文章主题：AI医生, Watson, 不靠谱, 治疗建议
近年来，人工智能大举入侵我们的生活，大有干掉人工的架势，除了一些机械的重复性工作被替代，不少重视经验、智识和创造力的职业也面临被替代的风险，比如：医生。
五年前，IBM的当家AI——大名鼎鼎的Watson高调进军医疗领域。不少人都在观望着他能否在医疗领域掀起一场技术革命。
然而，Watson和它的团队最近日子并不太顺利，不仅经历过几次裁员，暴露出令人担忧的缺陷，还遭到合作伙伴的弃用。而这些事的背后，其实是整个医疗AI领域面临的困境：医学很复杂，AI不能做的还有很多，比如给癌症患者开药。
不靠谱的AI医生四处“行医”
美国健康新闻网站STAT在上月末的报道中指出，Watson向医生提供“不安全和不准确的治疗建议”，这一结论得自IBM的内部文件。根据这份文件，训练Watson的数据并非全部来自真实患者，而是合成的案例或假设的患者。此外，Watson针对每种癌症给出的建议，也基于少数专家的专业知识，而不是医疗指南或医学证据。
🌟案例揭示：面对肺癌并发严重出血，AI顾问Watson给出的治疗方案包括化疗与贝伐珠单抗。然而，这可能引发致命出血风险，通常情况下，临床专家会避免使用此类药物以防止病情恶化。在这个病例中，智慧与谨慎并存，医生的专业判断不可或缺。
🌟【医疗科技巨头】Watson的未来诊疗之路引发了热议——尽管官方坚称这只是初步的测试计划，未曾应用于实际临床环境，但其已经在某种程度上实现了”医疗服务”的突破。🔍然而，这样的技术进步是否真的能让人心安？毕竟，这款人工智能已经在医疗领域崭露头角，它的每一次”处方”都牵动着无数患者的心弦。👩⚕️
图 | IBM
IBM 表示Watson能够为13种癌症提供治疗方案，为8万余名患者提供过帮助。全世界有230家医院使用该系统，其中包括宣武医院、中山大学附属肿瘤防治中心和复旦大学附属肿瘤医院等多家国内医院。
🏆【IBM Watson肿瘤解决方案：合作之路的曲折与挑战】🔍🌟尽管Watson肿瘤解决方案曾一度备受瞩目，引领医疗科技潮流，但最近《华尔街日报》的一则报道揭示了其坎坷的一面——12家合作伙伴和客户已选择调整或暂停该项目。这不是孤立事件，MD安德森癌症中心的退出，背后是6200万美元巨额投资后的现实考验与挣扎。🌟🔍IBM与医疗界的蜜月期并非一帆风顺，技术进步与实际应用之间的差距，以及数据质量和收益不达预期，成为阻碍其发展的关键因素。这些挑战不仅挑战了IBM的技术实力，也对行业合作伙伴的决策产生了深远影响。🔍💡面对这样的现实，IBM或许需要重新审视其战略，调整方向以适应不断变化的市场需求和技术革新。而医疗领域，也需要更深入地评估AI技术在临床实践中的真正价值，以确保每一分钱都花在刀刃上。💡🏆无论未来走向如何，Watson肿瘤解决方案的故事无疑为我们提供了一个宝贵的教训——科技与实际需求的结合并非易事，但每一次挫折都是通往成熟和进步的重要一步。🌟
从“答题明星”转型成的“癌症专家”
还记得Watson是怎么出道的吗？2011年，超级电脑Watson在知识竞答节目中击败人类，这在当年绝对是轰动性新闻。而当“答题明星”淡出人们视线时，Watson凭借“癌症专家”又火了一次，摇身成为人工智能医疗的领军者。
Watson参加《Jeopardy!》节目 | 美联社
在电子病历日益普及的当下，Watson健康携手多方伙伴，致力于利用大数据的力量，通过深度整合与分析医疗信息，以期为临床医师带来精准诊疗方案。这一创新举措引发了广泛热议，许多机构和专业人士对此充满期待，坚信它将显著缩短诊断流程，并可能引领医学领域产生革命性突破，带来前所未有的洞见。🌟
一些研究结果似乎也证实Watson在某些方面的医疗前景。例如一项研究表明，专家需要会诊160小时的脑癌病例，Watson在10分钟内就给出了治疗方案。还有IBM高级副总裁约翰•凯利（John E. Kelly）最近提到的，Watson给出的乳腺癌治疗方案能达到和专家93%的一致率。
然而，Watson的真本事仍然令人存疑。一方面，现实环境要比实验设定复杂得多，这些研究的结果有多大的意义还不好说。而据STAT报道，IBM与合作方进行的研究甚至可能有偏向性，只会得出他们想要的结果。
图 | IBM
🌟改写版：根据使用Watson的医疗专家反馈，这款人工智能工具在提供实用建议及高度智能表现上并未达到预期水准。据《明镜周刊》报道，德国两家机构的研究揭示了令人担忧的事实——在实际操作中，Watson往往无法准确处理基础病症，例如胸痛。即使当医生输入这一常见症状时，诊断结果中并未包含心脏病和心绞痛等基本选项，反而错误地指向了罕见的传染病。这凸显出其临床效能上的局限性。
越来越多的专家开始质疑，Watson只是被炒作和营销夸大的产品。
