% 左右，是一堆由行話、速記和主觀陳述組成的。
Kohn 擁有哈佛大學醫學學位和麻省理工學院的工程學位，他非常樂意幫助 Watson 解決醫學語言的問題。他說：“Watson 似乎有克服這些複雜性的潛力。通過將 Watson 強大的自然語言處理能力遷移到醫學方面，它就可以閱讀病患的健康記錄以及全部醫學文獻：教科書、同行評審的期刊文章、批准的藥物清單等等。有了這些數據，Watson 有可能會成爲一名超級醫生，能夠識別出人類無法識別的模式。
與 IBM 合作開展第一次醫療保健工作的哥倫比亞大學醫學和生物醫學信息學教授 Herbert Chase 稱：“醫生每天都要去上班，特別是戰鬥在第一線的醫生們、初級保健醫生，他們都明白：爲了儘可能實踐最好、最有效、最高效的醫療，他們不可能知道需要知道的一切。”但是他又說道，Watson 可以跟上，如果它成爲“臨牀決策支持”的工具，它也可以讓醫生跟上。作爲取代益智節目 Jeopardy！的線索，醫生可以給 Watson 一個病人的病歷，並要求它做出診斷或最佳治療方案。
Chase 與 IBM 研究人員合作開發了一種診斷工具的原型，這種工具讓人們感到眼花繚亂。但最終 IBM 並沒有將它商業化，Chase 在 2014 年與 IBM 分道揚鑣。從那時起，他對 Watson 在醫學方面上的緩慢進展深感失望。他說，“我看不到什麼希望。”
他曾是 Watson 早期衆多擁躉的一員，但現在他們都深感沮喪。馬里蘭大學放射學教授兼信息系統副主席 Eliot Siegel 也與 IBM 就診斷研究進行了合作。雖然他認爲人工智能工具在十年內對醫生來說是不可或缺的，但他並不相信 IBM 會造出這些工具。Siegel 說，“我不認爲 IBM 處在人工智能的最前沿，最令人興奮的事，只會在 Google、Apple 和 Amazon 發生。”
至於 2014 年離開 IBM 的 Kohn，他稱公司陷入了一個常見的陷阱，他說：“僅僅證明自己擁有強大的技術是遠遠不夠的。IBM 需要向我證明，它確實會做一些有用的事情，讓我的生活變得更好，讓我的病人的生活也變得更好。”Kohn 表示，他一直在等待醫學期刊上的同行評審論文，證明人工智能可以改善病患者的預後，並節省醫療系統的資金。他說道：“到目前爲止，這樣的出版物還很少，對 Watson 也沒有什麼影響。”
今天，IBM 的高層們將 Watson 健康的項目描述爲“一段充滿曲折的旅程”。但 IBM 負責認知解決方案和 IBM 研究的高級副總裁 John E. Kelly III 說，“將人工智能引入醫療保健真是一項艱鉅的任務，也是一項挑戰，但我們正在這樣做。”自參加益智節目 Jeopardy！之後，Kelly 指導 Watson。2018 年底，他還承擔了對 Watson 健康的直接監督。他說，公司已經在需要的時候進行了調整：“我們正在繼續學習，因此，我們的產品會隨着我們的學習而改變。”
IBM 負責醫療保健和生命科學研究的副總裁 Ajay Royyuru 說，這種診斷工具之所以沒有上市，是因爲還沒有出現商業案例。“診斷並不是一個很好的去處，”他說，“這是專家們做得很好的事情。這是一項艱鉅的任務，無論你用人工智能做得有多好，都不會取代專家的。”
希望在腫瘤學裏取得突破
醫生們都很保守，他們有充分的理由，而且在採用新技術方面行動遲緩。但在醫療保健的某些領域，醫療專業人員開始認爲，人工智能系統可靠且有用。下面是人工智能醫學的一些早期步驟。
- 機器人手術
- 目前僅用於激光眼科手術和頭髮移植等簡單手術的常規步驟。
- 圖像分析
- 專家們剛開始使用自動化系統來幫助他們檢查 X 射線、視網膜掃描和其他圖像。
- 遺傳分析
- 隨着基因組掃描成爲醫學的常規組成部分，從數據中快速獲取見解的人工智能變得越來越有必要。
- 病理學
- 實驗系統已被證明擅長分析活檢樣本，但尚未批准用於臨牀。
- 臨牀決策支持
- 醫院引入了預測敗血性休克等應用的工具，但尚未證明其價值。
- 虛擬護理
