人類豐滿的 AI 夢，正撞上冰冷的現實。1 月 19 日，據《華爾街日報》引用知情人士報導，IBM 考慮出售 Watson Health 業務，可能的方案包括賣給私募股權公司、醫療企業或與特殊目的收購公司（SPAC）合併。
Watson Health 部門主要負責使用 AI 幫助醫院、保險公司和製藥企業處理數據。《華爾街日報》援引知情人士報導，年收入約 10 億美元，但目前未盈利。
IBM 在 2020 年 4 月迎接新 CEO 阿爾溫德‧克里希納（Arvind Krishna）。上任後，克里希納著手簡化公司業務線，使雲端計算更有競爭力。如 Watson Health 真的出售，對 IBM 的 AI 業務來說，無疑是不小的挫折。
曾想替人類解決腫瘤治療
長久以來，Watson 都是 IBM AI 業務的招牌，也是人類最初充滿野心的 AI 夢代表。
2011 年，深度學習方法剛重新定義，仍未掀起 AI 浪潮。但此時 IBM 的 Watson 就在美國最受歡迎的智力競答節目《危險邊緣》，擊敗節目史上最成功的兩位人類選手。
Watson 展現出強大的自然語音理解能力。要贏得比賽，必須分析大量文字找到線索，然後搜尋大量資料庫，檢索可能的答案。擊敗兩位人類冠軍後第二天，IBM 宣布 Watson 的新職業目標：AI 醫生。
從邏輯看，Watson 在節目展現的能力，似乎可移植到醫學領域──都是先理解自然語言（患者的電子病歷），然後檢索資料庫（治療方案和最新醫學文獻），最終得出答案。此方案的價值在於，每天有近 8 千篇醫療文章發表，醫生一篇篇讀不可能，AI 能幫助醫生閱讀最新醫學成果。
2013 年，IBM 更將研究重心聚焦於腫瘤治療，人類還無法攻克的醫學挑戰。2015 年，IBM 成立專部門：Watson Health，可見當時決心。IBM 前 CEO 羅睿蘭（Virginia Rometty）曾把 Watson Health 稱為公司的「登月計畫」。
眾所周知，AI 的基礎是大量訓練資料。為了獲得數據，IBM 花費約 40 億美元收購 4 家醫療領域數據驅動型公司，分別是 Phytel、Explorys、Merge Healthcare 和 Truven Health Analytics。2016 年，成立僅兩年的 Watson Health，員工規模達 1 萬多人。
發展重點的腫瘤治療領域，Watson Health 吸引許多著名合作機構，包括安德森癌症中心、紀念斯隆─凱特琳癌症中心、梅奧診所、奎斯特診斷公司。2016 年 8 月，Watson Health 還進軍中國，推出「健康中國」生態圈共贏計畫。
聲勢壯大的宣傳、數額龐大的併購、權威機構合作，IBM 透過一系列動作讓外界對 Watson Health 的期待非常高。畢竟，用最尖端的 AI 技術解決最困難的醫療問題，聽起來就非常性感。
不過，後來發展事與願違。安德森腫瘤中心曾與 IBM 合作，為腫瘤學家創建諮詢工具，是利用自然語言處理技術彙整患者的電子健康紀錄，然後匹配資料庫提供治療建議。安德森癌症中心投入 6,200 萬美元，但最終結局卻是雙方 2017 年 2 月終止合作。
業界開始對 Watson Health 產生懷疑，問題也接踵而至。2018 年 5 月，美國媒體 The Register 報導，Watson Health 部門要解僱約 50%~70% 員工，引發巨大震動。不過後來科技媒體 IEEE Spectrum 報導，被裁員工主要來自收購的三家公司 Phytel、Explorys 和 Truven。大量收購使公司面臨人力過多問題，為裁員埋下了伏筆。
但這些都是表面現象，歸根究柢，Watson Health 的致命點在於，診斷結果不準確。
