►韩国第一位接管沃森肿瘤赞助治疗的癌症患者，正和嘉川大学吉医学中央的肿瘤专家一起浏览自己的疾病信息。
来源：嘉川大学吉医学中央

编者按：

最近，IBM公司用于赞助年夜夫设计癌症治疗方案的AI产品沃森被曝出诸多问题，包括可能开出危险和缺点的癌症治疗方案。
这会对医疗AI行业产生什么样的影响？从事医疗AI研究或家当化的几位专家表达了他们的意见。

撰文 | 蒋海宇

责编 | 陈晓雪

● ● ●

“这个产品非常糟糕。
我们当时为了医院推广购买这个产品，希望它能实现IBM流传宣传的愿景。
结果大多数情形下，它根本没用。
”美国佛罗里达朱皮特医疗中央（Jupiter Medical Center）的一名年夜夫，当着IBM高管的面，这样评价他们的沃森肿瘤（Watson for Oncology）。

对，便是那个曾被看好，也激起许多争议的医疗赞助人工智能系统沃森。
沃森肿瘤的利用非常大略：只需将患者个人信息（比如病历、成像报告等）输入系统，系统便基于大量的医学研究、医学指南、临床试验等信息，推举得当的治疗方案，供年夜夫参考。

7月25日，美国康健医疗媒体STAT曝出，IBM公司的内部文件显示，用于赞助年夜夫设计癌症治疗方案的AI产品沃森问题不小：除了上面那种来自用户的抱怨，还会开出危险和缺点的癌症治疗方案。

沃森肿瘤是IBM在医疗人工智能领域的主要产品，能够根据患者病历等信息供应包括乳腺癌、肺癌、直肠癌、结肠癌等多种癌症的治疗方案，互助者有纪念斯隆-凯特琳癌症中央 （Memorial Sloan Kettering Cancer Center）、梅奥医院（Mayo Clinic）、奎斯特诊断公司（Quest Diagnostics）等医疗领域的著名机构。
根据个中国代理公司官网，海内已经有20多个省的近80家医院引进沃森肿瘤会诊中央。

STAT收到的内部文件，是时任IBM 沃森医疗部门实行康健官（Health’s deputy chief health officer）Andrew Norden于2017年夏天，在公司内部报告上用的幻灯片。

据STAT的宣布，IBM在这份报告里，对沃森的批评绝不留情，要点包括：

△沃森系统的演习，利用的不是真实患者的数据，而是假想患者的假想数据。

△演习数据不足。
幻灯片展示了八种癌症。
截至报告发布当天，演习数据量最高的肺癌只有635例，而最低的卵巢癌只有106例。

△演习沃森时，对假想患者推举的治疗方案，是基于纪念斯隆-凯特琳癌症中央专家的方案，而非医疗指南或真实证据。

△在对假想环境进行试验时，沃森开出了不得当且危险的治疗方案。
比如，它为一个显示有可能正严重出血的肺癌患者，推举同时利用化疗和安维汀。
然而，安维汀可能引起严重的出血，不应推举给已经出血的患者。

△用来评估沃森系统和癌症专家间方案相似性的实验，可能有倾向性，使两种方案很随意马虎相同。

人工智能公司 Nara Logics的CEO Jana Eggers在接管STAT采访时指出，沃森系统显然没有利用医疗系统中的大数据，“我搞不懂，明明有真人的真实数据，为什么他们还要生造出一堆抱负的病人出来？”

一些专家认为，如果这些假想数据对真实患者状况有代表性，也能很好地演习沃森。
不过，“我们还须要看到数据有代表性的证据”，斯坦福大学生物信息研究中央副教授Jonathan Chen说。

事实上，对沃森的质疑从未断过。
早在去年2017年，STAT就揭橥过一份对沃森医疗人工智能系统的调查，对上述问题都有提及。
原IBM 沃森研究中央的Claudia Perlich教授，在2017年接管美国科技媒体Gizmodo采访时，更直言沃森医疗是“小儿科”，“我们数据科学共同体的认知是，沃森能做的，你都该当可能找到免费软件来实现，或者自己做一个。
”

这次的内部文件，更多是暴露了IBM自身对沃森局限性的认知。

今年5月，IBM对其沃森医疗部门进行裁员。
IBM发言人Ian Colley见告电气电子工程师学会（IEEE），只有少量沃森医疗部门事情职员被裁掉，裁员也只是部门精简的一部分。
然而，被裁掉的一名工程师透露，大约有80%的员工被迫离职。
“离职的都是主要技能职员，以及和客户面对面打交道的人，可不是无关紧要的行政职员。
”这名工程师说。

人工智能在医疗中有很多运用处景，包括医学影像、基因组信息处理、药物研发、康健数据管理、导诊机器人等等。
临床诊疗方面的运用对现有医疗实践影响最显著，以是最受关注。
沃森肿瘤这种试图根据患者信息，推举治疗方案的运用，只是个中一种，也不是主流。

目前在临床方面，医疗人工智能多与医学影像干系，着重在为年夜夫供应各式工具，或优化已有影像工具，以帮助他们诊断或治疗。

比如，人工智能诊断工具可以从医学影像中识别人眼看不见，或者随意马虎看漏的病灶。
在这方面，根据CT影像识别肺结节筛查肺癌，是目前最常见的运用之一。

►利用机器学习，识别肺结节。
图片来源：Vatsal Sodha, Medium

也有团队在用机器学习提升医学影像的成像速率和质量。
照过X光片的人，可能记得，年夜夫会让病人屏住呼吸。
这样做的目的，是为了防止呼吸运动影响成像。
X光成像只需几秒钟，但正电子发射打算机断层扫描（PET）常日要进行十几分钟，就不是屏住呼吸能办理的了。
目前很多研究团队，通过自动门控技能，修复呼吸对PET成像的影响。