- 基本系統可以在兩次就診之間對病人進行檢查，並向醫生提供自動警報。
- 醫療管理
- 各家公司爭先恐後提供支持人工智能的工具，可以提高計費和保險索賠等任務的效率。
- 心理健康
- 研究人員正在探索通過挖掘手機和社交媒體數據來監測抑鬱症等應用。
爲了尋找醫療人工智能的商業案例，IBM 針對醫療保健系統中所有不同參與者推出了大量令人目眩神搖的項目：醫生、行政人員、保險公司和病人。Kelly 表示，將所有線程連接在一起的是一種努力，即“使用人工智能分析大量數據集的決策支持。”IBM 最廣爲人知的項目是腫瘤學項目，該項目希望利用 Watson 的“認知”能力，將大數據轉化爲針對患者的個性化癌症治療。
在許多嘗試的應用中，Watson 的自然語言處理和許多其他人工智能系統一樣，都難以理解醫學文本。蒙特利爾大學計算機科學教授、首席人工智能研究員 Yoshua Bengio 說：“與五年前相比，我們在自然語言處理方面的表現令人難以置信的好。但與人類相比卻仍然差得令人髮指。”Bengio 說，在醫學文本文件中，人工智能系統無法理解模糊性，也無法捕捉到人類醫生會注意到的細微線索。目前的自然語言處理技術可以幫助醫療保健系統：“它不需要完全理解才能做一些非常有用的事情，”他說。但到目前爲止，還沒有一種人工智能能夠與人類醫生的理解和洞察力相媲美。他對此表示：“我們還沒有到那個層次。”
IBM 在癌症方面的研究就是該公司面臨挑戰的主要例子。紐約的凱特琳癌症研究中心的肺癌專家 Mark Kris 說，“我認爲沒有人想到這會花這麼長的時間，或者說沒想到這麼複雜。”他自 2012 年以來一直領導該機構與 IBM Watson 的合作。
改善癌症治療的努力主要有兩個方面。Kris 和凱特琳癌症研究中心的其他傑出醫生訓練了人工智能系統，該系統於 2015 年成爲 Watson 的腫瘤學產品。在美國範圍內，德克薩斯州大學休斯頓分校 MD 安德森癌症中心的傑出醫生與 IBM 合作創建了名爲腫瘤學專家顧問（Oncology Expert Advisor）的不同工具，MD 安德森癌症中心在白血病部門測試了這套工具，但它從未成爲商業產品。
IBM 爲之付出努力的這兩個項目都受到了強烈的批評。一篇批評 Watson 腫瘤學的文章聲稱，它提供的建議毫無用處，有時甚至是危險的。（當然，IBM 對這些質控提出了質疑。）更廣泛地說，Kris 說他經常聽到這樣的批評，說產品不是“真正的人工智能”。而 MD 安德森項目卻戲劇性地失敗了：德克薩斯大學 2016 年的一項審計發現，癌症中心在該項目上耗費了 6200 萬美元，就取消了這個項目。人們若深入研究這兩個項目，就會發現，機器學習的前景與醫療保健的現實，在“真正的人工智能”與當今醫生對功能性產品的要求之間，存在根本性的不匹配。
Watson 腫瘤學應該通過攝取大量關於癌症的醫學文獻和真實癌症患者的健康記錄來學習。Watson 憑藉強大的計算能力，有望研究這些記錄中的數百個變量，包括人口統計學、腫瘤特徵、治療和結果，並發現人類無法看到的模式。它還將於每天發表的大量關於癌症治療的期刊文章保持同步。對凱特琳癌症研究中心的腫瘤學家來說，這聽起來像是癌症治療領域的一個潛在突破。對於 IBM 來說，這聽上去是一個偉大的產品。Kris 說：“我不覺得會有人明白我們的處境。”
Watson 很快就學會了如何掃描關於臨牀研究的文章並確定基本結果。但事實證明，教會 Watson 像醫生那樣閱讀文章是不可能的。Kris 說，“醫生從文章中提取的信息，他們用來改變護理，可能不是研究的重點。”他解釋說，Watson 的想法是基於統計數據，所以它所能做的就是收集有關主要結果的統計數據。“但醫生不是這樣做的。”