2018 年 8 月《華爾街日報》報導，沒有任何發表的研究表明，Watson 提升患者的治癒率。有十幾位使用過系統的機構和醫生回饋，癌症應用收效甚微，某些情況下還會出錯。且由於缺乏罕見病例數據，Watson 的更新速度跟不上癌症治療的發展速度。
丹麥某醫院研究指出，Watson 的診斷方案，與專家僅 30% 重疊，因此拒絕採購 Watson 系統。德國媒體也曾報導，德國兩家機構實際應用後發現，Watson 對症狀特殊的病人會開給致命藥物。2018 年 10 月，IBM Watson Health 當時 CEO Deborah DiSanzo 宣布離職。
一切都不可逆轉指向最終結局，如今終於傳出 IBM 尋求出售 Watson Health 的消息。失去業界信心，再丟掉雄厚資金後援，人類最早的 AI 明星前景，不再明朗。
AI 夢該醒了？
目前 AI 應用於醫療最普遍的場景是辨識醫療影像，如視網膜眼底影像。而 Watson 挑戰的是診斷，且還是醫學難度最大的腫瘤治療領域，Watson Health 面臨資料和 AI 智慧的雙重挑戰。
資料層面，大部分醫療資料是非結構化資訊，如醫生撰寫病歷和出院總結。雖然 AI 的自然語言理解能力進步飛快，但比人類依然差很多。圖靈獎得主約書亞‧本希奧（Yoshua Bengio）曾表示，AI 無法理解醫學文本歧義，也無法找到人類醫生會注意到的細微線索。
另一方面，有些罕見病例的數據往往難以取得。《中國工業和資訊化》雜誌 2020 年篇文章指出，分析 Watson 數據發現，罕見病例研究中，本來應該餵給 Watson 大量真實數據找到新治療方法，但罕見病例本就缺乏，Watson 被灌入一堆沒什麼用的假設數據，並不是真正的病人數據。這種透過假設數據學習的 AI，準確性可想而知，更出現罕見病例 Watson 誤診。
全球領先的醫學資訊平台 Medscape 2018 年報導指出，Watson 學習根源有問題──並沒有使用足夠真實病例學習，負責訓練它的人，僅是紀念斯隆‧凱特琳癌症中心的腫瘤學家和 IBM 工程師。Watson 大量訓練時間用於掌握上述腫瘤學家設計的理想化病例和治療方案。訓練用真實病例數量很少，最多的肺癌也僅 635 例，最少的卵巢癌更只 106 例。
IBM 曾努力取得資料，花 40 億美元收購 4 家公司，但融合面 IBM 低估了複雜程度。《中國工業和資訊化》雜誌文章指出，IBM 前員工和前客戶的醫院管理人員說，雖然收購大量資料，但融合時發現需要花費難以想像的人力物力，還沒開始訓練就讓人筋疲力盡。巨大的經濟壓力和暗淡前景之前，各合作夥伴只能選擇終止合作，留個爛尾。
AI 目前的智慧程度，難以配合腫瘤治療的複雜性。AI 的本質是統計學，得出的結論局限於人類訓練員提供的數據，無法像專業醫生，獨立生成新的見解。
也就是說，Watson 只能比人類專家更快得出相同結果，無法治療人類醫生治不了的病。
巨大的風險面前，醫生只會將 Watson 的診斷結果當參考，依然要進行大量臨床研究。IBM 的宣傳說，Watson 能憑著強大的計算能力發現人類看不到的地方。但事實證明，AI 的智慧遠未到這程度。Watson 對醫生的意義，也就大打折扣。
Watson Health 的挫折反映出 AI 用於醫學診斷的困難重重，但並不意味 AI 醫療領域沒有前景。圖像分析、基因分析和製藥領域，都有不少公司探索 AI 的應用場景。即使是診斷領域，IBM 的 Watson 沒做好，也不意味其他人做不好。至少，後來者可在 Watson 基礎上學到一些經驗。
（本文由 品玩 授權轉載；首圖來源：shutterstock）
科技新報粉絲團
加入好友
訂閱免費電子報
