IBM的野心：重金壓寶AI醫療，到底是對是錯？

【獵雲網（ilieyun）】7月12日報道 （編譯：Loci）

編者註：本文作者為David H. Freedman，外媒科技專欄作家。

Paul Tang正在醫院裡陪伴他剛做完膝關節置換手術的妻子。每年，全美都有約70萬人做這項手術。Tang自己也是一名初級保健醫師，他問醫生，根據他以往的經驗，他的妻子何時能恢復正常生活。但醫生始終模糊其詞，無法給出一個明確的答案。「我終於清楚地意識到：他自己也不知道。」Tang很快明白，大多數醫師其實並不知道患者什麼時候能康復、恢復正常生活，而這對於患者來說是最重要的事情。

Tang依然會以醫師的角度看待患者， 但他同時也是IBM的Watson Health的首席衛生改革官。Watson Health是Watson旗下的一個商業集團，專門研發衛生保健應用，也就是IBM非常看重的機器學習系統。Tang指出，Watson可以傳達醫師都不知道的信息。例如它可以告訴醫生患者要多久能康復，幫助醫生分信息圖像和組織樣本，決定適合患者的最佳治療方案。

正是這些技術的無限可能使得衛生保健成為了機器學習技術的最炙手可熱的應用領域。據市場研究公司CB Insights調查，從2013年至今，起碼有106家創業公司進軍了該領域，且生存至今。

但這些創業公司沒有任何一家具有Watson級別的知名度。這要歸功於它在2011年智力競賽節目《Jeopardy！》的勝利和之後IBM之後的營銷夠給力。但最近，有關Watson的新聞報道主要都是負面的。之前高調宣傳的與MD安德森癌症中心的合作也於今年告終了。隨著IBM的收入縮水、股價下降，分析師紛紛質疑Watson是否能夠實現先前宣傳的價值。

「Watson就是個笑話。」風投公司Social Capital的創始人之一，註明技術投資人Chamath Palihapitiya今年五月在CNBC上說道。

然而，這一系列的批評指責似乎無一是以Watson的科技缺陷為根據的，大部分針對的都是IBM對Watson的實現目標所需的時間預計太過樂觀。事實上，目前看來， AI在衛生保健領域的應用今後還將會由Watson Health領導。如果Watson目前看來進行的真的不順利，那麼主要原因之一就是它還需要「培訓」某個種類的數據。而且整個行業碰到這個問題的不僅僅是Watson一家，事實上這是該領域所有公司共同面臨的難題。

AI是否會在未來五年中改革醫學領域？

雖然數據缺失可能會放慢Watson的步伐，但IBM的競爭對手們收到的負面影響肯定還要大。這是因為想要獲取數據，最關鍵的就是大型健康保健組織之間要聯手合作；但這些大公司通常在科技方面都非常保守。

有一點，IBM比一眾創業公司、甚至Apple和Google重量級競爭對手做的都要好，那就是獲取大型組織的高管和IT負責人的新人。相比起來，MD安德森項目的問題都不重要，因為IBM掌握了關鍵優勢。IBM成功把Watson安置在了大量的醫療中心、醫療保健管理團隊和生命科技公司中，他們都可以為Watson提供至關重要的數據，幫助Watson在醫學領域打造AI的未來。

不現實的時間線

與MD安德森的決裂就是IBM被自己對Watson的炒作噎死的故事。

IBM和MD安德森癌症的合作關係始於2012年。Watson的目標是要讀取任何一位患者的癥狀、基因序列和病理報告，結合醫師的備註和相關論文，幫助醫生進行診斷和治療。但IBM和MD安德森雙方對這種科技都期望過高。

IBM早在2013年就宣布：「計算的新時代已經來臨」，給《福布斯》留下了Watson「已經進入臨床試驗階段」、幾個月後就能用於真人患者的錯誤印象。2015年，《華盛頓郵報》引用了IBM Waston的話：「Waston正在打造介於機器和人類之間的集體智慧模型。」《華盛頓郵報》還說電腦系統正在「跟隨醫生訓練醫生做不到的事情。」

「醫療保健領域的科技是非常落後的。」克利夫蘭診所的醫學信息學專家Manish Kohli如是說道。

今年2月，經營MD安德森項目的德州大學宣布該項目已終止。4年來該項目沒能生產出一套可以投入實用的工具。MD安德森拒絕針對Watson一事給出評論，但似乎該問題主要是由於項目運營和籌資等環節出現了內部矛盾。不過IBM和Watson之間其實也有矛盾，而且比眾人所描述的要嚴重。

想要知道究竟是什麼拖慢了項目的進程，首先你要明白像Watson這樣的機器學習系統是如何訓練成的。Watson通過不斷重新組裝其內在的處理程序來「學習」，從而對問題產生幾率最高、最有可能的正確答案和方案，例如通過輻射成像診斷癌症。而Watson給出的答案只有可能是人類已知的病症，這樣才有人能確定Watson的答案究竟是對還是錯。系統收到的訓練越多，它的正確率就越高。

訓練系統通過X光影像診斷惡性腫瘤還是相對容易的。但對於超越人類已有知識的突破性的難題，例如判斷基因變異和疾病之間的關係，Watson就會遇到雞生蛋還是蛋生雞的問題：既然沒有專家給出且經過整理的已有解答，人類該如何用數據訓練系統？

「如果你是在訓練自動駕駛車，那麼任何人都可以標記樹或是路標，讓系統學習辨識它們。但在醫學的某個專業領域，想要正確地標記信息並教授給電腦系統，你必須是一個經過幾十年訓練的專家。」紐約紀念斯隆-凱特琳癌症中心的計算病理學家Thomas Fuchs說道。

