Watson （沃森）——大名鼎鼎的IBM的当家AI，在最近日子并不太顺利，不仅被爆出无法在现实中胜任医生的工作，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。

很久之前，IBM 就考虑过其应用在医疗行业的可能性。医学上拥有大量患者数据似乎对 AI 明显适合，尤其是当医院和医生转向电子医疗记录时。Watson （沃森） 的记忆库保存着每一种罕见疾病的知识，它的处理器不易受到认知偏见的影响。它可以在几秒钟内处理一个棘手的病案。如果 Watson （沃森） 能够将这种即时的专业知识带给世界各地的医院和诊所，人工智能似乎有可能减少诊断错误，优化治疗，甚至帮助医生更快更好地完成工作，而不是取代他们来缓解医疗短缺，通过机器学习自己发展了这种能力。研究人员通过给 Watson （沃森） 提供数千条被标为正确或不正确的 Jeopardy! 线索和响应来训练他。在这个复杂的数据集中，AI 发现了模式，并为如何从输入（线索）到输出（正确的响应）建立了模型。

通过将 IBM 强大的 NLP 能力应用到医学领域，Watson （沃森）可以阅读患者的健康记录以及完整的医学文献集：教科书、同行评议的期刊文章、经过批准的药物清单等。有了这些数据，沃森可能会成为一名超级医生，识别出人类无法识别的模式。

在现实中，医生是一个保守的群体，而且采用新技术的速度很慢。但在医疗保健的某些领域，医学专业人士开始认为人工智能系统是可靠和有用的。大多数医生可能会很高兴有一个 AI 图书馆员随时待命，如果这是 IBM 最初承诺的，他们今天可能不会那么失望。

IBM 在癌症方面的工作就是一个很好的例子。“我认为没有人知道这会花费这久的时间或这么复杂，”Mark Kris 说。他是纽约市 Memorial Sloan Kettering 医疗中心的肺癌专家，自 2012 年以来一直领导着他的研究机构与 IBM Watson （沃森） 的合作。2015 年，Mark Kris 和其他杰出医生训练了一个人工智能系统 Watson （沃森） for Oncology 。在全美国范围内，位于休斯顿的德克萨斯大学 MD Anderson 癌症中心的杰出医师与 IBM 合作，创建了一种称为肿瘤学专家顾问的工具。MD Anderson 在白血病科做了这么多的测试，但从未成为商业产品。

Watson （沃森） 在肿瘤科的研究是通过吸收大量关于癌症的医学文献和真实癌症患者的健康记录来学习的。IBM 希望 Watson （沃森） 能够凭借强大的计算能力，研究这些记录中的数百个变量，包括人口统计学、肿瘤特征、治疗和结果，并发现人类看不到的模式。它还跟踪每天发表的大量关于癌症治疗的期刊文章。对于 Sloan Kettering 的肿瘤学家来说，这听起来像是癌症治疗方面的一个潜在突破。对 IBM 来说，这听起来是一个很棒的产品。“我想没人知道我们是为了什么，”Kris 表示。

在许多尝试中，Watson （沃森） 的 NLP 和其他许多 AI 系统一样难以理解医学文本。蒙特利尔大学计算机科学教授、AI 顶尖研究人员 Yoshua Bengio 说：“我们在使用 NLP 方面做得比五年前好得多，但我们仍然比人类差得多。”Bengio 说，在医学文本文档中，人工智能系统无法理解歧义，也无法找到人类医生会注意到的细微线索。但迄今为止，人工智能尚无法与人类医生的理解力和洞察力相匹配。

 Watson （沃森） 无法独立地从医学文献中的突发新闻中提取见解，这只是遇到的第一个问题。研究人员还发现，它不能像预期的那样从患者的电子健康记录中挖掘信息。在处理明确的概念（如诊断）时，它的准确率为 90%~96%，但对于时间依赖性信息（如疗程）的准确率仅为 63%~65%。

据报道，IBM 在美国很难找到 Watson （沃森） 肿瘤产品的买家。一些肿瘤学家说他们相信自己的判断，不需要 Watson （沃森） 告诉他们该怎么做。另一些人说，Watson （沃森） 只建议标准的治疗，他们对此很清楚。但 Kris 说，一些医生发现这是一个有用的第二种建议，他们可以与紧张的病人分享。Kris 说：“尽管它不完美，而且有限，但它是非常有帮助的。”IBM 的销售代表在美国以外的地方更幸运，印度、韩国、泰国等地的医院都采用了这种技术。这些医院中的许多在营销中自豪地使用 IBM Watson （沃森），告诉患者他们将获得基于 AI 的癌症治疗。

在对 IBM 的 AI 超级医生梦想的最终打击中，研究人员意识到 Watson （沃森） 无法将一个新病人与以前发现隐藏模式的癌症病人进行比较。研究人员希望 AI 能够模仿他们的肿瘤专家的能力，这些专家在为新病人设计策略时，利用自己对病人、治疗和结果的经验。一台可以更严格地进行相同类型人群分析的机器，并且利用更多的患者信息，将是非常强大的。

研究人员认为，为了使 AI 充分发挥其潜力并转变医学，医疗保健的标准必须改变。AI 系统可以考虑比临床试验更多的因素，并且可以将患者分为更多的类别，以提供“真正的个性化护理”。基础设施也必须改变：医疗机构必须同意共享其专有控制的隐私数据，以便 AI 系统可以从多年来接收的数百万患者身上进行学习。

在过去的几年里，这些医院已经开始发表他们与 Watson （沃森） 在肿瘤方面的经验研究。在印度，医生对 638 例乳腺癌病例进行了评估，发现治疗建议的一致率为 73%；其评分因转移性乳腺癌表现不佳而降低。在韩国，Watson （沃森） 的情况更糟，该中心 Watson （沃森） 对 656 名结肠癌患者的最佳建议与专家的建议只有 49% 匹配。医生们报告说，Watson （沃森） 在老年患者身上表现不佳，没有推荐某些标准药物，而且有一个缺陷，导致 Watson （沃森） 建议对某些癌症转移患者进行观察而不是积极治疗。

这些研究旨在确定 Watson （沃森） 在肿瘤学技术方面的表现是否如预期。但还没有研究表明它对患者有益。

Watson （沃森） 在某些有限和受控的应用上，取得了一定成功，其中，Watson （沃森） 似乎起到了增值作用。以 Watson （沃森） for Genomics 产品为 Watson （沃森） 在处理基因信息时相对成功，这些信息存储在结构化的文件中，没有歧义，无论是有无突变。该工具不使用 NLP 来挖掘医疗记录，而只使用它来搜索教科书、期刊文章、药品批准和临床试验公告，并在其中查找非常具体的声明。

北卡罗来纳大学在 2017 年发表了第一篇关于 Watson （沃森） 对基因组学有效性的论文。在参加这项研究的 32% 癌症患者中，Watson （沃森） 发现了人类研究中没有发现的潜在重要突变，这使得这些患者成为新药或刚刚开放的临床试验的候选者。但到目前为止，还没有迹象表明 Watson （沃森） 的基因组学研究能带来更好的结果。