【小哈划重点：美国华盛顿大学计算机系教授陈一昕直言，沃森的“锅”，不该医疗AI来背，“沃森的前期宣传过于高调，后来发现实际效果达不到时，舆论反弹明显。但沃森可以提升临床决策效果和水平，不能把宣传的失误等同于AI医疗的失败。”】
作为行业最早的玩家，IBM在AI领域的一举一动总能引发热议。最近，有报道称IBM人工智能医疗部门沃森健康大幅裁员五到六成，“医疗AI宣告失败”，舆论哗然。
医疗是人工智能发展的明星领域。深度学习海量医学论文、影像判读正确率超过人类医生等消息层出不穷，人们寄希望于医疗AI改革传统的医疗体系，缓解医疗资源不足和不均，走向精准医疗、健康管理。但沃森健康的受挫，让医疗AI领域唱衰声不断。
“沃森现在的问题相当一部分来源于过度宣传，如宣传在自动读取病例、自动诊断病情等方面做得比人类医生还要好，这些宣传是与现实脱节的。”美国华盛顿大学计算机系教授陈一昕直言，沃森的“锅”，不该医疗AI来背，“沃森的前期宣传过于高调，后来发现实际效果达不到时，舆论反弹明显。但沃森可以提升临床决策效果和水平，不能把宣传的失误等同于AI医疗的失败。”
在陈一昕看来，医疗AI的优势很明显，也已经在某些领域有突破，“目前来看，人工智能适用于规则比较清晰的医疗领域，比如有大量标注数据的、规则清楚、结果定义明确的细分领域，像某些单病种癌症筛查，心电图的自动判读、 急重症评估、心血管并发症预测等等。还有比如在更广阔的新药研发领域，由于付费方明确，有大量外包需求，都是很有前景的。”
不过，人工智能在医疗领域的落地存在特殊性，需要跨越的障碍很多。“整体来讲，医疗领域本身偏保守封闭，由医疗机构和医生主导决策，容错率极低。不像消费类应用投入大、试错机会多。”众海投资副总裁陈冬东表示。
最明显的是数据的匮乏——由于数量少或难以访问，可以用于训练AI医疗产品的数据不足，限制了产品的进化。不只沃森，这是医疗机器学习普遍面临的问题。“虽然我国人口的诊疗基数很大，但是合格、高质量的数据其实很少。同时由于体制和授权的原因，去获取这些数据的难度和壁垒是很高的。”陈冬东说。
采访中陈一昕提到，以沃森重点发展的提供癌症治疗方案的能力来说，用于训练它的肺癌病例其实只有六百多例。“整体来看，人工智能医疗领域的绝大部分产品还处在打磨、试错的阶段。技术能力不是一蹴而就的，监管体系的建设、心理障碍的跨越等都需要时间。医疗AI的付费方也还不明确，从医院到患者，付费意愿都不强。”他说。
“人工智能和医疗的结合，从来不只是一个技术问题。”陈冬东说，“谁来付费？谁来担责？出了错患者能否接受？再说目前国内的人工智能医疗产品还没有一家拿到医疗器械许可证，走不到商业化那一步。虽然监管机构积极推进，但面对这个新生事物，还是要经历从无到有的过程。”
专家点评
王金桥 中科院自动化研究所 研究员
AI要想进化首先需要大量可靠的数据标签，在数据有限，且需要人工标注的情况下，说AI可以超过高水平的人类医生是不现实的。但也不能否认AI医疗近年来在产学研的共同努力下进步很快。技术会服务于特定场景，人和机器各有优势，所以人机协同才是AI医疗的未来。在这个层面上，既不需要对技术抱过高期待，也不能因为一点负面消息就全盘否认，那都不是科学的态度。
但以往媒体一提起AI就容易一惊一乍，连带着大众也有了不切实际的期待，一旦出现不尽人意的情况，再一哄而上踩几脚。我相信人工智能是能解决问题的，但大家的期待要在合理范围内。
任何一项新技术的孕育都需要一个良好的环境，让它从实验室到落地，产生实在的价值。这个过程中，从科研界到市场，从媒体到大众，都需要客观冷静的态度和更多弹性。
