原作者：David H. Freedman 译者：彭婷
概要：Paul Tang在妻子进行完膝关节置换手术(每年在美国大约有70万人进行的手术)后与其一起待在医院里。
Paul Tang在妻子进行完膝关节置换手术(每年在美国大约有70万人进行的手术)后与其一起待在医院里。当外科医生过来的时候，身为初级保健医生的Tang先生询问外科医生，鉴于与他妻子一样的病人的经历，她什么时候可以正常地生活。外科医生含糊其词，没有做正面回答。 Tang先生说，“它最后打击到了我，” “他不知道。” Tang先生很快了解到，大多数医生不知道他们的病人是如何在家庭和工作中的日常生活中采取措施的，而这些措施对病人极为重要。
作为一名初级保健医生，Tang先生会给病人看病，但他同样也是IBM Watson Health公司的首席健康转化主任。这是Watson开发医疗保健应用的商业团体，是IBM选择的未来机器学习系统。Tang先生说，Watson可以提供医生现在还没有得到的信息。例如,它可以告诉医生，与Tang先生妻子病情相似的病人，无痛苦地走路，爬楼梯需要多长时间。它甚至可以帮助分析图像和组织样本，并确定指定患者的最佳治疗方法。
正是因为这样的可能性，医疗保健成为了机器学习技术市场中最热门的部分之一。研究公司CB Insights算出至
少有106家创业公司自2013年以来兴起并仍在投产。
由于它在2011年（IBM自此一直热衷于营销）的电视测验节目Jeopardy！上的获胜，那些公司里面没有一个取得像Watson一样的关注。不过最近，Watson的大部分新闻一直很糟糕。 今年与在Houston的M.D. Anderson Cancer Center的大力合作有所下降。随着IBM的收入下滑，股价波动，分析师们一直质疑Watson何时才能创造价值。“Watson就是一个笑话，”创始风险投资公司社会资本的有影响力的科技投资者Chamath Palihapitiya 5月份在CNBC上表示。
不过，Watson的大多数批评甚至连M.D Anderson都没有根深蒂固的技术缺陷。相反，这是对过度乐观声称Watson公司现在所向披靡的一个反应。事实上，Watson Health公司似乎仍然是将AI应用于医疗保健方面的领先者。如果Watson至今还没有完成这么多工作，一个重要的原因是它里面的某些类型的数据需要“训练”。在许多情况下，这样的数据会供应不足或难以访问。这不是Watson独有的问题。这是面对整个医疗机器学习领域一个进退维谷的局面。
尽管丢失和无法访问数据的问题可能会降低Watson的速度，但这更会损害IBM的竞争对手。这是因为获得数据的最佳选择在于与大型保健机构保持密切的合作伙伴关系，而这些机构往往在技术上很保守。与初创公司，甚至是像苹果和谷歌这样强大的竞争对手相比，IBM做得很好的一件事是---它获得了大型组织的高管和IT经理的信赖。尽管M.D. Anderson项目存在一些特殊的问题，但IBM具有重要的优势。Watson在各种各样的医疗中心，医疗保健管理团体和生命科学公司中都得到了帮助，而这些公司都有能力提供必要的数据来塑造AI在医学上的未来。
不切实际的时间表
与M.D. Anderson合作终止似乎表明IBM自身对Watson的炒作有点透不过气来。
癌症中心和IBM于2012年合作。目标是让Watson读取任何关于患者的症状，基因序列和病理学报告的数据，将其与医生对患者和相关杂志文章的注释相结合，然后帮助医生提出诊断和治疗方法。但是，IBM和M.D Anderson 都对这项技术的期望过高了。IBM在2013年声称，“计算新时代已经出现”，给Forbes的印象是Watson“现在正在处理临床试验”，并将在几个月内与患者一起使用。Washington Post在2015年引述了一位IBM Watson公司的经理的话来描述Watson正在忙于建立“机器与人之间的集体智慧模型”的情况。Washington Post说，计算机系统是“跟医生一起训练，去做一些他们做不到的事情”。
ClevelandClinic的医生和保健信息学专家Manish Kohli说：“尴尬的是，医疗保健直到很晚才运用科技。”
今年二月，经营M.D. Anderson的Texas大学宣布已关闭了该项目，使医疗中心为原先承包的240万美元的项目向IBM支付了3900万美元的款项。四年后，它没有为准备超出试点测试的患者提供使用的工具 M.D. Anderson不会专门对Watson做出任何评论，但问题似乎主要来自内部对如何管理和资助项目的斗争。
