標籤:

IBM沃森健康大規模裁員,:「沃森」不是AI醫療的正確打開方式?

IBM沃森健康大規模裁員,:「沃森」不是AI醫療的正確打開方式?

投壺智庫由醫健各個細分領域的專家組成,現已涵蓋新葯研發、醫藥外包、醫療器械、體外診斷、人工智慧+、生物信息與基因科技、營銷推廣、醫學專家、醫藥商業、互聯網醫療、大健康產業基金等各個細分領域的智囊專家近200位。其中國家千人專家及中科院院士十餘位。他們將協助醫療大健康領域茁壯發展,賦能投融資對接。今天我們邀請投壺智庫專家成員,對近日發生的熱點事件進行獨道點評,詳見以下:

IBM沃森健康大規模裁員,AI醫療到底是不是噱頭?

據外媒消息,IBM沃森健康(IBM Watson Health)自5月24日起將裁掉約50%-70%的員工,包括美國本土和其他一些國家的員工。事實上,近年來沃森布局醫療人工智慧的步伐從未停止,但成績並不顯著,有分析人士表示,雖然沃森具有十分廣闊的發展前景,但就目前而言,沃森距離真正為IBM創造價值還為時尚早。AI醫療到底是不是噱頭?

投壺智庫專家 閆維新教授

上海交通大學機械與動力工程學院教授 博士生導師

(文末附專家簡介)

一、請您簡要分析一下此次新聞的主角——IBM的人工智慧Watson機器人?

IBM研發的人工智慧醫療方案Dr. Watson(以下稱「沃森醫生」),目前以輔助治療方案推薦為主,它的智能系統構架也比較完善。「沃森醫生」更像是一件智能檢索的工具,即依據文獻、指南等醫學資料對醫生的診斷結果進行判別,在資料庫中進行檢索,從而獲得治療方案,節約了醫生查詢指南的時間。但是「沃森醫生」僅以醫療文獻、病例病史和醫學影像為訓練集樣本,這一層次的樣本數量有限,如果數據量不足,將導致「沃森醫生」的診斷結果和治療推薦方案與人類專家的結果出現一定的偏差,且它的治療推薦方案可追溯不強。此外,「沃森醫生」並沒有真正解決醫生每天面臨的巨大診斷工作量的問題,這種工作模式並不能真正發揮人工智慧的優勢。

另一方面,「沃森醫生」的收費模式也值得商榷。「沃森醫生」的收費對象是病人,容易造成以下就診流程:病人先和醫生交流,由醫生進行初步診斷,然後將診斷結果交由「沃森醫生」進行複核。這相當於變相地質疑醫生的診斷結果,極易加大患者和醫生之間的矛盾。作為醫生,可能對該流程比較反感。

綜上所述,「沃森醫生」並沒有給醫生診斷結果的出具和治療方案的制定提供實質上的幫助,而是向病人收取不菲的開機費用。「沃森醫生」就是一個智能的醫學文獻檢索工具,而不是真正意義幫助提高患者診斷的準確性。「沃森醫生」與我們定義的人工智慧——依據海量病人樣本多組學多中心聯動模式下建立特定的疾病模型有距離。我認為,人工智慧在醫療領域的正確應用方式是做到疾病的檢出、定性和分級分期,才是構成精準診療決策的關鍵。

二、「沃森醫生」模式能否在應用於中國?

「沃森醫生」很難大規模應用於國內的醫院,我認為原因有以下幾點:

1、「沃森醫生」所收集各種醫學數據的數量遠遠不夠。疾病診斷不僅僅是讀片,是一個多組學的問題,涉及很多內容。診斷是以病理為金標準,以影像組學、蛋白組學、微生物組學、基因組學等作為輔助,是一個多中心聯動的、綜合海量數據的決策。而針對不同疾病的模型,數據的構建方法也不一樣的。目前「沃森醫生」的數據量還達不到這種要求;

2、「沃森醫生」的很多樣本和數據來源於國外,不同地域的患者有一定差異性,「沃森醫生」沒有針對所應用區域人群的個體情況進行樣本數據的重新訓練和模型建立,因此其應用範圍和診斷準確率有限;

3、「沃森醫生」和國內醫院對接深度極為有限。對於我國的醫院,患者的樣本、病理、病例和病歷都是一個醫院的財富,醫院對於患者的數據具有保護不被泄露的義務。因此醫院在本質上會排斥與商業企業進行患者數據上的深入合作。

4、具有診療功能的人工智慧要給醫生提出指導意見,是一個非常慎重的事情。並不能通過簡單的文獻檢索就能搞定的,一定需要CFDA的監管。

三、您認為建立一個AI診斷中心的正確方式是怎樣?

