周素云、stats熊、栾红叶、橡树_hiangsug作者IEEE来源

投资50亿的IBM医疗裁员70%:从象牙塔到落地,Watson被泼了哪些冷水

1997年,IBM深蓝战胜国际象棋冠军卡斯帕罗夫,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能时代,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”,引起了整个行业的一片哗然。

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。

文摘菌只能感叹: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。

技术与业务的鸿沟

2014年,IBM为其人工智能部门(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计算出的置信水平及与之相关的医学文献。

在圆顶象牙塔内,Watson的记忆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,人工智能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。

创造一名“AI医生”极其困难

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。

彼时,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,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——通过计算机视觉技术分析图如X射线和视网膜扫描图像进行诊断。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信息。

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。

“肿瘤专家顾问”合作中断

MD 安德森癌症中心与IBM Watson合作,为肿瘤学家创建了一个咨询工具(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,并通过搜索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。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,人工智能研究专家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可以通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。

“认知教练系统”未能上线

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。”该项目使用Under Armour的活动跟踪器应用程序提供的数据,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。

下表为IBM在医疗方向项目与目前的进展:

商业化期望越高,失望越大

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、信息系统副主席艾略特·西格尔,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。”

为了让人工智能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,人工智能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“真正个性化的护理”,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,以便人工智能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。

但无论如何, 在数字化时代里, IBM Watson 不是第一个象牙塔的守望者,也不会是最后一个丛林中的引路人。

相关报道:https://spectrum.ieee.org/biomedical/diagnostics/how-ibm-watson-overpromised-and-underdelivered-on-ai-health-care

大数据文摘
大数据文摘

秉承“普及数据思维,传播数据文化,助⼒产业发展”的企业⽂化,我们专注于数据领域的资讯、案例、技术,形成了“媒体+教育+⼈才服务”的良性⽣态,致⼒于打造精准数据科学社区。

产业AI+医疗IBMIBM Watson
22
相关数据
亚马逊机构

亚马逊(英语:Amazon.com Inc.,NASDAQ:AMZN)是一家总部位于美国西雅图的跨国电子商务企业,业务起始于线上书店,不久之后商品走向多元化。目前是全球最大的互联网线上零售商之一,也是美国《财富》杂志2016年评选的全球最大500家公司的排行榜中的第44名。

https://www.amazon.com/
相关技术
IBM机构

是美国一家跨国科技公司及咨询公司,总部位于纽约州阿蒙克市。IBM主要客户是政府和企业。IBM生产并销售计算机硬件及软件,并且为系统架构和网络托管提供咨询服务。截止2013年,IBM已在全球拥有12个研究实验室和大量的软件开发基地。IBM虽然是一家商业公司,但在材料、化学、物理等科学领域却也有很高的成就,利用这些学术研究为基础,发明很多产品。比较有名的IBM发明的产品包括硬盘、自动柜员机、通用产品代码、SQL、关系数据库管理系统、DRAM及沃森。

https://www.ibm.com/us-en/
相关技术
机器学习技术

机器学习是人工智能的一个分支,是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、计算复杂性理论等多门学科。机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法。因为学习算法中涉及了大量的统计学理论,机器学习与推断统计学联系尤为密切,也被称为统计学习理论。算法设计方面,机器学习理论关注可以实现的,行之有效的学习算法。

人工智能技术

在学术研究领域,人工智能通常指能够感知周围环境并采取行动以实现最优的可能结果的智能体(intelligent agent)

计算机视觉技术

计算机视觉(CV)是指机器感知环境的能力。这一技术类别中的经典任务有图像形成、图像处理、图像提取和图像的三维推理。目标识别和面部识别也是很重要的研究领域。

数据库技术

数据库,简而言之可视为电子化的文件柜——存储电子文件的处所,用户可以对文件中的数据运行新增、截取、更新、删除等操作。 所谓“数据库”系以一定方式储存在一起、能予多个用户共享、具有尽可能小的冗余度、与应用程序彼此独立的数据集合。

自然语言处理技术

自然语言处理(英语:natural language processing,缩写作 NLP)是人工智能和语言学领域的分支学科。此领域探讨如何处理及运用自然语言;自然语言认知则是指让电脑“懂”人类的语言。自然语言生成系统把计算机数据转化为自然语言。自然语言理解系统把自然语言转化为计算机程序更易于处理的形式。

推荐文章
IBM总是将手里的一堆王炸打成了单吊。甚是神奇。
刚准备入行来着。。