这并非说IBM 的Watson没有麻烦。实际上，它比任何一个表面上的麻烦还要大。
要了解进度是如何减慢的，你必须了解如何训练像Watson这样的机器学习系统。Watson通过不断重新调整其内部处理程序“学习”，以便在某些问题（例如放射性图像显示癌症）上得出最为可能的正确答案。正确的答案必须是已知的，这样系统可以得知何时获得的正确内容以及何时出的错。系统能解决的训练问题越多，它的命中率就越高。
这对于训练系统识别x射线的恶性肿瘤来说比较简单。但是，对于潜在突破性的谜题，已远超出人类的能力，例如检测基因变异和疾病之间的关系，Watson有一个类似鸡与鸡蛋的问题：它是如何在没有专家筛选和妥善组织的数据上进行培训的？纽约癌症中心Memorial Sloan-Kettering的计算病理学家Thomas Fuchs说：“如果你正在教自驾车，任何人都可以标记一棵树或做一个标志，这样系统就可以学会识别它。“但是在专门的医学领域，你可能需要经过专家几十年的培训，才能正确地标记你给计算机提供的信息。”
就像解决公司的机器学习方案一样，在IBM希望Watson出力的每一个领域，都会出现这种绊脚石。为了训练Watson可以通过巨大的数据池，并将一些重要的信息提取给单个患者，有人必须首先为得到成千上万的病例而进行手术。为了识别与疾病相关的基因，Watson需要成千上万的具有特定疾病和DNA分析的患者记录。但是这些基因和患者记录组合很难获得。在多数情况下，数据根本不是以正确的格式存在，或者根本不以任何形式存在。或者数据可能分散在数十个不同的系统中，难以处理。
想想，例如，通过在临床医生上配置更好的数据来改善初级保健的目标。当医生错过了在常规初级护理访问中处理相对次要问题的机会时，或在出现小问题时就将病人送到急诊室或专科医生处，这样他们的健康会受到损害，费用也会猛增。 IBM Watson Health的首席医疗官，同样也是一名执业的初级保健医师的Anil Jain说，“花费在健康上的每一美元大约有三分之一是不必要的”。人们普遍认为机器学习是解决这个问题的一个契机。
但是，为了真正帮助医生为患者带来更好的治疗效果，Watson需要找出健康记录与Tang先生所说的“健康的所有社会决定因素”之间的相关性。这些因素包括患者是否会抵触药物，避免错误饮食，呼吸清新的空气等等。但Tang先生承认现在几乎没有医院或医疗机构能够十分可靠地获取许多患者的数据。问题的一部分原因是，医院采取的现代化数据驱动做法十分缓慢。Cleveland Clinic的医生和保健信息学专家Manish Kohli说：“Cleveland Clinic的医生和保健信息学专家Manish Kohli说：“尴尬的是，医疗保健直到很晚才运用科技。”
IBM经常收购一些能够提供数据的公司。例如，它收购了Truven Health Analytics，Explorys和Phytel等公司，所有这些公司都积极处理医院和患者人群中的大型数据。即使在与M.D. Anderson合作结束后，IBM也有一些重要的合作伙伴，通过他们可以进一步获取患者数据。
其中有一个是Atrius Health，它是由波士顿地区近900名主要是初级保健医师组成的。该合作伙伴关系旨在开发和测试一个基于Watson的系统，这个系统能够从笔记，记录和文章中提取对个人患者至关重要的信息。Atrius的首席医疗官Joe Kimura说：“寻求所有相关信息对于初级保健医生来说是一件艰巨的任务。”他补充说道，电子健康记录可能使问题更加严重，因为这种系统的出现大大增加了每次访问中产生的数据量，而不会提供标准格式以便于检索。
重要的是，病人记录中许多最重要的笔记是常规IT系统无法理解的句子。但Watson可以应用为Jeopardy！开发的自然语言处理技能从中提取句子的含义。 理想情况下，它可以建议医生帮助患者避免广泛护理的需要。Kimura问, “当我们可以尝试预测哪些患者有跌倒的风险，并帮助他们不让臀部受伤时？为什么我们要集中精力确保尽可能地做好了髋关节骨折患者的工作呢？我们需要更加注重对有跌倒风险病人的护理。”
M.D. Anderson的一名白血病医生Courtney DiNardo在2013年与病人协商时使用了IBM的Watson系统。
IBM在2015年宣布，从Merge Healthcare获得的数据将提升Watson的诊断能力（Merge Healthcare是一个医疗成像管理公司，IBM以10亿美元收购了它）。