又如，2018 年，美國 FDA 批准了一種新的“組織不可知”的癌症藥物，它對所有表現出特定基因突變的腫瘤都有效。這種藥物在在 55 名患者身上取得了顯著的效果，其中 4 名是肺癌患者，因此可被快速追蹤。“我們現在說的是，每個肺癌患者都應該接受這種基因的檢測。”Kris 道。“基於這四個肺癌患者的病情，所有先前的指導方針都被拋棄了。”但 Watson 不會僅僅基於四個病人就改變它的結論。爲解決這個問題，凱特琳癌症研究中心的專家們創造了 Watson 可以學習的“合成病歷”，本質就是具有某些人口統計學特徵和癌症特徵的患者。Kris 表示：“我相信分析，也相信它能揭示事物，但就癌症而言，它確實一點用都沒有。”
幾項研究將 Watson 的腫瘤治療建議和醫院腫瘤學家的建議進行了比較。一致性百分比表明了 Watson 的建議與專家的治療計劃相匹配的頻率。
來源：《臨牀腫瘤學》雜誌2017；《癌症研究》雜誌2017；《JCO臨牀癌症信息學》雜誌2018。
人們意識到，Watson 根本不能從醫學文獻中的突發新聞中獨立提取見解，這只是第一次打擊。研究人員還發現，Watson 無法像人們預期的那樣從患者的電子健康記錄中挖掘信息。
在 MD 安德森癌症中心，研究人員讓 Watson 研究白血病患者的健康記錄，很快就發現這些記錄對 Watson 來說很難處理。是的，要知道 Watson 可是有着驚人的自然語言處理技能啊！但是在這些記錄中，數據可能丟失了，寫得含糊不清，或者沒有按時間順序來排列。在 2018 年發表於《腫瘤學家》雜誌（The Oncologist）的一篇論文中，該團隊報告稱，其 Watson 驅動的腫瘤專家顧問在從醫療記錄中的文本文件中提取信息方面取得了不同程度的成功。在處理像診斷這樣清晰明確的概念時，它的準確率得分從 90%~96% 不等，但對於像治療時間表這樣依賴時間相關的信息時，準確率僅有 63%~65%。
在對人工智能超級醫生夢想的最後一擊中，研究人員意識到，Watson 無法將新患者與之前發現隱藏模式的的癌症病患進行比較。凱特琳癌症研究中心和 MD 安德森癌症中心都希望人工智能能夠模仿他們的腫瘤專家的能力。腫瘤學專家在爲新患者指定策略時，會借鑑他們對患者、治療方法和治療結果的經驗。一臺可以更嚴格地進行相同類型人羣分析的機器，並使用數千名患者的數據，將會非常強大。
但是，醫療保健系統目前的標準，並不鼓勵這種現實世界的學習。MD 安德森癌症中心的腫瘤學專家顧問只發表了與官方醫學指南和醫學文獻中發表的研究結果相關的“基於證據”的建議。如果人工智能系統的建議是基於它在醫療記錄中發現的模式，比如，某種類型的患者在某種藥物上表現更好，那麼這種建議就不會視爲基於證據的醫學黃金標準。如果沒有科學研究的嚴格控制，這樣的發現只會被認爲是相關的，而不是因果關係。
IBM 前員工 Kohn 和許多其他人都認爲，爲了讓人工智能充分發揮潛力並改變醫學，醫療保健的標準必須改變。Kohn 說，“黃金標準並非真正的黃金。”人工智能系統可以考慮比臨牀試驗更多的因素，並且可以將患者分類到更多的類別，以提供“真正個性化的護理”。基礎設施也必須改變：醫療保健機構必須同意分享專有和隱私控制的數據，以便人工智能系統能夠從多年來跟中數百萬的患者身上學習。
據傳聞稱，IBM 在美國很難找到 Watson 腫瘤產品的買家。一些腫瘤學家說他們相信自己的判斷，不需要 Watson 告訴他們該怎麼做。另一些人還說，Watson 只建議他們都很清楚的標準治療方法。但 Kris 稱，一些醫生髮現，它可以作爲一種即時的二次診斷，可以與緊張不安的病人分享。Kris 說：“儘管它並不完美，也很有限，但是它還是非常有用的。”IBM 的銷售代表在美國之外的地區運氣更好，印度、韓國、泰國等地的醫院都採用了這項技術。許多這樣的醫院在營銷中都自豪地使用了 IBM Watson 品牌，告訴患者他們將會獲得人工智能驅動的癌症護理。
在過去的幾年裏，這些醫院已經開始發表關於 Watson 腫瘤學相關經驗的研究。在印度，Manipal 綜合癌症中心的醫生對 Watson 的 638 例乳腺癌病例進行了評估，發現 Watson 的治療建議一致率爲 73%，由於轉移性乳腺癌的表現不佳，拉低了它的得分。在韓國嘉泉大學（Gachon University）Gil 醫療中心，Watson 表現更差，該中心對 656 名結腸癌患者的最佳建議只有 49% 與專家的建議相符。醫生報告稱，Watson 對老年患者的治療效果不佳，沒有推薦某些標準藥物，而且還存在一個缺陷，導致 Watson 建議對某些轉移性癌症患者進行檢測而不是積極治療。
