編者按：早在2011年時，Watson（沃森）就在智力競賽節目Jeopardy! 中獲勝，自此之后IBM 就在一直積極宣傳沃森。然而最近一段時間沃森帶來了許多壞消息。沃森曾與休斯敦安德森癌癥研究中心合作，去年雙方分道揚鑣。IBM營收停止增長，股價起起落落，分析師甚至開始質疑：沃森真能帶來更多價值嗎？知名科技投資人 Chamath Palihapitiya 今年5月接受 CNBC 采訪時表示：“沃森就是一個笑話。”
保羅·唐（Paul Tang）的妻子在醫院做了膝關節替換手術，他陪妻子住院。每年，美國有大約70萬人做這樣的手術。外科醫生來了，唐本人就是初級治療內科醫生，他問醫生，預計什么時候妻子才能回歸正常人的生活，根據他的經驗判斷。外科醫生一直含糊其辭，沒有明確答案。唐說：“我真是被打敗了，他居然不知道。”Paul Tang很快了解到，大多數內科醫生基本上都不知道病人回到家、回到工作中的生活是怎樣的，他們無法對病人的生活進行評估，對于病人而言，這種評估至關重要。
沃森是一個機器學習系統，IBM 將未來押在沃森身上。沃森可以給內科醫生提供信息，例如，告訴醫生還要等多長時間，病人才能正常行走或者爬樓梯，不會疼痛。它還可以分析圖片和組織樣本，為特定病人制定最佳治療策略。
自從沃森在智力競賽節目 Jeopardy! 中獲勝之后，衛生保健便成為機器學習技術瞄準的熱門市場。研究公司 CB Insights 在報告中指出，自2013年以來至少出現106家創業公司，它們仍然在營業。
今年，沃森曾與休斯敦安德森癌癥研究中心分道揚鑣。針對沃森的批評（包括安德森癌癥中心的批評）似乎與技術無關，并不是說技術存在缺陷。只是IBM對于目前沃森所處的水平太過樂觀，這才招來批評。事實上，談到將AI應用于衛生保健，沃森健康有很大的可能會成為領導者。如果說現在還沒有取得很大的成就，那么最大的障礙于數據，IBM需要特定類型的數據，用來訓練系統。在多種環境下，數據供應嚴重不足，很難獲得。這個問題不只是沃森的問題，其它系統也一樣。對于整個衛生保健機器學習領域而言，都面臨這樣的問題。
缺少數據、無法獲得數據可能會讓沃森的發展速度變慢，同樣的，IBM的競爭對手也會受到傷害。為什么呢？因為要獲得數據，最好的辦法就是與大型衛生保健機構密切合作，而這些機構在技術面前有點保守。與創業公司相比，有一點IBM做得比較好：它得到了大機構高管和IT經理的信任。雖然安德森項目存在一些問題，IBM仍然有著很大的優勢。許多醫療中心、衛生保健管理團體、生命科學企業都引進了沃森，它們都會提供關鍵數據，正是這些數據為未來的醫療模式奠定了基礎。
時間表不切實際
沃森與安德森癌癥中心“分手”說明IBM對沃森鼓吹過度，結果招來麻煩。
2012年，安德森癌癥中心與IBM開始合作，它們的目標是讓沃森閱讀數據，數據涉及病人的癥狀、基因序列、病理報告，然后將信息與內科醫生的報告、重要期刊論文整合，幫助醫生制定診斷和治療策略。IBM和安德森癌癥中心對技術期待過高。2013年，IBM曾經豪言壯語說“計算新時代來了”，這種論斷給了《福布斯》一種錯覺，似乎沃森“現在可以處理臨床實驗”問題，再過幾個月就能用在病人身上了。2015年，《華盛頓郵報》引述一名IBM沃森管理者的話說，沃森正在構建集體智慧模式，介于機器與人之間。《華盛頓郵報》還說，訓練時機器系統的目標是成為醫生的助理，幫助他們做之前不能做的事。
今年2月，德州大學（安德森癌癥中心就是它運營的）宣布項目終結，癌癥中心向IBM支付3900萬美元賠款，原本項目合同的規模只有240萬美元。研究4年之后，雙方沒有開發出一個可以用在病人身上的工具，技術只能用在實驗性測試中，沒辦法投入使用。關于沃森一事，安德森癌癥中心不予置評，內部不知道如何管理項目，如何獲得資金，這可能才是問題的根源。
