人类丰满的 AI 梦，正撞上冰冷的现实。1 月 19 日，据《华尔街日报》引用知情人士报导，IBM 考虑出售 Watson Health 业务，可能的方案包括卖给私募股权公司、医疗企业或与特殊目的收购公司（SPAC）合并。
Watson Health 部门主要负责使用 AI 帮助医院、保险公司和制药企业处理数据。《华尔街日报》援引知情人士报导，年收入约 10 亿美元，但目前未盈利。
IBM 在 2020 年 4 月迎接新 CEO 阿尔温德‧克里希纳（Arvind Krishna）。上任后，克里希纳着手简化公司业务线，使云端计算更有竞争力。如 Watson Health 真的出售，对 IBM 的 AI 业务来说，无疑是不小的挫折。
曾想替人类解决肿瘤治疗
长久以来，Watson 都是 IBM AI 业务的招牌，也是人类最初充满野心的 AI 梦代表。
2011 年，深度学习方法刚重新定义，仍未掀起 AI 浪潮。但此时 IBM 的 Watson 就在美国最受欢迎的智力竞答节目《危险边缘》，击败节目史上最成功的两位人类选手。
Watson 展现出强大的自然语音理解能力。要赢得比赛，必须分析大量文字找到线索，然后搜寻大量数据库，检索可能的答案。击败两位人类冠军后第二天，IBM 宣布 Watson 的新职业目标：AI 医生。
从逻辑看，Watson 在节目展现的能力，似乎可移植到医学领域──都是先理解自然语言（患者的电子病历），然后检索数据库（治疗方案和最新医学文献），最终得出答案。此方案的价值在于，每天有近 8 千篇医疗文章发表，医生一篇篇读不可能，AI 能帮助医生阅读最新医学成果。
2013 年，IBM 更将研究重心聚焦于肿瘤治疗，人类还无法攻克的医学挑战。2015 年，IBM 成立专部门：Watson Health，可见当时决心。IBM 前 CEO 罗睿兰（Virginia Rometty）曾把 Watson Health 称为公司的“登月计划”。
众所周知，AI 的基础是大量训练资料。为了获得数据，IBM 花费约 40 亿美元收购 4 家医疗领域数据驱动型公司，分别是 Phytel、Explorys、Merge Healthcare 和 Truven Health Analytics。2016 年，成立仅两年的 Watson Health，员工规模达 1 万多人。
发展重点的肿瘤治疗领域，Watson Health 吸引许多著名合作机构，包括安德森癌症中心、纪念斯隆─凯特琳癌症中心、梅奥诊所、奎斯特诊断公司。2016 年 8 月，Watson Health 还进军中国，推出“健康中国”生态圈共赢计划。
声势壮大的宣传、数额庞大的并购、权威机构合作，IBM 透过一系列动作让外界对 Watson Health 的期待非常高。毕竟，用最尖端的 AI 技术解决最困难的医疗问题，听起来就非常性感。
不过，后来发展事与愿违。安德森肿瘤中心曾与 IBM 合作，为肿瘤学家创建咨询工具，是利用自然语言处理技术汇整患者的电子健康纪录，然后匹配数据库提供治疗建议。安德森癌症中心投入 6,200 万美元，但最终结局却是双方 2017 年 2 月终止合作。
业界开始对 Watson Health 产生怀疑，问题也接踵而至。2018 年 5 月，美国媒体 The Register 报导，Watson Health 部门要解雇约 50%~70% 员工，引发巨大震动。不过后来科技媒体 IEEE Spectrum 报导，被裁员工主要来自收购的三家公司 Phytel、Explorys 和 Truven。大量收购使公司面临人力过多问题，为裁员埋下了伏笔。
但这些都是表面现象，归根究柢，Watson Health 的致命点在于，诊断结果不准确。
2018 年 8 月《华尔街日报》报导，没有任何发表的研究表明，Watson 提升患者的治愈率。有十几位使用过系统的机构和医生回馈，癌症应用收效甚微，某些情况下还会出错。且由于缺乏罕见病例数据，Watson 的更新速度跟不上癌症治疗的发展速度。
丹麦某医院研究指出，Watson 的诊断方案，与专家仅 30% 重叠，因此拒绝采购 Watson 系统。德国媒体也曾报导，德国两家机构实际应用后发现，Watson 对症状特殊的病人会开给致命药物。2018 年 10 月，IBM Watson Health 当时 CEO Deborah DiSanzo 宣布离职。
一切都不可逆转指向最终结局，如今终于传出 IBM 寻求出售 Watson Health 的消息。失去业界信心，再丢掉雄厚资金后援，人类最早的 AI 明星前景，不再明朗。
AI 梦该醒了？
目前 AI 应用于医疗最普遍的场景是辨识医疗影像，如视网膜眼底影像。而 Watson 挑战的是诊断，且还是医学难度最大的肿瘤治疗领域，Watson Health 面临资料和 AI 智慧的双重挑战。
资料层面，大部分医疗资料是非结构化资讯，如医生撰写病历和出院总结。虽然 AI 的自然语言理解能力进步飞快，但比人类依然差很多。图灵奖得主约书亚‧本希奥（Yoshua Bengio）曾表示，AI 无法理解医学文本歧义，也无法找到人类医生会注意到的细微线索。
另一方面，有些罕见病例的数据往往难以取得。《中国工业和资讯化》杂志 2020 年篇文章指出，分析 Watson 数据发现，罕见病例研究中，本来应该喂给 Watson 大量真实数据找到新治疗方法，但罕见病例本就缺乏，Watson 被灌入一堆没什么用的假设数据，并不是真正的病人数据。这种透过假设数据学习的 AI，准确性可想而知，更出现罕见病例 Watson 误诊。
全球领先的医学资讯平台 Medscape 2018 年报导指出，Watson 学习根源有问题──并没有使用足够真实病例学习，负责训练它的人，仅是纪念斯隆‧凯特琳癌症中心的肿瘤学家和 IBM 工程师。Watson 大量训练时间用于掌握上述肿瘤学家设计的理想化病例和治疗方案。训练用真实病例数量很少，最多的肺癌也仅 635 例，最少的卵巢癌更只 106 例。
IBM 曾努力取得资料，花 40 亿美元收购 4 家公司，但融合面 IBM 低估了复杂程度。《中国工业和资讯化》杂志文章指出，IBM 前员工和前客户的医院管理人员说，虽然收购大量资料，但融合时发现需要花费难以想像的人力物力，还没开始训练就让人筋疲力尽。巨大的经济压力和暗淡前景之前，各合作伙伴只能选择终止合作，留个烂尾。
AI 目前的智慧程度，难以配合肿瘤治疗的复杂性。AI 的本质是统计学，得出的结论局限于人类训练员提供的数据，无法像专业医生，独立生成新的见解。
也就是说，Watson 只能比人类专家更快得出相同结果，无法治疗人类医生治不了的病。
巨大的风险面前，医生只会将 Watson 的诊断结果当参考，依然要进行大量临床研究。IBM 的宣传说，Watson 能凭著强大的计算能力发现人类看不到的地方。但事实证明，AI 的智慧远未到这程度。Watson 对医生的意义，也就大打折扣。
Watson Health 的挫折反映出 AI 用于医学诊断的困难重重，但并不意味 AI 医疗领域没有前景。图像分析、基因分析和制药领域，都有不少公司探索 AI 的应用场景。即使是诊断领域，IBM 的 Watson 没做好，也不意味其他人做不好。至少，后来者可在 Watson 基础上学到一些经验。
（本文由 品玩 授权转载；首图来源：shutterstock）
