在舒适的穹顶内，沃森从未给人留下过深刻的印象:它的记忆库保存着每一种罕见疾病的知识，它的处理器不容易受到那种会让医生感到困惑的认知偏见的影响。它可以在几秒钟内破案。如果沃森能够为世界各地的医院和诊所带来即时的专业知识，人工智能似乎可以减少诊断错误，优化治疗，甚至缓解医生短缺——不是通过取代医生，而是通过帮助他们更快更好地完成工作。
然而，在公司总部之外，IBM发现其强大的技术无法与当今医疗保健系统的混乱现实相匹敌。在尝试将沃森应用于癌症治疗(这是医学界最大的挑战之一)的过程中，IBM遇到了机器学习方式和医生工作方式之间的根本不匹配。
IBM在医疗改革方面的大胆尝试始于2011年。一天前，沃森在围棋比赛中彻底击败了两位人类冠军冒险!, IBM宣布了新的职业道路它将成为一名人工智能医生。IBM将把它在电视上展示的突破性技术——主要是理解自然语言的能力——应用到医学上。该公司承诺，沃森在医疗保健领域的首批商业产品将在18至24个月内推出。
事实上，IBM在第一天宣布的项目并没有产生商业产品。在那之后的8年里，IBM大肆宣扬了许多以人工智能为动力的医疗技术，其中许多都以失败告终，其中一些则以惊人的失败告终。该公司花费了数十亿美元进行收购，以加强内部努力，但内部人士表示，被收购的公司还没做出什么贡献．还有那些诞生于IBM沃森健康系统人工智能部门根本不像人们曾经设想的聪明的人工智能医生:它们更像是可以执行某些日常任务的人工智能助手。
“从声誉上讲，我认为他们遇到了一些麻烦，”他说罗伯特·瓦赫特他是加州大学旧金山分校医学系主任，也是2015年出版的那本书的作者数字医生:医学计算机时代黎明的希望、炒作和危害(麦格劳-希尔)。他说，在一定程度上，IBM的雄心壮志正在影响它的发展:它是第一家大力推动人工智能进入临床的公司。但它也因吹嘘沃森的能力而招致了敌意和怀疑。“他们把营销放在第一位，产品放在第二位，让每个人都很兴奋，”他说。然后，橡皮掉在了路上。这是一系列难以置信的难题，而IBM率先站出来，向其他所有人证明了这一点。”
在2017年的一次医疗IT专业人士会议上，IBM首席执行官罗睿兰说告诉人群人工智能“是真实的，是主流的，就在这里，它可以改变医疗保健的几乎一切”，并补充说，它可能会迎来一个医疗的“黄金时代”。她并不是唯一一个看到机会的人:计算机科学和医学专家都认为，人工智能有可能改变医疗保健行业。然而，到目前为止，这种潜力主要是在精心控制的实验中证明的。只有少数基于人工智能的工具得到了应用监管机构批准在真正的医院和医生办公室使用。这些开创性产品主要在视觉领域工作，使用计算机视觉分析x射线和视网膜扫描等图像。(IBM没有分析医学图像的产品，尽管它有一个积极研究项目在那个领域。)
然而，除了图像之外，即使是当今最好的人工智能也难以理解复杂的医疗信息。在软件中编码人类医生的专业知识是一个非常棘手的命题。IBM在全世界的注视下，在市场上吸取了这些痛苦的教训。虽然该公司并没有放弃登月计划，但其发射失败已经向技术专家和医生们表明，打造一名人工智能医生是多么困难。
的Jeo票面价值dy !胜利2011年显示了华生非凡的技巧自然语言处理(NLP)。为了玩这个游戏，它必须解析充满文字游戏的复杂线索，搜索大量文本数据库来找到可能的答案，并确定最佳答案。沃森不是一个被美化的搜索引擎;它不只是根据关键字返回文档。相反，它采用了数百种算法来映射句子中的“实体”，并理解它们之间的关系。它使用这个技巧来理解冒险!线索和它挖掘的数百万文本资源。
“沃森似乎可以理解语言的意思，而不仅仅是识别单词的模式，”他说马丁·科恩他当时是IBM研究院的首席医学家冒险!匹配。“它比现有的东西强大了一个数量级。”更重要的是，沃森通过机器学习自己开发了这种能力。IBM的研究人员对沃森进行了数千次训练冒险!被标记为正确或不正确的线索和回答。在这个复杂的数据集中，人工智能发现了模式，并建立了如何从输入(线索)到输出(正确响应)的模型。
