AI醫療的神話真的被輿論筑得有點太高了！人們應該把關注落到地上，AI工具越來越多地走進中國醫院，醫生的真實使用感受如何？AI真的能輔助決策？還能幫醫生“做科研”，“發論文” ？ 答案，恐怕比你想的要復雜，要精彩…
當DeepMind 宣布讓AlphaGo “退休”，組建 DeepMind Health 大舉進軍智能醫療之后，這家名震一時的公司也未能免俗地陷入了商業變現的泥石流。
兩年多的時間里，DeepMind Health 在醫療領域取得了不少成果，包括研發出
能在幾秒鐘內比人類眼科專家更準確地檢測出 50 多種眼疾的 AI
。然而，或許是 AlphaGo 留下的光芒過于耀眼，DeepMind 沒能再次創造出舉世轟動的奇跡。
2018年11月，谷歌母公司 Alphabet 宣布重組，將 DeepMind 醫療業務拆分出來，并入新組建的 Google Health 部門。原有的 DeepMind Health 將不再作為獨立的子品牌存在。
這一舉措體現了谷歌下注智能醫療的決心，同時也反映了當前智能醫療創業公司普遍所面臨的困境——DeepMind 無疑是世界最頂尖的 AI 研發團隊，連他們都啃不動的骨頭，其他人該從何處下口？
于是，很多人開始擔心，智能醫療的泡沫是不是就快要破了？
智能醫療急不得，IBM Watson 已經前行十幾年
時間拉回到 7 年前。
2011 年，IBM 的認知計算系統 Watson 在美國最受歡迎的智力問答電視節目《危險邊緣》中擊敗了人類冠軍，在全美乃至世界范圍內掀起了不啻 AlphaGo 的人工智能熱潮。
隨后，IBM 宣布讓 Watson 進軍包括醫療在內的一系列商業領域，直到今天，在不少人心目當中，IBM Watson 都是“智能醫療”的代名詞。
2015年，IBM 組建了 Watson Health 部門，致力于找到人工智能與其他技術的最佳整合方式，助力醫療及健康領域的專業人士應對全球最嚴峻的醫療挑戰。
IBM 組建 Watson Health 部門，致力于用人工智能助力醫療健康
如今，IBM Watson Health 已經發布了 150 多個解決方案，覆蓋醫療支付、服務提供、政府管理、生命科學四大領域，形成了一個貫穿醫療健康領域多個關鍵環節的創新認知和解決方案完整鏈條，除了一系列正在研發的認知科技解決方案之外，已經發布的包括：
Watson 健康及認知服務平臺
Watson 照護管理
Watson 藥物研發解決方案
Watson 腫瘤解決方案
Watson 基因解決方案
Watson 臨床試驗匹配解決方案
Watson 醫療影像分析解決方案
醫療不僅是醫學問題，也是社會問題。Watson Health的案例說明，除了領先的技術以及與頂級醫院或醫學院達成合作，智能醫療要落地，還需要找對場景，找準商業模式，說服政策制定者、監管部門、醫院領導、臨床醫生、患者及家屬、保險公司等無數當事人，以及十年乃至更久的時間。
要做到這一切，如果不依托資金雄厚且在行業里有大量積累的平臺型公司，幾乎是不可能實現的。不管你愿不愿意承認，智能醫療是巨頭的游戲，這也是Alphabet出面整合組建Google Health的原因之一。
有了人工智能，醫學治療的將不再是一些毛病，而是人類本身。基于病人的臨床癥狀和觀察結果，不同人的健康狀況之間存在著很大的差距，不僅僅是身體素質，還包括這個人的社會經濟地位、家庭環境、成長歷史。
除了基因和醫療，社會經濟地位、家庭環境和個人生活習慣都對一個人的健康和壽命有影響。來源：Kaiser Family Foundation
理想的智能醫療，能夠將這些社會決定因素以及決策支持系統考慮進去，而決策支持系統則是建立在廣泛的標準和各式各樣的任務上。例如，基于過去在類似患者上做過的工作開展深度個性化護理，或者指導醫護人員獲取最新信息，幫助他們做出最有效的決策。