并不是說IBM沃森沒有問題，事實上，它的問題比任何其它的項目都要大。
到底是什么使得研究受挫？首先你要深入理解機器學習系統（比如沃森）的訓練方式。沃森持續對內部處理流程進行微調，從中學習經驗，這樣一來解決某些問題時獲得正確答案的概率就會提高。正確答案必須是已知的，這樣系統才會知道什么時候對了，什么時候錯了。系統處理的訓練問題越多，結果就會越好。
要訓練系統在X線中識別惡性腫瘤還是比較簡單的。如果解決的謎題大大超出人類的已知范疇，比如了解基因變異與疾病的關系，沃森就會顯得無能為力，它會碰到“雞與蛋”的問題：數據沒有經過專家的篩選，沒有有效組織過，如何用這樣的數據訓練系統呢？紐約斯隆-凱特琳癌癥中心計算病理學家Thomas Fuchs解釋說：“如果你正在訓練自動駕駛汽車，任何人都可以給樹、標志貼標簽，這樣系統就可以學習如何識別它。但是醫學是一個特殊的領域，需要專家訓練幾十年，給信息貼上正確的標簽，輸入計算機。”
IBM希望沃森能夠在一些領域做出貢獻，其它企業的機器學習解決方案也是樣打算的，在所有這些領域都有障礙存在。要訓練沃森處理海量數據，從中挑選出少數與單個病人有關的重要信息，首先需要人親自訓練，用成千上萬個案例訓練。
例如，為了讓沃森識別與疾病有關的基因，它需要成千上萬的病歷，這些病人患有特殊疾病，他們的DNA已經分析過。然而，要獲得“基因-病歷”結合的數據相當難。許多時候，數據并沒有以正確的格式記錄，或者根本不存在，又或者數據來自于幾十個不同的系統，很難處理。
如果將更好的數據交給臨床醫生，就可以提高初級治療水平。在日常的初級治療過程中，當問題不太嚴重時醫生如果錯過了治療機會，等到病情變得嚴重起來，病人進了急診室或者讓專家治療，此時承受的痛苦會更大，成本也會大幅增加。IBM沃森健康首席醫療官Anil Jain說：“在健康方面花的錢有三分之一是不需要的。”人們認為，機器學習有機會解決這個問題。
診斷病人時，為了讓醫生得出更好的結論，沃森需要找到彼此的關聯，也就是健康記錄和健康社會決定因素的關系。這些因素包括：病人是否吸毒、飲食是否健康、呼吸的空氣是否清新等等。唐認為，今天，幾乎沒有醫院或者醫療實踐從大量病人身上獲得可靠的數據。部分是因為醫生接受現代數據驅動型醫療實踐方法的速度有點慢。克利蘭夫診所（Cleveland Clinic）的內科醫生、衛生保健信息專家Manish Kohli認為：“衛生保健行業接受技術的速度很慢，真是讓人尷尬。”
如果存在這樣的數據，IBM一般會花錢購買。IBM收購了一些企業，比如Truven Health Analytics、Explorys和Phytel，它們都是處理大數據的企業，這些數據來自醫院和病人群體。雖然與安德森癌癥中心的合作終止了，IBM還是與其它機構達成了重要合作，進一步獲得更多的病人數據。
與IBM合作的就有Atrius Health，它是一個網絡，里面有將近900位內科醫生，主要是初級護理內科醫生，他們來自波士頓地區。合作的目標是為開發、測試以沃森作為基礎的系統功能，從筆記、記錄、文章中提取面向獨立個體的關鍵信息。Atrius Health首席醫療官Joe Kimura說：“對于初級護理內科醫生而言，提取所有相關信息是一項繁重的任務。”他還說，每一次訪問數據都會增加，有了這樣的系統數據會大幅增加，不需要按標準格式提交，檢索很方便。
