您现在的位置是:首页 > 医疗

被唱衰的沃森和巨头云集下的AI医疗

2023-08-26 02:05:26

一、精心栽培的巨人之子

2011年沃森(Watson)在智力竞猜综艺节目《Jeopardy!》(危险边缘)中出场,并且击败该节目历史上两位最成功的选手。

沃森自此名声大噪,成为IBM这一蓝色巨人持续多年的“AI代言人“。

人们很难定义沃森到底是什么,他用于广告营销也用于创造菜谱,还能做会议记录员、参加格莱美典礼、到博物馆当讲解员,给用户提供旅游定制计划,以及帮助电商优化用户的购物体验。

IBM对他的定义是“沃森是IBM的企业级人工智能服务、应用程序和工具。”

企业级服务本身就是IBM所擅长的领域,而沃森伴随人工智能大潮来临,也成为IBM的重要投手。

在时尚、金融、医疗、旅游、法律、教育、交通等14个领域都展开了应用与实践。

而在高精尖的医疗领域,IBM也花了重金栽培了沃森健康(Watson Health)。

二、不断喂食的沃森健康

《连线》专栏作家 Clive Thompson 曾在文章《如何教授人工智能常识》里写到:“AI需要喂食大量的数据,唯有这样AI才能开启独立运行的自我识别模式。”

2015年是IBM医疗布局频频出击的一年,通过收购、重组、合作等动作, IBM不断为喂给沃森医疗需要的数据、技术和团队。

被唱衰的沃森和巨头云集下的AI医疗

2.1核心产品

沃森健康自2011年起接受全球顶级癌症治疗中心纪念斯隆凯特琳肿瘤中心(MSKCC)训练,已学习超过330种医学专业期刊、250种以上的医学书籍、2700万篇论文研究数据。

研究数据之外,沃森还会通过真实世界和临床案例积累数据。

癌症领域也成为 IBM 重点扶持领域, IBM 在2013年又携手世界顶级的肿瘤治疗与研究机构 MD 安德森癌症中心,用沃森辅助医生开展抗癌药物的临床测试。

这开启了沃森的首次商业化应用。

根据《华尔街日报》给出的数据,沃森健康产品组合中最大的 AI 产品是 Watson for Oncology(沃森肿瘤解决方案,以下简称WfO)。

在对病患的个人档案、医疗证据、公布的研究结果,以及纪念斯隆-凯特琳癌症中心的大量临床专业知识进行分析后,该解决方案可以总结每个病例的调研结果,其中包括供临床医生考虑的基于美国国家综合癌症网络(NCCN)指南的治疗方案。

雷锋网在翻译 James Hendler 教授的一篇长文中,揭示了沃森基于“关联知识”构筑而成实现过程。

简而言之,在医生输入有关患者医疗状况的信息后,该应用程序会通过分析可能相关的已发表研究来推荐治疗方法。

WfO的操作流程:

1、分析患者医疗记录,包括结构化和非结构化的数据;

2、提供治疗方案选项,通过分析各种医疗数据,WfO 为每一位患者提供几种治疗方案,医生可在这些方案中挑选;

3、方案排序,给各种治疗方案排序, 并注明其医学证据。

其操作流程包括分析患者医疗记录、提供治疗方案选项和排序,最终患者拿到手的,是一份涵盖了详细的用药、治疗建议及参考文献等内容的癌症治疗方案建议报告。

围绕癌症诊疗这一方向,沃森健康已开发出沃森肿瘤解决方案(Watson for Oncology)、沃森基因解决方案(Watson for Genomics)、Watson 临床试验匹配解决方案(Watson for Clinical Trial Matching)等系列产品,辅助全球各地的医生对患者进行诊治:

2.2核心技术

这套解决方案的核心技术为 NLP(自然语言处理),也是 IBM 一直看好的领域,2011年沃森在《危险边缘》的胜利,证明了沃森在 NLP 方面的卓越表现。

为了玩这个游戏,它必须解析复杂的文字游戏线索,搜索大量的文本数据库,找到并确定最好的答案。

“看起来沃森几乎可以理解语言的含义,而不仅仅是识别单词的模式。” 在2011年曾担任 IBM 研究院首席医学科学家 Martin Kohn 说。

其实早在参加《危险边缘》之前, IBM 就考虑过 AI 医疗的可能性。大量的患者数据看起来非常适合用于 AI 医疗研究,特别是当医院和医生开始使用电子健康记录时。

虽然其中一些数据可以很容易地被机器消化,例如实验室结果和生命体征测量数据,但还有大部分是“非结构化”信息,例如医生笔记和出院记录。这类叙述性文本占到患者记录约80%的内容。