這些研究的目的是確定 Watson 腫瘤學技術的表現是否達到預期。但還沒有研究表明它對患者有益。加州大學舊金山分校的 Wachter 說，這對該公司來說，是一個日益嚴重的問題：“IBM 知道益智節目 Jeopardy！的勝利與凱特琳癌症研究中心的合作將爲他們打開大門。但他們需要相當迅速地展示出不良結局的影響。”Wachter 表示，IBM 必須說服醫院相信這個系統是值得投資的。“他們取得成功非常重要，”他說，“在《新英格蘭醫學雜誌》上發表一篇文章，文章指出，當我們使用 Watson 時，病人表現更好，或者我們更能省錢，這才能夠說取得了成功。”Wachter 還在等待這樣的文章的出現。
凱特琳癌症研究中心的 Kris 並不氣餒，他認爲這項技術只會變得更好。“作爲一種工具，Watson 具有非凡的潛力，”他說，“我確實希望那些擁有智囊和計算機能力的人們堅持下去。這是一個漫長的過程，但它是值得去等待，去期望。”
Watson 健康在某些狹隘和受控的應用中出現了一些成功案例，Watson 似乎正在增加價值。例如，與北卡羅來納大學、耶魯大學和其他機構合作開發的 Watson 基因解決方案。這個工具由遺傳學實驗室使用，爲執業腫瘤學家生成報告：Watson 接受列出病患者基因突變的文件，在短短幾分鐘內就能生成描述所有相關藥物和臨牀試驗的報告。IBM 傑出工程師 Vanessa Michelini 表示，“藉由 Watson 的加持，實驗室才能夠擴大規模。”她負責該產品的開發，並於 2016 年發佈這個產品。
Watson 在處理遺傳信息方面相對容易，這些信息以結構化文件的形式呈現，沒有歧義：要麼存在突變，要麼不存在突變。這工具並不使用自然語言處理來挖掘醫療記錄，而是隻用它來搜索教科書、期刊文章、藥物批准和臨牀試驗報告，並在其中查找非常具體的陳述。
IBM 在北卡羅來納大學的合作伙伴發表了第一篇關於 Watson 對基因組學有效性的論文。在參與這項研究的癌症患者中，Watson 發現了有 32% 患者存在一些潛在的重要突變，這些突變在人們研究中未被發現。這使得這些患者成爲新藥或剛剛開始的臨牀試驗的良好候選者。但到目前還沒有跡象表明 Watson 基因解決方案可以帶來更好的結果。
美國弗吉尼亞州國家腫瘤項目主任 Michael Kelley 說，美國退伍軍人事務部在全國 70 多加醫院使用 Watson 進行基因組學報告。退伍軍人事務部首先嚐試試用這個系統來治療肺癌，現在將其用於所有實體腫瘤。Kelley 說，”我確認認爲它可以改善病患護理。”當退伍軍人事務部的腫瘤學家決定治療計劃時，“這是他們可以爲討論帶來的信息來源，”他說。但是 Kelley 表示，他並不認爲 Watson 算得上一名機器人醫生。“我傾向於認爲它是一個機器人，醫學圖書管理員。”
大多數醫生可能樂於有一個人工智能圖書管理員能夠隨時聽候差遣，如果這是 IBM 最初向他們承諾的那些功能的話，他們今天可能就不會感到那麼失望了。Watson 健康的故事，就是一個充滿了狂熱、炒作的警示故事。每個人都喜歡雄心壯志，每個人都喜歡登月計劃，但是沒有人願意登上一艘不會上天的火箭。
到目前爲止，成功案例還很少
2011 年，IBM 就開始致力於將 Watson 引入醫療保健行業。從那時起，IBM 已宣佈近 50 項合作計劃，旨在開發新的人工智能醫療工具。有些合作項目是爲了給醫生和機構開發工具；有些項目則致力於消費類應用。雖然這些合作中的許多還沒有帶來商業產品。但 IBM 表示，這些研究工作很有價值，並且許多合作關係仍在持續。下面是一些具有代表性的項目樣本。
| 日期 | IBM 合作伙伴 | 項目 | 現狀 |
|---|---|---|---|