►原始PET成像（a）和利用自动门控技能纠偏过的PET成像（b），（b）图的伪影更少了。
图片来源：Walker et al. 2018。

人工智能也可将2D影像变成3D影像，帮助外科年夜夫进行手术。
清华大学廖洪恩教授带领的微创诊疗与三维影像实验室，将医学图像智能化剖析利用在血管内参与手术，让年夜夫能瞥见手术导管在血管里的详细位置。
他们的评估显示，影像中导管形状与实际导管的偏差仅为2.23 ± 0.87 毫米（Chen et al. 2017）。
目前该研究还在进行动物实验。
除此之外，他们还将该技能用于骨科移植，让年夜夫能瞥见患者股骨的三维形态，帮助年夜夫匹合营适的植入物。

►血管内参与手术示意图

（来源：Capture Vascular, YouTube）

还有一些运用，中国科学院自动化研究所研究员田捷见告《知识分子》，是通过人工智能帮助患者避免不必要的手术。
外科大夫在为结直肠癌病患做手术前，会为患者做一个赞助化疗，以掌握癌症的发展，之后再进行手术。
一部分病患在赞助化疗往后，病情已经完备缓解，但年夜夫无法判断患者体内是否还有癌细胞。
田捷先容，他所在研究所和北大肿瘤医院的互助研究，通过剖析医疗影像，有90%的把握把那些已经缓解的患者筛选出来，免受开刀。

北美放射医学大会这样描述未来的医学影像中央：“医学影像中央就像飞机驾驶舱一样，是各种各样信息的综合体；而未来的年夜夫则相称于翱翔员，要处理各种各样的信息”。
田捷很赞许这个说法，并补充道，“在我看来，AI不会替代年夜夫，只会更有效地赞助年夜夫。
而年夜夫也不应畏惧新兴技能，而是积极地去利用它，利用它。
”

从实验室里的人工智能研究，到实验室外的商业化产品，过程并不大略。
亿欧智库的一项统计显示，11家千万级以上的医疗人工智能企业中，有7家都与医疗影像干系。
现在已经有多家公司进驻各大三甲医院。
这些产品紧张利用目标识别，针对某个疾病，赞助诊断疾病。

由于目前的人工智能产品都只针对单项任务，对年夜夫的帮助有待不雅观察。
比如，腾讯觅影针对肺部的影像，识别肺结节。
“年夜夫看片时不但找出结节，还需对结节定性。
其余，我们肺里还有其他病变，比如：还可能有窒息，可能还有支气管扩展，还有肺的纤维化等。
”广东省公民医院影像医学部主任兼放射科主任梁长虹指出，“如果系统能把五、六种常见病的查找结合在一起，那将知足胸片阅读事情90%以上，才基本上能说帮助到我们年夜夫，减轻我们的包袱。
”

谈到这次沃森肿瘤问题被曝，东软医疗首席科学家黄峰认为，IBM的问题不会影响到中国的干系家当。
“人工智能的浸染是多方面的，IBM选择了风险最大的运用。
海内企业要务实的多。
”黄峰说。

目前来看，医疗人工智能的商业前景还不明朗。
“我认为他们现在还缺少比较好的商业模式，基本都没有产生盈利，基本上还在探索商业模式及利用数据完善产品。
”梁长虹说，“现在基本上是把系统给到医院，利用医院的现有数据，对系统进行演习。
”在这个意义上，目前人工智能对医院数据的依赖，要大于医院对人工智能系统的需求。

“人工智能赞助诊疗系统尚未获批正式用于临床。
用于临床之前，它们须要通过药监局的安全性和有效性的审批。
而目前为止，没有任何一个别系得到审批。
”田捷说。

参考文献：

1. IBM’s Watson supercomputer recommended ‘unsafe and incorrect’ cancer treatments, internal documents show, STAT,https://www.statnews.com/2018/07/25/ibm-watson-recommended-unsafe-incorrect-treatments/

2. Layoffs at Watson Health Reveal IBM’s Problem With AI, IEEE, https://spectrum.ieee.org/the-human-os/robotics/artificial-intelligence/layoffs-at-watson-health-reveal-ibms-problem-with-ai

3. Why Everyone Is Hating on IBM Watson—Including the People Who Helped Make It, Gizmodo, https://gizmodo.com/why-everyone-is-hating-on-watson-including-the-people-w-1797510888

4. Chen, Fang, Jia Liu, and Hongen Liao. \"大众3D Catheter Shape Determination for Endovascular Navigation Using a Two-Step Particle Filter and Ultrasound Scanning.\"大众 IEEE transactions on medical imaging 36, no. 3 (2017): 685-695.

5. Walker, Matthew D., Kevin M. Bradley, and Daniel R. McGowan. \"大众Evaluation of principal component analysis-based data-driven respiratory gating for positron emission tomography.\"大众 The British journal of radiology 91, no. 1085 (2018): 20170793.

6.《2018中国医疗人工智能发展研究报告》，亿欧智库，2018

制版编辑 | 皮皮鱼

本页刊发内容未经书面容许禁止转载及利用

公众年夜众号、报刊等转载请联系授权

copyright@zhishifenzi.com

商务互助请联系

business@zhishifenzi.com

知识分子为更好的智趣生活 ID：The-Intellectual