Kohn 认为,沃森强大的 NLP 能力可以转变为医学理论。

沃森可以阅读患者的健康记录以及医学文献的全部内容,包括教科书、同行评审期刊文章、批准药物清单等。通过访问所有这些数据,沃森可能会成为一名超级医生,能够辨别出人类无法看到的模式。

2.3商业化尝试

公开资料显示,对于 WfO,IBM 在国外通常对每位患者收费200至1000美元,在某些情况下还需要咨询费。

IBM 的副总裁,负责认知方案和 IBM 研究部门的医学博士 Jone E. Kelly III 在去年8月接受《Medscape》采访时表示,沃森在全球已经有230 家医院和医疗机构投入使用,沃森帮助的病人在去年上半年几乎翻倍,达到了 84000 人。

从国外沃森落地案例来看,南亚最大的私人医院 Bumrungrad International Hospital 选择了沃森。

这家医院也是全球最受欢迎的医疗机构之一。为改善其癌症护理质量,Bumrungrad 选择了 WfO 辅助癌症治疗。

在中国,IBM 的官方合作伙伴为百洋医药集团,2017年3月,沃森健康与百洋签约,双方将 WfO 的独家总代分销权战略合作协议由三年延长至八年。

沃森刚开始引进中国的时候,同样是按例收费。

17年百洋医药集团董事长付钢在接受记者采访时曾表示,使用 WfO 均自费,价格是4500元/例。

后来由于推广后发现医院在没有了解产品时收费很困难,改为了将沃森账号以很低的价格卖给医院,并不限制使用例数,先让医院和医生熟悉、参考,再探索收费模式。

改变营销模式后,有医院开始主动报价收费,一些地方基于其服务内容,如不同级别的专家提供服务、不同配套的其它服务等,收取费用从一两千元到几万元不等。

据动脉网报道,截至2018年11月4日,沃森在我国20多个省、40多个城市、81家医院签约落地。注册医生已达1133人,2017年患者数量突破1万,到2018年11月4日患者数量已逾4.1万。

三、高开低走

2011年《危险边缘》中战胜两位人类冠军时 IBM 就宣布了自己雄心勃勃的小目标:未来让沃森成为一名AI医生,还承诺在未来18到24个月的时间里推出首批医疗健康产品。

2015年还曾许下豪言:要让沃森惠及10亿人,解决、诊断和治疗80%癌症种类中80%的病患。

3.1核心产品受质疑

但自17年开始,包含 MD 安德森肿瘤中心在内的多个客户终止了与沃森的合作,理由是:沃森的诊疗效果始终不达预期,成本太高。

18年5月,IBM 对其医疗业务进行裁员,包括部分研发人员和营销人员。

同年7月,美国健康医疗媒体 STAT 爆出 IBM 的内部文件称,沃森经常给出不准确的癌症治疗建议,甚至开错了药品。

沃森健康在过去的18年里深陷舆论风波,其旗下产品 WfO 的市场推广也受到波及。

“这个月本来有5家医院要签约引进 Watson 肿瘤解决方案,但都选择了推迟,我们很着急。” WfO 中国市场独家总代理、百洋智能科技首席营销官王必全曾在媒体沟通会上说。

3.2后续产品乏力

据 IEEE Spectrum 统计,从2011年开始,IBM 沃森与其他机构合作的25个具有代表性的项目中,仅有5个合作项目推出了AI医疗产品。

3.3NLP技术局限

在许多种尝试中,IBM努力让沃森的 NLP 去理解医疗文本。

但图灵奖得主,人工智能研究专家 Yoshua Bengio 表示,在医学文本文件中,人工智能系统无法理解其模糊性,也无法了解人类医生注意到的微妙线索。

到目前为止,没有人工智能可以达到人类医生的理解和洞察力。

深度学习的先驱、Facebook 人工智能研究部门的负责人 Yann?LeCun 也曾表示AI需要太多的训练数据,不能推理,也不具备常识。

他认为,人类大脑是通过互动而不是内在的规则来发展出推理能力的。

一些研究将 WFO 癌症治疗建议与医院肿瘤学家的建议进行了比较。下图为沃森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,沃森与专家治疗建议的一致率为73%。

沃森在韩国 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。

约翰霍普金斯医学院的 Natalie Trayanova 教授曾表示,图像识别仍是目前的 AI 最擅长的事情之一。

2012 年到 2015 年,在代表计算机智能图像识别最前沿发展水平的 ImageNet 竞赛(ILSVRC)中,参赛的人工智能算法在识别准确率上突飞猛进。

2015 年,在识别图片中的人、动物、车辆或其他常见对象时,基于深度学习的计算机程序超过了普通人类的肉眼识别准确率。

被唱衰的沃森和巨头云集下的AI医疗

Natalie Trayanova 教授认为这归功于机器能够在相对短的时间内吃进海量的影像数据,并通过深度神经网络各个层级进行分析、学习,成为阅“片”无数、经验丰富的“老医生”。

