作為(wei) 行業(ye) 最早的玩家，IBM在AI領域的一舉(ju) 一動總能引發熱議。最近，有報道稱IBM人工智能醫療部門沃森健康大幅裁員五到六成，“醫療AI宣告失敗”，輿論嘩然。

　　醫療是人工智能發展的明星領域。深度學習(xi) 海量醫學論文、影像判讀正確率超過人類醫生等消息層出不窮，人們(men) 寄希望於(yu) 醫療AI改革傳(chuan) 統的醫療體(ti) 係，緩解醫療資源不足和不均，走向精準醫療、健康管理。但沃森健康的受挫，讓醫療AI領域唱衰聲不斷。

　　“沃森現在的問題相當一部分來源於(yu) 過度宣傳(chuan) ，如宣傳(chuan) 在自動讀取病例、自動診斷病情等方麵做得比人類醫生還要好，這些宣傳(chuan) 是與(yu) 現實脫節的。”美國華盛頓大學計算機係教授陳一昕直言，沃森的“鍋”，不該醫療AI來背，“沃森的前期宣傳(chuan) 過於(yu) 高調，後來發現實際效果達不到時，輿論反彈明顯。但沃森可以提升臨(lin) 床決(jue) 策效果和水平，不能把宣傳(chuan) 的失誤等同於(yu) AI醫療的失敗。”

　　在陳一昕看來，醫療AI的優(you) 勢很明顯，也已經在某些領域有突破，“目前來看，人工智能適用於(yu) 規則比較清晰的醫療領域，比如有大量標注數據的、規則清楚、結果定義(yi) 明確的細分領域，像某些單病種癌症篩查，心電圖的自動判讀、 急重症評估、心血管並發症預測等等。還有比如在更廣闊的新藥研發領域，由於(yu) 付費方明確，有大量外包需求，都是很有前景的。”

　　不過，人工智能在醫療領域的落地存在特殊性，需要跨越的障礙很多。“整體(ti) 來講，醫療領域本身偏保守封閉，由醫療機構和醫生主導決(jue) 策，容錯率極低。不像消費類應用投入大、試錯機會(hui) 多。”眾(zhong) 海投資副總裁陳冬東(dong) 表示。

　　最明顯的是數據的匱乏——由於(yu) 數量少或難以訪問，可以用於(yu) 訓練AI醫療產(chan) 品的數據不足，限製了產(chan) 品的進化。不隻沃森，這是醫療機器學習(xi) 普遍麵臨(lin) 的問題。“雖然我國人口的診療基數很大，但是合格、高質量的數據其實很少。同時由於(yu) 體(ti) 製和授權的原因，去獲取這些數據的難度和壁壘是很高的。”陳冬東(dong) 說。

　　采訪中陳一昕提到，以沃森重點發展的提供癌症治療方案的能力來說，用於(yu) 訓練它的肺癌病例其實隻有六百多例。“整體(ti) 來看，人工智能醫療領域的絕大部分產(chan) 品還處在打磨、試錯的階段。技術能力不是一蹴而就的，監管體(ti) 係的建設、心理障礙的跨越等都需要時間。醫療AI的付費方也還不明確，從(cong) 醫院到患者，付費意願都不強。”他說。

　　“人工智能和醫療的結合，從(cong) 來不隻是一個(ge) 技術問題。”陳冬東(dong) 說，“誰來付費？誰來擔責？出了錯患者能否接受？再說目前國內(nei) 的人工智能醫療產(chan) 品還沒有一家拿到醫療器械許可證，走不到商業(ye) 化那一步。雖然監管機構積極推進，但麵對這個(ge) 新生事物，還是要經曆從(cong) 無到有的過程。”

　　專(zhuan) 家點評

　　王金橋 中科院自動化研究所 研究員

　　AI要想進化首先需要大量可靠的數據標簽，在數據有限，且需要人工標注的情況下，說AI可以超過高水平的人類醫生是不現實的。但也不能否認AI醫療近年來在產(chan) 學研的共同努力下進步很快。技術會(hui) 服務於(yu) 特定場景，人和機器各有優(you) 勢，所以人機協同才是AI醫療的未來。在這個(ge) 層麵上，既不需要對技術抱過高期待，也不能因為(wei) 一點負麵消息就全盤否認，那都不是科學的態度。

　　但以往媒體(ti) 一提起AI就容易一驚一乍，連帶著大眾(zhong) 也有了不切實際的期待，一旦出現不盡人意的情況，再一哄而上踩幾腳。我相信人工智能是能解決(jue) 問題的，但大家的期待要在合理範圍內(nei) 。

　　任何一項新技術的孕育都需要一個(ge) 良好的環境，讓它從(cong) 實驗室到落地，產(chan) 生實在的價(jia) 值。這個(ge) 過程中，從(cong) 科研界到市場，從(cong) 媒體(ti) 到大眾(zhong) ，都需要客觀冷靜的態度和更多彈性。