早在华生主演冒险!在这个阶段，IBM已经考虑了它在医疗保健领域的可能性。拥有大量患者数据的医学似乎显然是一个合适的选择，尤其是在医院和医生都在转向电子健康记录的情况下。虽然其中一些数据可以很容易地被机器消化，如实验室结果和生命体征测量，但大部分是“非结构化”信息，如医生的笔记和医院的出院摘要。这种叙述性文字占了一个典型病人记录的80%——它是术语、速记和主观陈述的大杂烩。
科恩在哈佛大学获得医学学位，在麻省理工学院获得工程学学位，他很高兴能帮助沃森处理医学语言。“沃森似乎有潜力克服这些复杂性，”他说。通过将其强大的NLP能力应用于医学，沃森可以阅读患者的健康记录以及整个医学文献语料库:教科书、同行评审的期刊文章、批准的药物清单等等。有了所有这些数据，沃森可能会成为一名超级医生，能够识别人类永远无法发现的模式。
他说:“医生们每天都在工作，尤其是那些在第一线的初级保健医生，他们知道他们不可能知道为了尽可能地实践最好、最有效、最有效的药物所需要知道的一切。赫伯特追逐他是哥伦比亚大学(Columbia University)医学和生物医学信息学教授，曾与IBM合作开展第一次医疗保健项目。但是沃森，他说，可以跟上，如果变成一个“临床决策支持”的工具，它也可以使医生跟上。代替a冒险!医生可以向沃森提供病人的病史，并要求诊断或最佳治疗方案。
蔡斯与IBM的研究人员合作开发了一种诊断工具的原型，就是让沃森沉浸室的参观者眼花缭乱的东西。但IBM选择不将其商业化，大通银行于2014年与IBM分道扬镳。从那时起，他对沃森在医学上的缓慢进展感到失望。他说:“我不知道有什么惊人的本垒打。”
他是众多早期沃森爱好者中的一员，他们现在感到沮丧。艾略特•西格尔他是马里兰大学放射学教授和信息系统副主席，也与IBM合作进行了诊断研究。虽然他认为人工智能工具将在十年内成为医生不可或缺的工具，但他不相信IBM会开发出这些工具。“我不认为他们处于人工智能的前沿，”西格尔说。“最令人兴奋的事情发生在谷歌、苹果和亚马逊。”
至于2014年离开IBM的科恩，他说公司陷入了一个常见的陷阱:“仅仅证明你拥有强大的技术是不够的。”“向我证明它确实能做一些有用的事情——它会让我的生活更美好，我的病人的生活更美好。”科恩说，他一直在等待医学杂志上的同行评议论文，证明人工智能可以改善患者的治疗结果，并为卫生系统节省资金。他说:“迄今为止，这样的出版物很少，对沃森来说也没有什么影响。”
在尝试将人工智能引入诊所时，IBM正在接受一个巨大的技术挑战。但在许多其他计算领域落后于谷歌和苹果等科技巨头之后，IBM需要一些大的东西来保持相关性。2014年，该公司在沃森部门投资了10亿美元该公司当时正在为多个业务部门开发技术。2015年，IBM宣布成立了一个特殊的沃森健康部门到2016年年中，沃森健康(Watson Health)以约40亿美元的总成本收购了四家健康数据公司。IBM似乎拥有让人工智能在医疗保健领域发挥作用所必需的技术、资源和承诺。
如今，IBM的领导者们将沃森健康计划描述为一条曲折曲折的“旅程”。“将人工智能注入医疗保健是一项艰巨的任务，也是一项挑战。但我们正在这么做。约翰·e·凯利III, IBM认知解决方案和IBM研究高级副总裁。凯利一直在指导沃森的工作冒险!2018年底，他还开始直接监督沃森健康。他说，公司在需要的时候会转向:“我们在继续学习，所以我们的产品会随着我们的学习而改变。”
例如，诊断工具没有被推向市场，因为没有商业案例，他说Ajay Royyuru他是IBM负责医疗保健和生命科学研究的副总裁。他说:“诊断不是要去的地方。”“这是专家们做得很好的事情。这是一项艰巨的任务，无论你用人工智能做得多好，它都不会取代专业从业者。”不是每个人都同意Royyuru的观点2015年诊断错误报告美国国家科学、工程和医学科学院的研究人员指出，改善诊断代表着“道德、专业和公共卫生的必要性”。)