例如像眼科这类科目,就可以使用 AI 技术诊断糖尿病人的眼底病变。

由于这种疾病十分常见,数据积累丰富,再加上对于病变的判定相对简单,目前这个技术已经有了相对成熟的应用场景。

然而,触及到更难的领域,例如癌症、肿瘤等等,图像模式十分复杂,很难用一种或者几种机械的模式概括,机器往往会卡在这种人脑依靠模拟(analogy)判断的地方。

而有的病变本身也十分罕见,根本无法形成值得信赖的数据库。换句话说,现在还无法像训练一个真正的医生一样训练 AI 。

这也让 IBM 想让沃森成为一名AI医生的愿望遥遥无期。

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

而在目前最擅长的图像识别领域,IBM虽然收购了医疗影像公司 Merge Healthcare ,却并未有太多建树。

3.4整合困难

沃森项目从2006年启动至今,IBM 已花费数十亿美元用于收购 AI 企业,以加强其内部开发实力,但内部人士表示,收购的公司并没有起太大的作用。

以15年被收购的 Phytel 公司为例,Phytel 被 IBM 收购之前是一家成功的企业,拥有良好的声誉。

在市场研究公司 KLAS 2014年针对人口健康管理企业进行的调查中, Phytel 排名第一,并被称作该市场“显而易见的领导者”。

Phytel 的贡献是在分析技术中融合了自动化病人沟通系统。

例如,一家诊所可以利用该系统搜索病例,然后找到所有年龄超过45岁且结肠镜检查过期的男性,然后使用自动通话系统提醒他们尽快预约这项令人畏惧的检查。

寻找“不合规”的病人是预防性治疗的关键,通过定期检查可以提早发现问题,避免延误治疗时机。

IBM 在2015年宣布该收购交易的新闻稿中表示,Phytel 会成为全新的沃森健康部门的一部分,并利用 IBM“强大的认知计算”提升 Phytel 的服务。

收购完成后,IBM 的管理层开始了名为“洗蓝”的流程,也就是让被收购企业的品牌和运营与 IBM 的模式协调一致。

而到18年5月底, IBM 大约裁掉了 Phytel 80%的员工——超过120人来自工程、销售和项目管理岗位。

“这些都是关键技术人员,还有一些是直接对接客户的人。” 被 IEEE Spectrum 采访的 Phytel 第一位工程师说,“他们并没有裁撤行政人员和非核心员工”。

这位工程师表示,在这一过程中,“一切都停止了”,他们还被告知不要把精力放在改进为现有用户提供的产品上。“大家无所事事了大概一年的时间。”第二位工程师说。

Phytel 的工程师们最后被要求从事一个整合项目,把 Phytel 与 Explory 的数据库和分析技术结合起来。上述工程师表示,此次整合是一项重大任务,需要 IBM 方面投入大量时间和资金。

这两位工程师都对把此事归咎于 IBM 的“服务管理”部门,该部门负责规划 IBM 应该向客户销售哪些产品。

然而,服务管理者并没有对最终产品制定清晰的规划。“他们没有确定路线图。”第二位工程师说,“我们多次调整方向”。

这两位被采访 Phytel 工程师都表示,服务管理者没有技术背景,有的时候还会想出一些根本无法实现的新产品。

虽然工程师努力适应不断调整的方向,但 Phytel 并没有推出任何新产品。“我们一直在烧钱。”第二位工程师说到。

3.5内忧外患

目前全球范围内仅有少数医院采购了沃森系统,使用的患者人数仍在万位徘徊,这似乎离 IBM 的10亿人小目标相去甚远。

而 AI 医疗领域的竞争早已白热化。

据 CB Insights 报告显示,医疗依旧是人工智能创投最热门的领域之一,许多专注于医疗影像及诊断的公司的不断成长促成了这一结果。

机器学习也将很快成为医疗影像和诊断领域中的一个常规操作。

被唱衰的沃森和巨头云集下的AI医疗

根据中国医药物资协会人工智能分会公布的《2018医药人工智能发展状况报告》显示,各大科技巨头都展开了各自的医疗布局。

谷歌旗下的 Deep Mind Health 和英国国家医疗服务体系(NHS)展开合作,通过访问 NHS 的患者数据进行深度学习,训练有关脑部癌症的识别模型。

Deep Mind 还与 Moorfields 眼科医院合作,将人工智能技术应用于及早发现和治疗威胁视力的眼部疾病。

微软将人工智能技术用于医疗健康计划 Hanover,帮助寻找最有效的药物和治疗方案,并且与俄勒冈卫生科学大学 Knight 癌症研究所合作,共同进行药物研发和个性化治疗。