作為智能醫療最早的踐行者，IBM Watson Health 目前已有兩款產品進入中國：Watson 腫瘤解決方案 (Watsonfor Oncology, WfO) 和 Watson 基因解決方案 (Watson for Genomics, WfG)。
根據在中國推廣 WfO 和 WfG 的百洋智能科技提供的數據，截至 2018 年 11 月 4 日，Watson 腫瘤解決方案 (WfO) 已經在中國 20 多個省份、40 多座城市共 81 家醫院簽約落地。此外，有 261 家醫院使用過 WfO，系統內注冊醫生 1133 人，使用過這一系統的醫生有 785 人，共有 4 萬多名患者體驗過 Watson 腫瘤系統的服務。
中國醫生使用 Watson 的真實感受：高效？有用？
“Watson 可以幫助年輕醫生成長，提高資深醫生的效率，避免醫生出錯，是不知疲倦、不耍脾氣的忠實助手，還是毫無保留的互動者。”中國臨床腫瘤學會 (CSCO) 常務理事、秘書長江澤飛表示：“AI 之于醫生就像 GPS 之于駕駛，為新司機指路省心，為老司機引路省力。”
同濟大學附屬上海市第十人民醫院腫瘤科主任、腫瘤學教研室主任、主任醫師許青舉了這樣一個例子。他們接收了一位罹患十二指腸癌的病人，將患者信息輸入 WfO 后得到了非常好的病例推薦。
Watson 腫瘤解決方案 (WfO) 操作界面。來源：IBM Watson Health
“當時，Regorafenib（拜耳公司開發的口服多激酶抑制劑，靶向血管生成，基質和致癌受體酪氨酸激酶。自 2009 年以來，它被研究作為多種腫瘤類型的潛在治療選擇，2015 年已獲得兩項美國先進癌癥批準）還沒有上市，WfO 就已經推薦使用這個藥物了。”許青教授說。
去年開始，這個病人進行了 Regorafenib 的臨床應用。“WfO 給出的建議治療方案里，不僅有用藥方案，比如 160 毫克一天，用 21 天，休息一周，28 天一個周期，還會列出這些藥不適合跟其它藥物的聯合應用，以及備案反應的情況，比方說在亞洲患者里面，有消化道出血的病人、有穿孔的病人要特別謹慎。”
“對剛剛上市的藥品來講，WfO 對臨床醫生，特別是年輕臨床醫生的輔助是非常重要的。不僅如此，WfO還會打印出很多患者教育的材料，告訴患者應該注意哪些問題。”
助力遠程醫療和會診平臺
上海、北京、廣州等地的大醫院都承擔著一些附屬醫院的會診工作，但讓這些醫院的醫生每次都去現場指導是不現實的。IBM Watson 可以讓大醫院的醫生從去隱私、脫敏的病人基本信息輸入到病情的分期、病理診斷方案、用藥的順序對附屬醫院的醫生進行演示，對遠程會診、遠程醫療起到比較好的作用。
許青教授表示，上海十院應用了 WfO 之后，他們與河南周口市中醫院腫瘤科主任張躍強的團隊做了多次基于 IBM WfO 的遠程會診，大家都非常滿意，通過這種方法，患者能夠得到符合國際最新標準的規范化治療。
南京市第一醫院腫瘤科的陳錦飛教授團隊，利用 WfO 與哈佛大學的教授進行了多學科的遠程會診討論，實現了便利的國際交流。
多學科會診中客觀中立的專家
在像腫瘤這樣的復雜疾病診療過程中，會采取一種叫做“多學科專家組會診”的方法。多學科協作診療模式 (Multi-Disciplinary Team, MDT) 指的是臨床多學科工作團隊，針對某一疾病進行的臨床討論會，從而制定出治療方案。
在腫瘤診療中，通常包括腫瘤外科、腫瘤內科、介入科、放療科、影像科、病理科及護理團隊和基礎研究團隊。在歐美國家，多學科診療模式 (MDT) 已成常態，英國甚至已經立法，規定每一位癌癥患者都需經過 MDT 綜合治療。
但參與會診的各個專科醫師從自身角度出發，給出的診療意見往往不同，有時候很難達成一致。“一些 MDT 的組長因為個人知識層面的局限性，可能會出現一些偏差。老司機開車偶爾也會繞彎路，”許青教授說：“這個時候如果有電子化、第三方客觀的規范的指引，就能確保 MDT 大的方向不會犯錯，引導 MDT 朝著一個比較正確的方向發展。”