为了找到医疗AI的商业案例，IBM针对医疗保健系统中的所有不同参与者(医生、行政人员、保险公司和患者)开展了大量项目。凯利说，将所有线索联系在一起的是努力提供“使用人工智能(分析)大量数据集的决策支持”。IBM最广为人知的项目集中在肿瘤学领域，该公司希望利用沃森的“认知”能力，将大数据转化为针对患者的个性化癌症治疗。
在许多尝试的应用中，沃森的NLP难以理解医学文本，就像许多其他人工智能系统一样。“与五年前相比，我们在NLP方面做得非常好，但我们仍然比人类差得多，”他说Yoshua Bengio他是蒙特利尔大学计算机科学教授，也是著名的人工智能研究人员。本吉奥说，在医学文本文件中，人工智能系统无法理解模糊性，也无法捕捉到人类医生会注意到的微妙线索。本吉奥说，目前的NLP技术可以帮助医疗保健系统:“它不必完全理解，就可以做一些非常有用的事情，”他说。但到目前为止，还没有人工智能可以与人类医生的理解和洞察力相媲美。“不，我们还没到那个地步，”他说。
IBM在癌症方面的工作作为最好的例子公司遇到的挑战。他说:“我认为没有人知道这需要这么长时间或这么复杂。马克•克里斯他是纽约市纪念斯隆凯特琳癌症中心(Memorial Sloan Kettering cancer Center)的肺癌专家。自2012年以来，他领导了他所在机构与IBM沃森的合作。
改善癌症治疗的努力主要有两个方向。克里斯和斯隆·凯特林的其他杰出医生训练了一个人工智能系统，这个系统后来成为了产品肿瘤学沃森在2015年。在全国范围内，位于休斯顿的德克萨斯大学安德森癌症中心的杰出医生与IBM合作开发了一种不同的工具，称为肿瘤专家顾问。MD Anderson在白血病部门测试了该工具，但它从未成为商业产品。
这两项努力都受到了强烈的批评。一篇严厉的文章关于沃森肿瘤学的一份报告称，它提供了无用的，有时甚至是危险的建议(IBM反驳这些指控)．更广泛地说，克里斯说他经常听到这样的批评，即该产品不是“真正的人工智能”。MD安德森的项目失败得很戏剧性:A德克萨斯大学2016年审计发现癌症中心在取消这个项目之前花了6200万美元。对这两个项目的深入研究揭示了机器学习的承诺与医疗保健的现实之间的根本不匹配——“真正的人工智能”与当今医生对功能性产品的要求之间的根本不匹配。
“肿瘤学沃森”(Watson for Oncology)应该通过吸收大量关于癌症的医学文献和真实癌症患者的健康记录来学习。他们希望沃森凭借其强大的计算能力，能够检查这些记录中的数百个变量，包括人口统计、肿瘤特征、治疗方法和结果，并发现人类看不见的模式。它还将与每天发表的大量关于癌症治疗的期刊文章保持同步。对于斯隆·凯特琳的肿瘤学家来说，这听起来像是癌症治疗的一个潜在突破。对IBM来说，它听起来像是一个伟大的产品。“我认为没有人知道我们在做什么，”克里斯说。
沃森很快就学会了如何浏览有关临床研究的文章，并确定基本结果。但事实证明，要教会沃森像医生那样阅读文章是不可能的。“医生从一篇文章中提取的信息，他们用来改变他们的护理，可能不是这项研究的重点，”克里斯说。克里斯解释说，沃森的思维是基于统计数据的，所以它所能做的就是收集有关主要结果的统计数据。“但医生不是这样工作的。”
例如，2018年FDA批准了一种新的“组织不可知”抗癌药物这对所有表现出特定基因突变的肿瘤都有效。该药物在55名患者(其中4名患有肺癌)身上取得了显著疗效，因此获得了快速审批。“我们现在说，每个肺癌患者都应该检测这种基因，”克里斯说。“基于四个病人，之前所有的指导方针都被抛弃了。”但沃森不会仅仅因为四个病人就改变结论。为了解决这个问题，斯隆·凯特琳的专家创造了“合成病例”，让沃森可以从中学习，基本上是具有特定人口统计学特征和癌症特征的虚构患者。“我相信分析;我相信它能揭开真相，”克里斯说。“但当涉及到癌症时，它真的不管用。”
你同意吗?