類似的困難出現在每個IBM希望Watson可以做出貢獻的領域，就像任何其他機器學習解決方案一樣。想要讓Watson吸收大量的數據、並為某位患者找出有用信息，那就必須有人先親手演示上千遍。想診斷導致疾病的基因，Watson就需要上千條患有該病症且攜帶這種DNA的患者信息。但患者的基因和病歷有時並沒有被有效地聯繫起來，或者數據可能分散在幾十個不同的系統中，難以利用。

舉個例子，假設我們的目標是要為臨床醫生提供更好的數據，改善初級保健。如果醫生在初級保健診治階段錯過了患者的小病症，那麼患者的病情就會惡化，下一步就要去急診室或是找專家就診，看病成本也會上升不少。很多人認為機器學習或許可以改善這種現象。

但想要幫助醫生更好地診斷患者，Watson必須找到患者病歷和Tang所謂的「身體健康的所有社會決定因素」之間的聯繫。所謂社會決定因素包括患者是否吸毒、飲食不當、呼吸的空氣質量如何等等。但Tang承認，目前為止，幾乎沒有一家醫院或醫學診斷會向大量患者搜集這些數據信息。導致該問題的理由之一是醫院引進現代化的、數據驅動式操作實在太慢。「醫療保健行業對於新科技的接納是非常遲鈍的。」克利夫蘭診所的醫療保健信息學專家Manish Kohli指出。

當數據缺失時，IBM的處理方式是去買數據。IBM曾從Truven健康分析公司、Explorys和Phytel等公司購買數據，這些公司在處理醫院和患者數據方面有著豐富的經驗。即便是在MD安德森項目終止后，IBM依然掌握著一些關鍵性的合作關係，可以為公司提供更多患者數據。

Atrius Health就是其中之一。Atrius Health 是結合了約900名波士頓地區的初級保健醫師的大型醫療網路。IBM和Atrius Health的合作關係旨在開發並測試Watson驅動的系統，該系統可以從大量教科書、記錄和論文中找到針對患者的有用信息。Atrius的首席醫療官Joe Kimura 表示：「對於初級保健醫師而言，瀏覽海量的相關信息是一項繁重又枯燥的工作。」他還指出，電子病歷檔案使得情況變得更加糟糕，因為這種系統的誕生增加了每位患者來診的數據量，又沒有可以遵照的標準檢索格式。

這種現狀的根本原因就是患者病歷上的重要備註絕大部分都是IT系統無法理解的句子。但Watson則可以通過當初為了參加《Jeopardy！》開發出的自然語言處理技術理解句子的意思。理想情況下，Watson可以為醫生提議治療方案，為患者選擇更為廉價的治療方案。

「打個比方來說，為什麼我們只致力於為受傷的患者提供最好的治療？我們什麼時候能預測患者可能會摔跤，在事情發生前就防止他們摔傷呢？我們要推動醫療行業往這方面進步。」Kimura說道。

MD安德森癌症中心的白血病治療醫生Courtney DiNardo正在用IBM的Watson系統為患者診治。該照片攝於2013年。

IBM於2015年宣布，由於有Merge Healthcare提供的大量數據，Watson的診斷能力將會有一個飛躍。醫學成像及臨床系統供應商Merge Healthcare於2015年被IBM以100億美金的高價收購。

Watson Health還與Central New York Care Collaborative建立了合作關係。Central New York Care Collaborative是一家政府資助機構，與6個國家的衛生保健供應商都有關係。該合作關係旨在為急診和再度入院的患者減少25%的開支，而且還可能為Watson Health提供大量的患者數據。

不過獲取數據有很多種方法。Google的一家兄弟公司就打算直接向患者直接獲取數據。Alphabet醫療保健部門Verily Life Sciences正在和杜克大學以及斯坦福大學合作，著手打造完善的醫療保健資料庫。該資料庫不僅有患者來診的臨床記錄，還有健康追蹤設備提供的信息。這可以為數據存取帶來一大飛躍，雖然想要真正派上用場可能還需要十年，或者更久。

MD安德森和Watson的合作項目雖然沒能善終，但和Watson項目同期開始的另一個大型項目現在還在繼續。該項目旨在收集每一位來診患者的數據，其種類總共有1700多種。該項目負責人Andy Futreal指出，患者數據與研究數據的而結合對於Watson這類的系統的能力提升至關重要。「一旦我們有了數據，我們就能進入下一步：訓練AI系統判斷誰適合不同的治療方案。」

IBM則選擇通過合作方獲取數據。僅癌症診斷和治療，IBM的合作方就有紀念斯隆-凱特琳癌症中心，梅奧醫學中心（Mayo Clinic），哈佛-MIT博德研究所以及醫療測試巨頭Quest Diagnostics。紀念斯隆-凱特琳癌症中心和其合作方現已開始將論文文獻應用到治療方案決策中，例如佛羅里達的丘比特醫療中心和位於印度的連鎖醫院。在醫藥研發方面，Watson Health在與巴羅神經學研究所合作。Watson幫助巴羅神經學研究所尋找導致ALS的五種基因，在此前從未有人把它們與ALS病症聯繫起來。在安大略腦研所的協助下，Watson已經確定了21種可能有效的治療藥物。

Watson真的能完成醫療行業改革，改善醫療診斷和降低成本嗎？私人風投機構Bessemer Venture Partners合伙人 Stephen Kraus表示：「這一定會發生。這不是為了上抬股價而吹噓的噱頭。」但對於IBM不切實際的時間規劃，Kraus的看法和其他專家是一致的：「要在這麼短的時間內實現確實非常困難。目前階段這技術還是無法實現的，未來五年裡也依然不太可能，而且人工智慧是無法取代醫生的。」

本文來自獵雲網，如若轉載，請註明出處：http://www.lieyunwang.com/archives/335426