當專家意見不能達成一致時，醫生只需要在 Watson 腫瘤系統中輸入患者的各項病例信息，Watson 就能快速給出治療方案，包括推薦方案、考慮方案和不推薦方案三檔，以及推薦與否的原因。Watson 得出的結論都是科學客觀且符合循證醫學原理的，不但能提高會診效率，還能在一定程度上保證會診的討論和質量。
許青教授介紹，上海十院在原有的 MDT 模式上進行了創新，讓患者及其家屬也參與到診療過程當中，這種人工智能 + 多學科專家會診 + 患者及其家屬的“三位一體”模式，“讓患者非常滿意”。
在國內最早引入規范化、制度化 MDT 的浙江大學醫學院附屬邵逸夫醫院，MDT 人工智能決策已經參與到了遠程 MDT 中，比如邵逸夫醫院和美國梅奧醫院（2017-2018年度美國最佳醫院排名第一的醫院）的遠程會診。患者不出家門，就能得到各地專家最新的治療方案。
醫院教學和醫生培訓的工具
傳統的病例教學主要采取“師帶徒”的形式，不同的老師帶出來的學生水平也不盡相同。有時候同一個病例，不同的老師即使結論相同，但給到學生的解釋卻有差別。相比之下，給 Watson 輸入同一個病例，一定會得到相同的結論和解釋，這對于學生的規范化培養起到了很大的幫助。
此外，每個病例的復雜程度也不一樣，有時候臨床帶教老師非常辛苦，WfO 就成了一個很好的教學工具，能夠不厭其煩地把診治流程詳盡地解釋給年輕醫生，后者在學習過程中，也了解了從診斷到治療方案的選擇是怎樣一個過程。
“每個周四
“每個周四我們都會安排兩到三例的患者做教學查房，也會邀請其他學科進行討論，建立了相關的較完整的多學科病例討論的模式。”許青說。
資深醫師的助手
除了年輕醫生，Watson 對資深醫生也能起到幫助作用。在如今信息爆炸的時代，醫療信息幾乎每天都在更新，“我感覺大學五年學的東西到現在幾乎沒用，”江澤飛說：“知識更新這么快，我們會面對一個巨大的問題，很多書讀了后才知道沒什么用，或者就封面上一句話有用。”
人工智能能讓醫生快速便捷地獲取前沿信息。WfO 曾在美國歷史最長、規模最大的癌癥中心——紀念斯隆凱特琳腫瘤中心 (MSKCC) 接受了嚴格的訓練，學習了 330 多種醫學期刊、250 本腫瘤專著及 2700 多萬份的論文研究數據，其中包括基于美國國家綜合癌癥網絡 (NCCN, 由美國 28 個癌癥中心組成的聯盟，其中大多數被美國國家癌癥研究所指定為綜合癌癥中心) 的癌癥治療指南，以及 MSKCC 在美國 100 多年癌癥臨床治療實踐經驗。
此外，許青表示，Watson 強大的文獻搜集功能和不斷更新的數據庫，還能夠幫助醫生快速調出相關文獻，省去了查閱文獻的時間，對于不熟悉領域的知識，也方便在比較短的時間里了解和掌握。
規范化管理工具
Watson 腫瘤提供的診療方案與 MSKCC 頂級專家團隊方案符合度超過 90%，覆蓋 13 個癌種。WfO 只會在已知的知識范圍內給出合適的方案，不會給出未經臨床驗證的方案，而且它還會不斷地快速學習和更新進步。
腫瘤領域都有相應的指南和規范，比如說外科的最新指南、內科的最新指南、病理科、影像的最新進展。有時候，醫生會因工作繁忙而及時無法細看。“WfO 把以往書面的或者說散的規范和指南，形成了智能化、便捷式的方式，供臨床醫生第一時間更便捷地獲得它。”許青教授說。
“指南是一個框架，Watson 是把指南個性化了，具體到某個病人身上會是什么樣子。”一位被訪專家補充說。
今年 6 月在權威醫學會議、美國臨床腫瘤醫學會 (ASCO) 年會上發表的一項研究證實，WfO 可以提高臨床決策和指南規范性，與 WfO 方案一致的胃癌患者能夠獲得更好的預后，WfG 可以輔助 NGS（高通量測序技術）伴隨診斷技術，進一步提升靶向/免疫藥物在臨床治療的精準性。