此外,微软研究院有多个关于医疗健康的研究项目,利用机器学习从医学文献和电子病历中挖掘有效信息,结合患者基因信息研发用于辅助医生进行诊疗的推荐决策系统。

苹果公司一方面计划自主开发人工智能芯片,另一方面则屡次收购人工智能公司。

自2015年以来,苹果先后推出了 Research Kit 和 CareKit 两个开源框架,帮助临床试验项目招募患者,并远程监控患者的健康状况,而且研究人员和开发人员能够通过它们创建医疗应用程序,用以监控受试者的日常生活。

2018年,苹果与 Epic、Cerner 等电子健康记录供应商进行合作,宣布 iPhone 用户可通过手机自带的“健康“应用访问合作供应商提供的电子健康记录。

该功能界面简洁及便于操作,用户可以从中找到与自身病症、过敏、免疫等生命体征相关的信息。

6月,苹果又推出了 Health Records API,使用户能和第三方应用与医学研究者进行数据共享。

在中国,以 BAT 为代表的科技型企业积极布局,争相涌入AI医疗。

2018年7月,腾讯旗下 AI 医学解决方案”腾讯觅影”发布结直肠肿瘤筛查 AI 系统,利用人工智能技术辅助临床医生实时发现结直肠息肉,并实现实时鉴别息肉性质。

其实,这是“腾讯觅影“发布的第二个解决方案,2017年8月“腾讯觅影”发布了早期食管癌筛查 AI 系统。

2018年,阿里健康在 AI 医疗领域进行了一系列尝试和探索。比如和医疗机构合作建立的科研数据平台和临床辅助决策系统;

通过脱敏病例和数据生成”虚拟病人”,用浸润式的方式来做医生的培训系统;影像智能检测引擎,帮助医生提高效率;用区块链技术,帮助卫计局建立医联体,解决数据互联互通和安全存储、传输的问题;

推出健康管理平台,靠天猫、淘宝等整个阿里系的海量用户基数,建立起用户互动平台,帮助用户更好地管理自己的身体状况。

百度在2016年10月推出了百度医疗大脑,正式将人工智能技术应用到医药行业,这也是百度最看重的垂直领域。

百度医疗大脑通过海量医疗数据、专业文献的采集与分析进行人工智能化的产品设计,模拟医生问诊流程,与用户多轮交流,依据用户的症状,提出可能出现的问题,反复验证,给出最终建议。

目前,百度医疗大脑有两款产品,一个是针对患者自诊的平台,另一个是为医生服务的、协助医生进行辅助诊疗的平台。

科大讯飞开发了一系列完备的语音电子病历产品,并在多家医院应用。在影像辅助诊疗领域,讯飞目前在肺部 CT 、乳腺钼靶上都做出了实际应用的产品。

还有其人工智能辅助诊疗中心接入了安徽省40多家医院,能够实时反馈医生提交的影像诊断需求,在1秒内给出结果。

机器人导诊导医的应用方面,目前科大讯飞研究的“晓医"机器人已在全国50多家医院落地应用,提供导诊导医服务。

四、聚焦临床

面对外界的质疑,IBM 发言人 Ed Barbini 在4月19日接受 STAT 采访时表示“我们正逐步把资源集中在的临床开发领域,在这里,我们看到对于AI和数据的市场需求更大。”

“在临床方面,医院正面临着非常棘手的数据悖论,他们被要求遵守新的行业基准,所有这些准则都是基于量化依据,他们正淹没这片要达到行业基准的数据海洋中。”IBM Watson?Health 的副总裁兼首席健康官 Kyu Rhee 博士在接受 Healthcare IT News 采访时说到。

Kyu Rhee 提到,预计到2020年,医疗数据预计将每73天翻一番,医生与病人每相处一小时,就要花两个小时处理行政事务和更新电子病历。

在过去的三年里,医生们为了努力跟上巨量数据的节奏,职业倦怠率从45.5%飙升到了54.4%。

Kyu Rhee 还表示 IBM 将集中在三个核心领域来帮助医院来应对挑战:首先是管理决策支持,通过改进后台功能来提高运营决策效率;

其次是护理者的看护决策支持,为医生、药剂师、护士以及其他护理人员提供看护时的产品与服务,帮助他们做出更好地决策;

最后是个人护理的健康支持,包括个人健康的培育、管理和信息支持等。