有几项研究将沃森肿瘤科的癌症治疗建议与医院肿瘤科医生的建议进行了比较。一致性百分比表明沃森的建议与专家的治疗方案相匹配的频率。
资料来源:《临床肿瘤学杂志》2017;2017年癌症研究;JCO临床癌症信息学2018
意识到沃森无法独立地从医学文献中的突发新闻中提取见解只是第一个打击。研究人员还发现，它无法像预期的那样从患者的电子健康记录中挖掘信息。
在MD安德森，研究人员让沃森处理白血病患者的健康记录，并很快发现处理这些记录是多么困难。没错，沃森拥有非凡的NLP技能。但在这些记录中，数据可能缺失，或以模糊的方式记录，或按时间顺序记录。在一个2018年的论文发表在肿瘤学家该团队报告称，其沃森技术支持的肿瘤专家顾问在从医疗记录的文本文档中提取信息方面取得了不同的成功。在处理诊断等清晰概念时，它的准确率在90%到96%之间，但在处理治疗时间表等依赖时间的信息时，准确率只有63%到65%。
对人工智能超级医生梦想的最后一击是，研究人员意识到沃森无法将新患者与之前来过的癌症患者进行比较，这些患者已经发现了隐藏的模式。斯隆·凯特琳和MD安德森都希望人工智能能够模仿他们的肿瘤学专家的能力，后者在为新患者设计策略时，会借鉴他们在患者、治疗方法和结果方面的经验。一台可以做同样类型的人群分析的机器——更严格，使用更多的病人——将是非常强大的。
但医疗保健系统目前的标准并不鼓励这种真实世界的学习。MD Anderson的肿瘤专家顾问只发布了与官方医疗指南和医学文献中发表的研究结果相关的“基于证据的”建议。如果人工智能系统的建议是基于它在医疗记录中发现的模式——例如，某种类型的患者服用某种药物效果更好——那么它的建议就不会被认为是基于证据的，而这是医学的黄金标准。如果没有科学研究的严格控制，这样的发现只会被认为是相关性，而不是因果关系。
Kohn曾在IBM工作，他和其他许多人认为，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。“金本位制并不是真正的黄金，”科恩说。科恩说，人工智能系统可以考虑比临床试验中所代表的更多因素，并可以将患者分为更多类别，以提供“真正的个性化护理”。基础设施也必须改变:医疗机构必须同意共享其专有和隐私控制的数据，以便人工智能系统可以从多年来跟踪的数百万患者中学习。
根据轶事报道在美国，IBM一直难以为其沃森肿瘤学产品在美国找到买家。一些肿瘤学家说，他们相信自己的判断，不需要沃森告诉他们该怎么做。另一些人则表示，这只表明了他们很清楚的标准治疗方法。但是克里斯说，一些医生发现它可以作为他们与紧张的病人分享的即时第二意见。克里斯说:“尽管它不完美，也很有限，但还是很有帮助的。”IBM的销售代表在美国以外的地区运气更好，印度、韩国、泰国等地的医院都采用了这种技术。其中许多医院都自豪地在营销中使用IBM沃森品牌，告诉患者他们将获得人工智能癌症治疗。
插图:Eddie Guy
在过去的几年里，这些医院已经开始发表关于他们使用沃森肿瘤学的经验的研究。在印度，马尼帕尔综合癌症中心的医生评估了沃森对638例乳腺癌的疗效发现治疗建议的一致性为73%;由于在转移性乳腺癌方面表现不佳，其得分下降。沃森在韩国嘉川大学吉尔医学中心的表现更差656名结肠癌患者的最佳建议与专家的匹配率只有49%。医生们报告说，沃森在治疗老年患者时表现不佳，没有建议使用某些标准药物，而且对某些转移性癌症患者，沃森存在一个bug，导致它建议进行监测，而不是积极治疗。