WfG 操作界面。來源：IBM Watson Health
IBM Watson 是醫生做研究、發論文的好幫手
除了作為診療決策輔助工具，IBM Watson 在醫學研究和論文發表中也發揮著越來越大的作用。
IBM Watson Health 幫助全球各地的醫療專業人員和研究人員將數據和知識轉化為洞察，做出明智的患者醫療決策。2018 年上半年，IBM 與合作伙伴一共發布了 160 多份證據，包括在同行評審醫學文獻以及美國臨床腫瘤醫學會 (ASCO)、ISPOR和 ADA 等主要科學活動中發表論文。
從 WfO 和 WfG 進入中國以來，中國的醫生做了很多的驗證和論證工作：WfO 在中國開展的驗證等各項研究 18 個，完成 9 個，發表 9 篇文章，其中在 2018 年 ASCO 年會上發表摘要 5 篇，全文投稿 2 篇；WfG 在中國開展了 10 個研究，完成了 3 個，去年有 1 篇在 ASCO 年會發表，全文投稿有 1 篇，還有幾個正在進行當中。
2018 年 ASCO 年會有 6 篇中國醫生投稿的 Watson 研究文章被收錄：廣東省人民醫院張緒超教授用 WfG 做的研究、江澤飛教授在 CSCO 發表的乳腺癌研究、北大腫瘤醫院武愛文教授的 2 篇論文、南京大學第一醫院陳錦飛教授的胃癌研究，還有許青教授的文章。
全新的醫學研究工具
許青教授介紹，上海十院參與了美國臨床腫瘤學年會，向國外醫療機構分享“三位一體”模式。相關論文在 ASCO 發表。
北大腫瘤醫院把 WfO 在二期結腸癌高危患者當中提出的治療方案，與北腫的 MDT 的決策團隊對比，結果發現，Watson與醫院方案的符合率高達89.1%，與國內頂級醫院的決策高度一致。
另外一研究來自南京市第一醫院陳錦飛教授團隊，研究人員調取 300 多位胃癌術后經治患者的病歷資料和治療方案，以重演的方式，把病人的資料輸入 WfO，將 Watson 的推薦方案與醫生實際使用的方案進行一致性對比。結果發現，跟 Watson 推薦方案一致病人的存活率是 29.2 個月，不一致的存活率是 25 個月。不要小看這 4 個月的時間，事實上，有時候一款新的腫瘤藥物也只能延長患者幾個月的生命。
發現新的治療路徑或疾病影響因素
北卡羅萊納州立大學對 1000 多個病例做了回顧性的對比研究，之前分子腫瘤學專家團隊要發現這些可治療的突變需要很長時間，而 WfG 只花了不到 3 分鐘，就發現了人類專家找到的 99% 的突變。不僅如此，WfG 發現了額外的 32% 病例中的突變，這是人類專家原先沒有發現的。美國腫瘤癌癥中心的負責人 Norman Sharpless 教授專門為這個對比性研究寫了一篇文章，證明了使用認知計算能夠更好更快地對基因數據進行精確的分析。
廣東省人民醫院張緒超教授團隊使用 Watson 基因組學解決方案 (WfG)，對 115 例肺癌患者的 NGS 數據進行解讀，發現專家組平均每周解讀 10 例，而 WfG 可以在 30 分鐘內完成 10 例樣本數據的解讀。比較后發現，WfG 的解讀結果不僅將專家組的解讀結果完全覆蓋，而且 56.52%的樣本 (65例) 由 WfG 解讀出額外可干預的變異位點 (actionable mutation)。
今年 ASCO 年會發表的另一篇中國醫生論文，使用 WfG 在 43% 的樣本中發現了和人工標記出同樣的基因突變，在剩下 57% 的樣本中識別出平均 1.54 個額外基因突變。
在 CSCO 的盛會上，江教授的學生總結認為，WfO 的優勢是堅持證據優先，文獻支持、立足數據不糾結，做到學習、吸收，同時要重視創新和提高。
現階段進步有限，但未來的醫療必定是 AI 輔助的醫療
當然，IBM Watson Health 還有很多需要提高的地方。