| 2011 年 2 月 | Nuance Communications | 診斷工具與臨牀決策支持工具 | 無工具可用 |
| 2011 年 9 月 | WellPoint（現爲 Anthem） | 臨牀決策工具 | 無工具可用 |
| 2012 年 3 月 | 凱特琳癌症研究中心 | 癌症臨牀決策支持工具 | Watson 腫瘤學項目 |
| 2012 年 10 月 | 克利夫蘭醫學中心 | 醫學生培訓工具、臨牀決策支持工具 | 無工具可用 |
| 2013 年 10 月 | MD 安德森癌症中心 | 癌症臨牀決策支持工具 | 無工具可用 |
| 2014 年 3 月 | 紐約基因組中心 | 腦癌基因組分析工具 | 無工具可用 |
| 2014 年 6 月 | GenieMD | 個性化醫療建議的消費類應用 | 無應用程序可用 |
| 2014 年 9 月 | 馬約診所 | 臨牀實驗匹配工具 | Watson 臨牀試驗匹配工具 |
| 2015 年 4 月 | 強生公司 | 用於術前和術後知道的消費類應用；用於管理慢性病的消費類應用 | 無應用程序可用 |
| 2015 年 4 月 | 美敦力公司 | 個性化太那個尿病管理的消費類應用 | Sugar.IQ 應用程序 |
| 2015 年 5 月 | Epic | 臨牀決策支持工具 | 無工具可用 |
| 20155 月 | 北卡羅來納大學及其他機構 | 癌症基因組分析工具 | Watson 基因組項目 |
| 2015 年 7 月 | CVS Health | 慢性病護理管理工具 | 無工具可用 |
| 2015 年 9 月 | Teva 製藥公司 | 藥物開發工具；管理慢性病的消費類應用 | 無工具可用；無應用程序可用 |
| 2015 年 9 月 | 波士頓兒童醫院 | 罕見兒科疾病臨牀決策支持工具 | 無工具可用 |
| 2015 年 12 月 | Nutrino | 個性化營養消費類應用（孕期建議） | 無應用程序可用 |
| 2015 年 12 月 | 諾和諾德公司 | 糖尿病管理消費類應用 | 無應用程序可用 |
| 2016 年 1 月 | 安德瑪公司 | 個性化運動教練消費類應用 | 無應用程序可用 |
| 2016 年 2 月 | 美國心臟協會 | 工作場所健康消費類應用 | 無應用程序可用 |
| 2016 年 4 月 | 美國癌症協會 | 針對癌症治療期間個性化指導消費類應用 | 無應用程序可用 |
| 2016 年 6 月 | 美國糖尿病協會 | 個性化糖尿病管理消費類應用 | 無應用程序可用 |
| 2016 年 10 月 | 奎斯特診斷公司 | 癌症基因組分析工具 | 來自奎斯特診斷公司的 Watson 基因組學項目 |
| 2016 年 11 月 | Celgene Corp. | 藥物安全分析工具 | 無工具可用 |
| 2017 年 5 月 | MAP 健康管理 | 藥物濫用復發預測工具 | 無工具可用 |
小結
IBM Watson仍然需要跨越重重障礙，才能實現 IBM 將Watson變成無可挑剔的“AI 醫生”的夢想，其他在醫療 AI 賽道上遭遇類似困境的企業，也應以此爲鑑，及時做出應對策略和調整，纔是最要緊的。
正如翼展科技 CTO 邊海鋒所說：“對於那些沒有醫療背景，但卻有資金和各種資源支持的大公司，他們做醫療 AI 的挑戰主要是在產品上缺乏領域知識，找不到能夠解決客戶痛點的應用場景，其次是如何打造一個熟悉醫療客戶羣體的團隊。”
參考文章鏈接：
1.《IBM 沃森醫療 AI 的低產和被高估的程度》：https://spectrum.ieee.org/biomedical/diagnostics/how-ibm-watson-overpromised-and-underdelivered-on-ai-health-care
2.《IBM醫療AI死於難產：NLP搞不定醫學問題！》：[https://mp.weixin.qq.com/s/y-AfnRYXfymTiK3rk43IJw