看錯病開錯藥，醫療機器人沃森美國遇冷，仍落户國內81家醫院_風聞

來源：中國新聞週刊

中國AI醫療產業的發展仍如火如荼

沃森的高層人員展示一款人工智能機器人。圖/視覺中國

沃森遇冷，國內AI醫療過熱

****本刊記者/****李明子

本文首發於總第878期《中國新聞週刊》

一位60多歲的日本女性患者被東京大學醫學研究院診斷為急性骨髓性白血病，但對症治療幾個月後，病情並沒有緩解，而後沃森救場，10分鐘內對比幾千萬篇癌症研究論文，得出了結論：患者得的是另一種罕見白血病。

這是沃森剛進入中國時，常被經銷商們用來宣傳其先進性的案例。

然而，在業界內部，卻流傳着一個截然不同的故事：對於一名可能有嚴重出血癥狀的65歲男性肺癌患者，沃森在診療建議中卻開出了一種可能導致出血等副作用的藥物貝伐單抗。根據美國衞生系統藥劑師協會的建議，對於有嚴重出血可能的患者，不建議使用這種有時會發生嚴重乃至致命的出血事件的藥物。

萬幸的是，這位65歲的男性肺癌患者不是真人，而是紀念斯隆-凱特琳癌症中心在訓練沃森診斷能力時給出的虛擬病患。

今年以來，IBM的沃森項目接連受挫：先是大規模裁員、在美國損失許多醫院客户，其中包括安德森腫瘤中心這樣的重量級客户，並且第三季度的營收比去年同期下跌 6％。11月初，IBM沃森健康項目的負責人黛博拉宣佈離職，為這個備受質疑的著名醫療AI項目再添一層疑雲。

沃森發展進入低谷，無疑給眼下正熱的人工智能醫療領域澆了一盆涼水。然而，在此背景下，沃森在中國的發展似乎並未受到影響，而國內的AI醫療產業還是形勢一片大好。

沃森靠譜嗎

“一些惡性腫瘤患者希望到北上廣，甚至去美國尋找更先進的治療方案，這時我們就會建議他們使用沃森。”趙銘（化名）對《中國新聞週刊》説。

趙銘是一名主任醫師，廣東某三甲醫院分院沃森引進項目的負責人。他解釋説，由於沃森是由美國紀念斯隆-凱特琳癌症中心、梅奧醫院、奎斯特診斷公司這些著名醫療機構培訓出來的，“用沃森看病，就相當於找美國醫生會診了。”

但沃森真的能代表美國腫瘤醫療的水平嗎？

沃森陷入困境，主要源於外界對其技術的質疑。

今年7月，美國醫療媒體STAT聲稱拿到了IBM公司的內部文件。這份報告顯示，**使用沃森腫瘤解決方案的醫生對其提出了強烈批評，多個案例表明，沃森常提供不準確的醫療建議，“在給出意見的過程和底層技術上存在嚴重問題”，甚至開錯了藥品。**而問題主要集中在訓練數據的問題上。

該報告顯示：沃森系統的訓練，使用的不是真實患者數據，而是虛擬患者的假想數據；沃森向虛擬患者推薦的治療方案，都是基於紀念斯隆-凱特琳癌症中心專家的方案，並非醫療指南或真實證據；訓練數據不足，8種癌症中，訓練數據量最高的肺癌只有635例，而最低的卵巢癌僅有106例。

任何人工智能系統只有在得到充分的數據後才能發揮作用，但由紀念斯隆-凱特琳癌症中心訓練的沃森在專家眼中是“存在巨大偏見的”。

韋恩州立大學醫學院乳房外科主任大衞·戈爾斯基曾公開對媒體説，學院派醫生用他們自己的理解來看待醫學文獻，並從他們的視角解讀，這就意味着沃森沿用的是“紀念斯隆-凱特琳癌症中心”式治療方法，而不是在任何情況下都正確的方法。