近來關于 Watson 的負面新聞也甚囂塵上。但在所有這些事件中，沒有任何一件是直接針對 Watson 的技術提出質疑。實際上，縱覽當前智能醫療業界，Watson Health 是當之無愧的前瞻者。
如果非要說 Watson 沒有達到預期，在很大程度上是因為人們把智能醫療技術給“神化”了，還有就是缺乏對 Watson 工作原理的了解。
優質醫療大數據
與所有的機器學習系統一樣，Watson 認知計算也需要大量的數據。美國的臨床醫療數據庫里，積累了醫生在臨床實踐中留下的成千上萬個病人的標注數據。但是，這些標注是醫生為了輔助他們自己的工作進行的，往往不適合用于訓練人工智能系統。
而為了訓練智能系統，請醫生專門對大量的醫療圖像進行標注又是不現實的，因為這需要耗費大量的人力和時間成本。此外，不同于其他類型的數據標注，醫療圖像標注需要豐富的臨床經驗，即使是資深醫生，有時候也會在某個標注上產生意見分歧。
因此，這件事情只有靠計算機設計深度學習算法來完成。而要設計深度學習算法，關鍵就是帶有準確標記的醫療圖像大數據。于是，這就成了一個典型的進退兩難問題。
上面說的，還僅僅只是醫療的二維圖像數據，更不用提 fMRI、電子病例、保險單等等等等各種不同類型的數據。
從 2015 開始，IBM 就一直在醫療數據收購方面大力投入，迄今已經投資了 40 多億美元用于收購醫療技術公司，包括醫療數據公司 Explorys 和 Truven，醫療管理軟件公司 Phytel，醫學成像軟件公司 Merge Healthcare。
Explorys 和 Phytel 擁有 1 億脫敏的病例資料；Truven 有 2 億的醫保索賠紀錄；Merge Healthcare 有 3000 萬份醫學影像。到目前為止，IBM 匯聚了總量超過 60 萬 TB，覆蓋約 3 億人口的去隱、脫敏數據。
基于循證醫學，為醫生提供建議
除了數據，還有一個更加本質的問題。Watson 腫瘤解決方案內部有一個非常先進的基于循證醫學的決策支持引擎，由 IBM Watson 和 MSKCC 的專家共同開發并訓練。
在訓練時，WfO 首先會接收到護士、醫生所填的去隱私的與患者相關的具體的屬性和具體的病例情況，這個引擎能夠進行自動化的分析，之后它將會利用自動檢索、自然語言處理、個性化分析、自動推理等技術，動態分析各類假設和問題，為醫生提供一系列的推薦治療方案建議，哪些方案是根據循證醫學是優選的，哪些是次選的，并且每項建議都會列舉出具體的循證醫學證據。
Watson認知決策系統工作流程示意圖。來源：seekingalpha.com
但是，這反過來也意味著，當沒有明確的證據時，Watson 就沒有訓練數據，因此反饋診療建議也就無從談起。
這里要特別強調一下，Watson 腫瘤解決方案是不做診斷的。WfO 是一個輔助決策支持系統，它僅僅是為醫生提供治療的選擇方案，最終的決策權是在醫生和患者的手中。
最好的學生和老師
Watson 最大的特點，就在于它能快速地學習和進步。
而這給了未來醫療無限的可能。
2017年，Watson “醫生”新增癌種 4 個，新增治療 6 項，各項指標都在持續地升級和改進。到 2018 年，WfO 已經覆蓋了 13 個癌種，分別是乳腺癌、肺癌、直腸癌、結腸癌、胃癌、宮頸癌、卵巢癌、前列腺癌、膀胱癌、肝癌、甲狀腺、食管癌和子宮內膜癌。
未來兩年 Watson 還
將新增 3 個癌種。
“很快，IBM Watson 腫瘤解決方案就會納入中國的指南。我們也要感謝中國醫生在使用過程中提出的建設性意見，這使得我們的系統越來越成熟。”IBM Watson Health 副總健康官、腫瘤學家 Nathan Levitan 表示。將來，Watson 腫瘤將更適合中國的醫患。
Nathan Levitan 說：“Watson 腫瘤并不是一個靜態的系統，這個系統正在與全球范圍內的醫生合作，并根據當地的市場需求做出微調和改善。同時，它也是不斷豐富自身的功能，學習更多的內容。”