在國內建立人工智慧的診斷中心,是一個依託政府和各級醫院的巨大工程。需要由政府做推手,各大醫院進行樣本開放,並且投入大量的醫生資源進行疾病模型建立,在海量樣本數據(這裡的樣本是指有效樣本,不單純是數據)的支持下才可能真正得到建立。

在執行層面,AI診斷中心需要和大醫院進行深入綁定,但首先要解決兩個問題:一是人工智慧輔助診療的CFDA註冊問題,也就是它的合法性問題,根據政策趨勢來看,2018年8月進入註冊名錄。第二是收費問題。目前醫院收費項目沒有人工智慧讀片費和診療費,需要讓它進入收費項目的名錄,才能讓從事人工智慧的公司真正獲得利潤,完善人工智慧公司的商業模式。

對於醫院來說,可以通過提供樣本、樣本數據處理、醫生的介入來參與AI醫療的建設,真正的商業化運作不能由醫院來完成,需要商業公司與多家醫院深入合作來實現。而數據也不能僅僅針對單一病種的樣本,需要大量病種的模型和大量的數據,這個數據量之大還是需要運用人力收集、挖掘與錄入。畢竟人工智慧是先「人工」才能後「智能」。

總體上來說,目前的人工智慧醫學還沒有建立很好的商業模式。行業內跟風嚴重,需要一個應用示範點的推進。

四、您認為目前人工智慧可以在哪些醫療場景有著實質的應用突破?或者說哪些場景下我們對人工智慧的需求比較迫切?

現階段的人工智慧在影像、病理方面可以有所應用。以仁濟醫院放射科為例,科室日均門診量3000-5000人,海量的醫學影像數據都是人工進行判讀,工作量非常巨大;病理科更甚,染色後的顯微圖像都需要人工一點點進行識別。如果應用了人工智慧,可以大大減少醫生的工作量。在多組學下,尤其是影像組學和其他檢驗數據相關聯,可以輔助臨床醫生進行判讀,提高診斷的準確性。在此基礎上,診斷的效率可以明顯提高,醫院即可以提高就醫量,解決醫療資源供應緊張問題。最後,我們可以發展遠程協作醫療、異地診療,解決醫療資源分布不均勻的問題。

值得一提的是,人工智慧不能替代醫生,只是輔助醫生,減少醫生的工作量,提高醫生診療的準確性。人工智慧永遠不要站在醫生的對立面。

五、請您總結一下AI+醫療的今後發展方向,以及各方需要做出哪些努力?

我認為,行業的短期方向是在多中心聯動的基礎上,進行疾病的檢出、定性和分級分期,做到幾種常見疾病的精準診療決策。長期方向則是人工智慧和醫學影像、病理學、組學(代謝組學、蛋白組學、基因組學、微生物組學、生活方式、臨床病史等)、學術文獻、診斷指南等數據資料的深入交叉,才能做到人工智慧的精準輔助診療,關鍵是輔助診療而不是替代。AI替代人工進行診斷為時尚早,也不符合發展AI的初衷。

我認為發展「AI+醫療」,政府需要出面做推手,開放醫院的現有樣本數據,在主要醫院開展多中心聯動覆蓋及聯合應用,建立人工智慧數據公共平台,合力推動「AI+醫療」技術的發展,形成人工智慧精準輔助診療服務的示範應用和輻射能力。

…………………………………………………………………………………………………………

閆維新,博士畢業於上海交通大學機械與動力工程學院機器人研究所。現任上海交通大學博士生導師。榮獲2016年蘇州市姑蘇領軍人才、2016年江蘇省雙創博士稱號。

閆維新是中國首個全自動烹飪機器人發明人之一,目前主要從事服務機器人智能控制理論與應用、高精度智能檢測與主動控制系統的研究工作,同時將機器人學、精密機械製造、自動控制理論與流體力學相結合,開展了基於微流控和人工智慧的生物醫療診斷方法以及醫療康復類機器人的研究。對於人工智慧在醫學影像領域的應用有著多年的深入研究與思考。圍繞人工智慧在醫學領域應用的主題,閆博士連續四次接受解放日報報道(1次整版專訪)和一次新華社瞭望周刊報道。

閆維新自2014年開始,完成了上肢、下肢、手指手腕等多款康復外骨骼機器人的功能樣機並進入醫院進行臨床測試。他專註於人工智慧和微流控技術在醫療領域的應用研究基礎,探討機器人應用技術與生物醫療診斷方法相結合的新路線,結合分子病理學診斷,在良惡性腫瘤病理診斷、分子診斷核心技術的研發方面具有豐富的經驗。他建立了基於卷積神經網路的人工智慧訓練平台,在細胞形態學和分子生物學上對腫瘤細胞進行病例分析。


推薦閱讀:

從Think 2018,看IBM技術的亮點與布局
海康研究院SP VS 華為SP VS IBM offer,該如何選擇?
HPE 和 IBM 的沒落
量子計算機工作原理
開標在即,該不該給他打電話?先喝酒!

TAG:裁員 | IBM | 健康 |