還有，病人病歷中許多重要的筆記是以句子的形式存在的，傳統IT系統無法識別。沃森使用了自然語言處理技術，這種技術當時是為參加 Jeopardy! 開發的，它可以從句子中提取意義。在理想的情況下，系統可以給內科醫生提建議，給病人更好的幫助，省去不必要的護理。Kimura說：“病人臀部受傷，我們全心全意照看，為什么我們只關心這個？為什么不能提前預測，判斷病人有跌倒的風險，讓他們避免臀部受傷？我們要讓護理朝著上游延伸。”
沃森健康還與紐約中央醫療中心（Central New York Care Collaborative）合作，這是一個州政府提供資金成立的機構，與6個國家大約2000個衛生保健提供商合作。合作的目標很明確：將急診數量、再入院數量降低25%，有時病人已經獲得批準出院，結果又因為相關的問題重新回醫院治療。合作還帶來了大量的病人數據。
拿到更多數據
獲得數據還有其它的辦法。谷歌有一家姊妹公司，它想直接從病人身上提取數據。這家公司就是Verily Life Sciences，它是Alphabet的衛生保健部門，該公司與杜克大學、斯坦福大學合作，開發一套高度結構化的健康數據庫，里面有1萬名志愿者。數據庫包含了門診信息，還有穿戴健康監測設備提供的數據。這樣一來數據就會大大增加，只是要生成高度可用的結果，可能還要等10年甚至更長時間。
紀念斯隆-凱特林(Memorial Sloan-Kettering)癌癥研究中心的Fuchs率領團隊訓練一個AI系統，它可以閱讀“組織染色幻燈片”（tissue-stain slides），在訓練過程中，研究人員需要建立一個龐大的數字幻燈片庫，幻燈片上有注釋信息，包括確診及其它關鍵數據。每個月，團隊自己會制作4萬張幻燈片。Fuchs說：“數量比其它人多很多，任務很龐大，因為在生物領域變量太多了。”
雖然沃森項目失敗，安德森癌癥研究中心還是在繼續執行一個大項目，它要收集1700種門診數據，走進中心的每一個人病人都會貢獻自己的數據。項目負責人Andy Futreal說，要讓沃森這樣的AI系統發揮作用，將病人信息與研究數據結合起來至關重要。他還說：“一旦我們獲得了數據，就可以進入AI機器學習業務，看看在各種治療方法下什么原因導致誰的效果好、誰的效果不好。”
IBM繼續從合作伙伴手中獲得數據。在癌癥診斷與治療方面，IBM與紀念斯隆-凱特林癌癥研究中心、Mayo Clinic、哈佛和MIT附屬研究所、醫療測試巨頭Quest Diagnostics攜手合作。通過與紀念斯隆-凱特林癌癥研究中心合作，IBM開發出一套系統，它可以篩選期刊文獻，形成正式的治療決策，佛羅里達Jupiter Medical Center(木星醫療中心)和印度一家醫院連鎖企業已經引進系統。在發現藥物方面，沃森健康與Barrow Neurological Institute（巴羅神經學研究所）合作，它幫助該機構找到了5種與ALS有關的基因，之前人們并不認為這些基因與該疾病有關；通過與Ontario Brain Institute（安省腦科研究所）合作，沃森篩選出21種最有希望的候選藥物。
提供更好的醫療結果，降低成本，沃森真的能帶來變革嗎？Bessemer Venture Partners基金的合伙人Stephen Kraus認為的確有這種可能，他專注于衛生保健行業，投資了許多與衛生保健有關的AI創業公司。Kraus說：“它是真實存在的，不是用來刺激股價上漲的‘霧件’。”和大多數專家一樣，Kraus也對不切實際的時間表、承諾保持謹慎態度，當中一些過高的承諾來自于IBM自己。Kraus說：“相當難，今天沒有發生，再過5年可能也不會發生，這種技術不會替代醫生。”