也就是説，遇到該癌症中心不拿手的癌種，沃森或許就不能給出合適的方案。

《華爾街日報》曾發文表示，在多數情況下，沃森並沒有太多附加價值，而在某些情況下還可能不準確。

沃森的問題，一方面可能是因為缺乏罕見病或復發癌症的數據；另一方面，治療方法的發展速度比沃森的人類訓練者更新計算機的速度還快。

文章還指出，到目前為止，還沒有公開發表的研究論文能充分證明沃森可以改善患者治療。

**“沃森只是一個工具，是一種醫療建議。”**大衞·戈爾斯基曾對美國醫學網站Medscape表示，“如果醫生牢記這一點，並在沃森‘想’錯了的時候敢於否決它，那麼肯定會有潛在用處的。”

位於青島的百洋智能科技股份有限公司宣稱擁有沃森的中國獨家總代經銷權，該公司首席營銷官王必全在接受《中國新聞週刊》採訪時一再強調，**“沃森在中國屬於決策支持產品，而不是診斷器械。”**因為生產醫療診斷器械需要國家批准，而決策支持不用，後者就如同參考文獻。

業界對沃森的失望，正是因為看清了沃森並沒有宣傳的那樣完美。

這位“腫瘤治療顧問”可以在17秒內閲讀3469本醫學專著、248000篇論文、69種治療方案，並提出三個最優選治療方案。“IBM在美國和中國的宣傳中，把沃森説得非常完美，但應該注意，官方表述中，沃森只是輔助醫生，而不能取代醫生。”沃森在中國最早的戰略合作伙伴、杭州認知網絡科技有限公司首席運營官王泰峯對《中國新聞週刊》説。

王泰峯解釋説，實際上，IBM的沃森健康部門除了提供“腫瘤解決方案”，還提供照護看管、藥物研發、基因解決方案、醫療影像分析解決方案等產品。而選擇研究腫瘤解決方案，是因為看到不同地區在腫瘤治療上的巨大差異，這為高水準的腫瘤輔助AI產品提供了廣泛空間。“IBM對沃森的定位在腫瘤篩查和治療，而不是診斷，AI在診斷上的意義比較弱，這個決策是沒錯的，沃森最主要的問題在於單中心培訓。”王泰峯説。

在6年10億美元的投入後，沃森並沒有拿到理想中的商業回報。對此，國內AI醫療領域的康夫子科技創始人張超評價説，“沃森做了很有意義的嘗試，只是它沒有找到好的使用場景和商業模式。”

2018年1月18日，雲南省昆明市，雲南首家沃森腫瘤診療中心落户昆明醫科大學第一附屬醫院。圖/視覺中國

沃森在中國

儘管沃森項目已經遭到IBM的“冷處理”，但它在中國的銷售卻並未受此影響——王必全説，現在推廣沃森明顯比以前順利多了。

2017年，她與同事們參加全國臨牀腫瘤學大會時，他們連上台展示的時間都沒有。但經過一年的推廣與宣傳，今年的全國臨牀腫瘤學大會將主會場三個報告的其中一個名額直接給了沃森。

據百洋科技向《中國新聞週刊》提供的數據，自2017年3月引進沃森後，截至2018年11月14日，已經在中國261家醫院與醫療機構使用，其中已經簽約落地的81家醫療機構分佈在全國23個省的45座城市。

在這81家醫院的名單裏，鮮有中國一線城市頂級醫院的身影，絕大部分都是國內二三線城市的三甲醫院及省城裏的非腫瘤專科醫院。對此，王必全解釋説，這些是真正需要提高水平、留住患者的醫院，也是沃森的最佳應用場所。

多位受訪者表示，沃森的使用非常簡單，只需要把患者年齡、性別、體重、病理診斷等20多項監測結果輸入電腦軟件，系統會自動基於研究論文、醫學指南、臨牀試驗信息等，給出適當的治療方案，供醫生選擇。因此，沃森常在多學科會診時作為參照方案出場。

趙銘介紹説，目前，沃森可以提供乳腺癌、肺癌、直腸癌、結腸癌、胃癌、卵巢癌、宮頸癌、前列腺癌和膀胱癌等9種腫瘤的治療方案。在他們醫院試用一年後，趙銘對沃森的總體感覺是“一般”，“沒有多大的促進作用，也沒有不好的影響。”

對此，趙銘解釋説，在治療大方案上，醫生與沃森存在較大差異，例如是先手術還是先化療，最終方案是綜合了患者意願、治療預期等因素後由醫生決定的，但在用藥劑量、療程等細節上，則是沃森的強項。

“治療腫瘤不是一個醫生説了算，病人是先手術，還是先化療，還是靶向治療，我們需要多學科會診。沃森出的方案可以提供參考，最終還是醫生做主。”