Watson Health与Central New York Care Collaborative（由政府资助，还与
六个县中大约二千个保健机构合作的一个机构）也有合作。这个合作伙伴关系旨在减少从医院出院的患者25%的急诊室住院费和住院费。它还提供了对大量患者数据的访问。
还有其他方法来获取这些数据。谷歌的姊妹公司正试图直接从患者身上获取数据。Verily Life Sciences，Alphabet旗下的一个医疗部门正在与Duke和Stanford合作从10,000名志愿者上开发出高度结构化的健康数据库。该数据库将不仅填写临床访问信息，还可以填写穿戴式健康监测设备的信息。这可能是数据访问的一次很有希望的飞跃，尽管可能需要十年或更长时间才能产生高度可用的结果。
Fuchs在Memorial Sloan-Kettering的小组希望训练AI系统来阅读组织染色幻灯片，这个过程需要一个具有确认的诊断和其他关键数据的大型数字注释幻灯片库。所以这个小组每个月都要自己生产4万张幻灯片。“这远超过其他任何人，”Fuchs说，“因为生物的变异这将会是一个庞大的任务。”
不论Watson项目的命运如何，M.D. Anderson仍同时在继续开展一个大型计划，这个计划专注于从每个走进门诊的病人身上收集1700种临床数据。运行该计划的科学家Andy Futreal表示，将患者信息与研究数据相结合将对Watson系统可以提供的各种功能至关重要。 Futreal说：“一旦我们掌握了数据，你就可以进入AI机器学习业务，发现在不同的治疗下哪些因素会决定性作用。”
IBM继续从伙伴关系中提取数据。对于单独的癌症诊断和护理，该公司已与MemorialSloan-Kettering, Mayo Clinic, Harvard-and MIT-affiliated Broad Institute以及医疗测试巨头QuestDiagnostics合作。与Memorial Sloan-Kettering的合作已经制定了一个系统，这个系统通过期刊文献提供治疗决定，而且它已被推广到佛罗里达州的Jupiter Medical Center和印度的医院连锁店。在药物开发方面，WatsonHealth公司在与Barrow Neurological Institute合作中Watson帮忙找到了与ALS相关的五种基因，而在这之前人们从未将这些基因与这种疾病联系起来，Watson He还在与Ontario Brain Institute的合作中确定了21种有潜力的候选药物。
Watson最终会改善健康结果并降低成本吗？很可能会，专注于医疗保健，并已投资于AI保健创业公司，同时也是风险投资公司Bessemer Venture Partners的合伙人的Stephen Kraus说道。Kraus说：“这一切都是真实的，这不是为了提高股票价格而推出的雾件。”但是，Kraus和大多数专家一样劝人们小心不实际的时间表或承诺 --- 其中一些来自IBM本身。“这很难，”他说，“今天没有发生的事情，五年后可能也不会发生。 它无法替代医生。”
M.D. Anderson的一名白血病医生Courtney DiNardo在2013年与病人协商时使用了IBM的Watson系统。
本文系网易新闻&网易号“各有态度”特色内容
原作者：David H. Freedman 译者：彭婷
欢迎加入未来科技学院企业家群，共同提升企业科技竞争力
一日千里的科技进展，层出不穷的新概念，使企业家，投资人和社会大众面临巨大的科技发展压力，前沿科技现状和未来发展方向是什么？现代企业家如何应对新科学技术带来的产业升级挑战？
欢迎加入未来科技学院企业家群，未来科技学院将通过举办企业家与科技专家研讨会，未来科技学习班，企业家与科技专家、投资人的聚会交流，企业科技问题专题研究会等多种形式，帮助现代企业通过前沿科技解决产业升级问题、开展新业务拓展，提高科技竞争力。
未来科技学院由人工智能学家在中国科学院虚拟经济与数据科学研究中心的支持下建立，成立以来，已经邀请国际和国内著名科学家、科技企业家300多人参与学院建设，并建立覆盖2万余人的专业社群；与近60家投资机构合作，建立了近200名投资人的投资社群。开展前沿科技讲座和研讨会20多期。 欢迎行业、产业和科技领域的企业家加入未来科技学院
报名加入请扫描下列二维码，点击本文左下角“阅读原文”报名