🌟【医疗AI挑战】IBM Watson医疗助手遭质疑，业内专家发声💥在医学界的热门话题中，IBM的Watson健康解决方案引发了不小的争议。据一位身处纽约的专业医师透露，这款人工智能工具在处理教材案例时似乎力不从心，其表现甚至不如一些经验丰富的实习生。他直言：“Watson的诊断精准度有待提高，实习生往往能提供更周全的治疗建议。”这话可谓一针见血。另一位医生更是直接，当着IBM高管的面，毫不保留地表达了对其产品的失望，用“坨X”来形容，可见其对技术的实际应用效果感到极度不满。这样的评价无疑给IBM带来了挑战，也引发了业界对于AI医疗应用真实效能的深思。尽管Watson在医疗领域的探索备受瞩目，但这些质疑并非全然否定，它们提醒我们，技术的发展需要与临床实践紧密结合，以患者为中心的优化是关键。未来，IBM或许需要更深入地理解并解决这些问题，以赢得医生和患者们的信任。🚀
“Watson医生”的局限
要理解Watson能做到什么，做不到什么，我们需要先知道它是如何工作的。简单来说，当Watson获得足够多的数据时，能通过不断学习给出可能的答案。在这一过程中，当Watson给出正确或错误的答案时，我们要不断纠正它来提高准确率。这就意味着在训练Watson之前，我们已经知道了正确答案。
图 | IBM
因此，通过X光扫描识别恶性肿瘤还不算太难，毕竟这两者的关系相对明确一些。但制定某种癌症的治疗方案会比较复杂，Watson要给出的东西未必是我们早就教它的。事实上，我们也很难教它。它既要“消化”一系列信息，例如并发症、医疗指南、临床数据、药物的效果和副作用等，又要找出它们之间错综复杂的关系，而其中很多东西我们自己都还没搞懂。
解决这些问题，Watson得借助于大量的医疗数据。但是根据IBM的内部文件，Watson使用的训练数据并不丰富，例如，训练肺癌治疗方案的数据仅有635例。更令人担忧的是，Watson的一些数据甚至都不是真的。如果这些数据能代表真实的患者还好说，否则其适用性会很有限。
Watson还需要提升系统的识别能力。当它扫描大量文件时，必然要识别复杂的信息并从中抽取关键内容。例如，患者的病历可能包含医生的大量注释，这些注释又是由简写和短语构成的，机器想完全理解它们并非易事。
图 | IBM
最后，即使Watson只是辅助工具，我们也很难评估它对医疗决策的影响。它能在多大程度上影响医生的判断，我们又该如何应对误诊及其后果？进一步说，出了医疗问题后，谁来承担责任？从目前来看，这些问题都很难回答。
这些当然不只是Watson的问题，也是医疗AI领域的现状。虽然不断有新研究表明AI在诊断疾病方面的潜能和突破，不断有新的机构和创业公司进入这一领域，但其实我们离AI解决医疗问题还有很长的路要走。
更不用说，让人们信任AI看病，本来就是一件很难的事。毕竟有时候，有人连真正的医生都不相信。
参考文献：
[1].STAT, IBM’s Watson supercomputer recommended ‘unsafe and incorrect’ cancer treatments, internal documents show
[2].Wall Street Journal, IBM Has a Watson Dilemma
[3].Der Spiegel, Medical Applications Expose Current Limits of AI
[4].IBM, Dr. John E. Kelly III, Watson Health: Setting the Record Straight
[5].Beckers Hospital Review, 4 reasons MD Anderson put IBM Watson on hold
[6].MIT Technology Review, A Reality Check for IBM’s AI Ambitions
[7].IEEE Spectrum, Layoffs at Watson Health Reveal IBM’s Problem With AI
[8].IEEE Spectrum, IBM Watson Makes a Treatment Plan for Brain-Cancer Patient in 10 Minutes; Doctors Take 160 Hours
[9].The Washington Post, Watson’s next feat? Taking on cancer
[10].Nature, AI diagnostics need attention
[11].Quartz, When artificial intelligence botches your medical diagnosis, who’s to blame?
作者：EON
编辑：Ent、东风
一个AI
治病救人还是比答题难多了啊
本文来自果壳，谢绝转载.如有需要请联系sns@guokr.com
（欢迎转发到朋友圈~）
果壳
ID：Guokr42
整天不知道在科普啥的果壳
建议你关注一下
对，这是一个二维码
给果壳发送【二维码】告诉你原理
AI时代，掌握AI大模型第一手资讯！AI时代不落人后！
免费ChatGPT问答，办公、写作、生活好得力助手！
扫码右边公众号，驾驭AI生产力！