由於沃森的“出場費”不能進入醫保，只有經濟條件允許的特診患者提出要求時才會使用，自2017年年底引進以來的約一年時間裏，趙銘所在的醫院一共只使用過二三十例，佔其總患者的病例數1％不到。他透露説，目前，沃森是由經銷商免費提供給他們醫院使用的，它的“出診”費用——每次至少5000元。

沃森使用率偏低的另一個因素是“水土不服”。

以鼻咽癌為例，據世界衞生組織統計，全球 80％ 的鼻咽癌發生在中國，又以廣東省居多，因此又稱廣東癌。但這種癌症在美國發病率很低，不在沃森學習範圍內。趙銘表示，“我們的鼻咽癌治療是全世界最好的，治療成熟，基本不用多學科診治，更用不到沃森。”

在收費模式上，百洋科技最初嘗試的是“按服務收費”，即對產品本身不收費，而是以每次使用收取2000元服務費的價格售賣給分銷商，再由分銷商加價銷售給醫院，但這種方式並沒有取得比較好的推廣效果。

現在，百洋改變了策略，銷售沃森系統的ID，即醫院根據需求採購一定數量的ID，每個ID使用人數不限。王必全告訴記者，每個ID售價範圍，是幾十萬元。目前，百洋科技推廣的261家醫療機構已經有81家簽約，單家醫院最多購買五六個ID。

多位業內受訪者表示，目前，國內推銷沃森的最大障礙是難以獲得醫院和醫生的認可。因為只有讓醫生適應沃森的操作方式，養成使用習慣，才能實現收費目的。為推銷沃森，分銷商們不僅需要對醫生進行培訓，有時還要幫助醫院建立新的沃森會診中心，甚至承擔起室內裝修的工作。

對此，全球醫生組織中國總代表時佔祥卻不以為然：“AI確實可以提供更多的參考輔助，但為什麼要用AI節約時間、提高效率呢？有人會説之前的醫生都幹嗎吃的？”

AI醫療到底能做什麼

1999年冬天，美國人瑞克·克里格帶喉嚨痛的兒子到明尼阿波利斯的緊急護理中心看病，一等就是兩小時。克里格感覺到，需要有一種更便捷的醫療服務來解決家庭常見病。

一年後，克里格與合夥人在當地一家食品店裏創立了第一家快捷醫療Quick Medx，並於2002年改名為“分鐘診所”（Minute Clinic）。這家醫療連鎖機構設計了一種標準化程序，幫助醫生和護士快速看病，平均每位患者只需要15分鐘。

當然了，“分鐘診所”並不是萬能的，它主要解決普通疾病、輕微外傷和皮膚病這三類常見病，也就是感冒、過敏等40多種，並對糖尿病等慢性病患者進行健康監測。患者每次就醫的記錄會被記錄，電子病歷也可以共享到其他醫療機構。

據前CEO邁克爾·豪威公開表示，分鐘診所5萬個咽炎病歷的治療程序有效性顯示，99％符合最佳做法，遠高於行業平均水平55％。

在全球醫生組織中國總代表時佔祥看來，諸如分鐘診所一類便是AI醫療產品最好的使用場景之一。“AI醫療系統需要幫助人們回答最簡單也是最複雜的問題，它要能辨別人們對一種病的不同主訴，在大數據的支持下，最終給出一個合適的答案。”時佔祥舉例説，對於腸胃感冒患者，有的人説是肚子痛，有的人又説發燒，那麼AI產品需要收集這些常見病的大量數據，並將非結構化表述結構化，做成標準化的問答，從而循證看診。

按照“預防-診斷-治療-康復”這四個階段的劃分，時佔祥認為AI醫療最好的使用場景是治療方案的選擇，而不是診斷。“治療方案的數量是有限的，但人不一定有辦法、或許也不想把每一個都弄清楚，那麼AI可以用大數據看看，這個患者的身體狀況選擇哪種方案最合適。”時佔祥説。

診斷卻很難説清楚。時佔祥舉例説，在臨牀診斷時，醫生最常用的就是“待查？”例如有些患者所有指標都是陰性但就是發燒，只能“待查”，標註“？”則表示，患者很可能一覺醒來後症狀就顯現了，那時才能確定是什麼病。