这些研究旨在确定Watson for Oncology的技术是否能像预期的那样发挥作用。但还没有研究表明它对患者有益。UCSF的Wachter说，这对公司来说是一个日益严重的问题:“IBM知道赢在哪里冒险!而与纪念斯隆·凯特琳的合作将会让他们走进大门。但他们需要相当快地展示出对硬结果的影响。”Wachter说IBM必须让医院相信这个系统是值得投资的。他说:“他们取得成功真的很重要。”成功是一篇文章新英格兰医学杂志这表明，当我们使用沃森时，病人的表现更好，或者我们节省了资金。”Wachter仍在等待这样的文章出现。
斯隆凯特林的克里斯并不气馁;他说，这项技术只会越来越好。“作为一种工具，沃森具有非凡的潜力，”他说。“我确实希望那些拥有脑力和计算机能力的人能坚持下去。这是一个漫长的过程，但值得。”
一些成功的故事正在出现从沃森健康——在某些狭窄和受控的应用中，沃森似乎在增加价值。以。为例沃森用于基因组学该产品是与北卡罗来纳大学、耶鲁大学和其他机构合作开发的。遗传学实验室使用该工具为执业肿瘤学家生成报告:沃森输入列出患者基因突变的文件，只需几分钟就能生成一份描述所有相关药物和临床试验的报告。“我们使实验室能够规模化，”他说凡妮莎Michelini他是IBM杰出工程师，领导了该产品的开发和2016年的发布。
沃森处理基因信息相对容易，这些信息以结构化文件的形式呈现，没有歧异——要么有突变，要么没有。该工具不使用NLP来挖掘医疗记录，而是只使用它来搜索教科书、期刊文章、药物批准和临床试验公告，在这些地方它寻找非常具体的声明。
IBM在北卡罗来纳大学的合作伙伴发表了第一篇关于有效性的论文沃森基因组学在2017年。在这项研究中，有32%的癌症患者发现了人类评估中没有发现的潜在重要突变，这使得这些患者成为新药或刚刚开始的临床试验的良好候选人。但到目前为止，还没有迹象表明沃森基因公司会带来更好的结果。
美国退伍军人事务部在全国70多家医院使用沃森进行基因组学报告迈克尔•凯利他是退伍军人事务部肿瘤学国家项目主任。退伍军人事务部首先将该系统用于肺癌，现在用于所有实体肿瘤。凯利说:“我确实认为它改善了病人的护理。”他说，当退伍军人事务部肿瘤医生决定治疗方案时，“这是他们可以带到讨论中的一个信息来源。”但凯利表示，他并不认为沃森是一个机器人医生。“我倾向于把它想象成一个机器人，一个医学图书管理员大师。”
大多数医生可能会很高兴有一个人工智能图书管理员随叫随到——如果这是IBM最初向他们承诺的，他们今天可能不会那么失望。沃森健康的故事是一个关于傲慢和炒作的警示故事。每个人都喜欢雄心壮志，每个人都喜欢登月，但没有人愿意爬进一枚不能工作的火箭。
本文以“IBM Watson, Heal yourself”为题发表在2019年4月的印刷版上。
- IBM的沃森试图学习一切——IEEE频谱›亚博真人yabo.at
- IBM沃森的下一个挑战:现代化遗留代码- IEEE…;
- 未来的人工智能将像人类一样推理，IBM沃森开发者…;
- 沃森健康部门的裁员揭示了IBM在人工智能方面的问题;
- Paige的AI诊断技术正在彻底改变癌症诊断- IEEE Spectrum›亚博真人yabo.at
- 7揭示ai失败的方式
- 人工智能可以使空调性能提高10倍- IEEE Spectrum›亚博真人yabo.at
- 人工智能有利于医疗保健吗?- 亚博真人yabo.atIEEE Spectrum›
- 人工智能可以洞察谁对抗抑郁药物有反应- IEEE Spectrum›亚博真人yabo.at
