IBM 在数据获取上曾做过努力,花费 40 亿美元收购了 4 家公司,但在数据融合上,IBM 低估了复杂度。上述《中国工业和信息化》杂志文章指出,IBM 前员工和前客户的医院管理人员说,虽然收购了大量数据,但在融合各种各样的数据时发现需要花费难以想象的人力物力,还没开始训练,就让人筋疲力尽。在巨大的经济压力和暗淡的前景面前,各个合作伙伴只能选择终止合作,留下一个烂尾楼。
AI 目前的智能程度,更是难以匹配肿瘤治疗的复杂性。AI 的本质是统计学,它所得出的结论局限于人类训练员提供的数据,而无法像一个专业医生一样,独立生成新的见解。
也就是说,Watson 只能比人类专家更快地给出相同的诊断结果,而无法治疗人类医生治不了的病。
在巨大的风险面前,医生只会将 Watson 的诊断结果作为参考,依然会进行大量临床研究。在 IBM 的宣传中,Watson 能够凭借着强大的计算能力发现人类看不到的模式。但事实证明,AI 的智能远未到这个程度。Watson 对医生的意义,也就大打折扣。
Watson Health 的挫折反映出 AI 应用在诊断上困难重重,但这并不意味着 AI 在医疗领域没有前景。在图像分析、基因分析和制药领域,都有不少公司在探索 AI 的应用场景。即使是在诊断领域,IBM 的 Watson 没做好,也不意味着其他人做不好。至少,后来者可以在 Watson 上学到一些经验。一名中国AI医疗企业的创始人就对品玩说,无论AI领域创业者,公司还是投资人,都在变得务实,按今天AI与医疗的现状,与其一上来就瞄准高精尖问题,倒不如先用自己的技术解决一下医院院长的痛点。这样自己的公司也能活下去,AI也真的能体现点价值。