即便是可以確診的病種，由於AI學習數據有限，也可能無法準確判斷是哪種疾病。例如，一個精通乳腺癌分析卻沒有學習過鼻咽癌的AI系統，在1000份乳腺癌患者病例中塞入10份鼻咽癌患者的數據，AI可以分析出後者不是乳腺癌，卻無法説出具體患了什麼病。

病歷數據可以分為門診病歷、病房病歷和會診中心記錄三個來源。門診病歷的內容最空泛，很難獲取有效信息；病房病歷可篩選部分有效數據；質量最好的就是會診中心的記錄，“但對AI來説最重要的多學科交流的對話過程卻往往被忽視，只存在錄音或視頻中，沒有整理成可被讀取的文字。”時佔祥補充説。

現實數據質量堪憂也是一些AI醫療產品選擇學習虛擬病歷的原因。

“真實世界的病歷錯誤太多，不能讓AI按照不規範的樣本學習，我想這也是沃森選擇文獻的原因。”王泰峯解釋説，醫療診斷出錯的後果是嚴重的，所以，即便AI進行了訓練也無法取代醫生成為責任主體。

除了疾病治療，多位受訪對象表示藥物研發是AI在醫療領域運用最成功的場景。藥物研發需要投入巨大的人力物力財力。

美國塔弗茨藥物開發研究中心2014年的報告顯示，一款成功上市的新藥，平均花費約25.85億美元，其中包括約13.95億美元的直接資金投入和研發失敗導致的約11.64億美元的間接投入，以及其他投入。

AI藥研系統能在醫藥研發過程中減少人力、物力的投入，節約時間，降低藥品研發成本，同時基於數據模型，預測藥品研發過程中的安全性、有效性和副作用等。以美國藥品研發的公司Atomwise為例， 2015年，該公司宣佈通過AI計算在一週內找到了兩種或許能用來抗擊埃博拉病毒的藥物，成本不超過 1000 美元。

國內產業泡沫

“人工智能就是代替重複性勞動”，康夫子科技公司創始人張超對《中國新聞週刊》説，“如果工作是重複性的，人工智能就可以很好地解決，如果不是，我覺得目前沒有好的解決方案。” 

儘管有關AI在醫療領域的最佳應用場景與商業模式還在探索中，投資者與創業者們已蜂擁而至。政策利好是一大重要原因。

2015年8月，國務院發佈《促進大數據發展行動綱要》，提出發展醫療健康服務大數據，構建綜合健康服務應用。隨後，國務院、衞計委相機發布多項政策，促進各省市政府將發展健康醫療大數據提高到戰略層面。

在這些政策的刺激下，據前瞻產業研究院發佈的《2018—2023年中國人工智能行業市場前瞻與投資戰略規劃分析報告》，2016 年中國人工智能+醫療市場規模達到 96.61 億元，2017 年將超過 130 億元，2018 年則有望達到 200 億元。

另有數據顯示，2013~2017年間，中國醫療人工智能行業共獲得241筆融資。單就2017年，國內該領域融資事件就將近30起，總融資額超過18億元。這一趨勢於2018年還在持續，僅上半年就有18家公司獲投，總金額超過31億元。

在AI醫療的細分領域，2017年輔助決策類共發生17次投融資事件，僅2018年第一季度就有5起。另據艾瑞諮詢《2018年大數據時代下的健康醫療行業——中國健康醫療大數據行業報告》的不完全統計，除了IBM的沃森，在中國與醫院達成合作的輔助決策應用還有科大訊飛、依圖、推想、羽衣甘藍、體素科技、平安好醫生等公司。

“我無法説這個行業是否有泡沫，但就像經濟學中提到的，適當的通貨膨脹有助於經濟的發展。”張超説。但中山大學腫瘤防治中心副主任、腫瘤醫院副院長錢朝南則在2018的一次會議上直言，“AI很熱，泡沫也很多。”在他看來，掌握人工智能技術的計算機專家和公司興奮活躍，這叫“一頭熱”，另外一頭的醫療應用與臨牀卻是冷的，而這種模式顯然不利於行業發展。

“國內AI醫療的最大困難，一是不知道方向，二是沒有標準。”時佔祥對《中國新聞週刊》説，AI在生物醫學領域的應用，公共衞生、生物、醫藥、大健康應是四個主要方向，“現在的問題是，既無標準、也無規範、更無驗證，然後大家就開始談產業化了，AI醫療所謂的市場和需求都是臆想的。”