作為行業最早的玩家，IBM在AI領域的一舉一動總能引發熱議。最近，傳言再起，有報道稱IBM人工智能醫療部門沃森健康大幅裁員五到六成，其“醫療AI宣告失敗”，輿論嘩然。

　　醫療是人工智能落地的明星領域，深度學習海量醫學論文、影像判讀正確率超過人類醫生等消息層出不窮，人們寄希望于醫療AI改革傳統的醫療體系，緩解醫療資源不足和不均，走向精準醫療、健康管理。但沃森健康的受挫，讓醫療AI領域唱衰聲不斷。

　　“芯片實驗室”

　　“沃森現在的問題大多數來源于過度宣傳，如自動讀取病例、自動診斷病情、做的比人類醫生好，都是不切實際的。”美國華盛頓大學計算機系教授陳一昕直言，“沃森的前期宣傳很高調，后來出現開錯藥等消息時，輿論反彈明顯。但沃森可以提升臨床決策效果和水平。”

　　總之，沃森的“鍋”，不該醫療AI來背;直接說“失敗”，也是又一次“標題黨”。

　　陳一昕看來，醫療AI的優勢很明顯，也已經在某些領域有突破，“目前來看，人工智能適用于規則比較清晰的醫療領域，比如有大量標注數據的、規則清楚、訓練標簽清晰、結果定義明確的，像食道癌。另外是單病種的細分領域，比如心電圖的自動判讀。還有比如在更廣闊的新藥研發領域，付費方明確，有大量外包需求，是很有前景的。”

　　不過，人工智能在醫療領域的落地存在特殊性，需要跨越的障礙很多。“整體來講，醫療領域本身偏保守封閉，由醫療機構和醫生主導決策，容錯率極低。不像消費類應用投入大、試錯機會多。”眾海投資投資副總裁陳冬東表示。

　　最明顯的是數據的匱乏——由于數量少或難以訪問，可以用于訓練AI醫療產品的數據不足，限制了產品的進化。不只沃森，這是醫療機器學習普遍面臨的問題。“雖然我國人口的診療基數很大，但是合格、高質量的數據其實很少。同時由于體制和授權的原因，去獲取這些數據的難度和壁壘是很高的。”陳冬東說。

　　采訪中陳一昕提到，以沃森引以為傲的提供癌癥治療方案的能力來說，用于訓練它的肺癌病例其實只有六百多例。“整體來看，人工智能醫療領域的絕大部分產品還處在打磨、試錯的階段。技術能力不是一蹴而就的，監管體系的建設、心理障礙的跨越等都需要時間。醫療AI的付費方也還不明確，從醫院到患者，付費意愿都不強，推廣難度大。”他說。

　　“人工智能和醫療的結合，從來不只是一個技術問題。”陳冬東說，“誰來付費？誰來擔責？出了錯患者能否接受？再說目前國內的人工智能醫療產品還沒有一家拿到醫療器械許可證，走不到商業化那一步。雖然監管機構積極推進，但面對這個新生事物，還是要經歷從無到有的過程。”

　　專家點評：

　　AI要想進化首先需要大量可靠的數據標簽，在數據有限、且額外需要人工標注的情況下，說AI可以超過高水平的人類醫生是不現實的。但也不能否認AI醫療近年來在產學研的共同努力下進步很快。技術會服務于特定場景，人和機器各有優勢，所以人機協同才是AI醫療的未來。在這個層面上，既不需要對技術抱過高期待，也不能因為一點負面消息就全盤否認，那都不是科學的態度。

　　但以往媒體一提起AI就容易一驚一乍，連帶著大眾也有了不切實際的期待，一旦出現不盡人意的情況，再一哄而上踩幾腳。我相信人工智能是能解決問題的，但大家的期待要在合理范圍內。

　　任何一項新技術的孕育都需要一個良好的環境，讓它從實驗室到落地，產生實在的價值。這個過程中，從科研界到市場，從媒體到大眾，都需要客觀冷靜的態度和更多彈性。