近两年，人工智能技术日新月异。可能你不知道，超过五成以上的国外医院将引进人工智能技术，作为下一个五年的计划性工作。其中，比较特别的例子就是波士顿的Partners HealthCare。日前刚刚宣布与GE Healthcare进行为期十年的深度合作，将深度学习技术整合到自己的网络中。

     可见， AI的应用将不仅仅局限于改进临床医生的工作流程和更快地处理用户反馈。
     这里有一份医院调查佐证了这一点，在该医院接受调研的美国医生们认为，AI技术还可能对人口健康、临床决策支持、诊断工具和精密医学的影响最大。此外，AI可以帮助药物开发、临床试验等都变得更快、更便宜准确。
     不过缺点也明显，因为机器只能从为其提供的数据中学习，所以如今所有的研究人员，工程师和企业家都在忙于为机器提供更大、更高质量的数据库。

     对此，美国媒体指出，把所有的信念都倾注到AI上的时代还没有来临。Roam Analytics首席科学家兼联合创始人Andrew Maas也表示：“人类大脑的前景非常强大”；“计算机的评估能力是强大的，但它的水平还不足以得到我们的信任。”
     所以，我们什么时候才能看到医疗产业通过机器学习实现转型呢？
     患者数据的可及性和计算能力是理想与现实之间存在差距的重要原因。IBM沃森通过众多合作伙伴关系积累了大量数据，输入其所谓能够更深入理解患者健康状况的认知计算模型。由于实际结果尚未完全呈现，舆论对IBM沃森的看法趋向两极。有人觉得这算得上是机器学习的鼻祖。

     斯坦福大学语言学和计算机科学系的主任Chris Potts和Roam Analytics的首席科学家称，沃森“可以说是医疗保健领域最有希望的企业”。其他人对此却不怎么有信心——Social Capital的CEO Chamath Palihapitiya称沃森为“一个笑话”。
     这种不确定性似乎并没有阻碍沃森发展新的合作伙伴。就在本月，沃森加入了MAP Health Management，把他们的机器学习技术用于治疗药物滥用。IBM研究部门正与Sutter Health合作，以未充分利用的EHR数据为基础，开发预测心力衰竭的方法。
     IBM沃森从2011年开始这个项目，当时这台机器赢了Jeopardy游戏，使公司对这项技术用于实践充满信心。

     “我们必须教导它医疗领域的相关技术，这些技术相当复杂，它们根据专业的不同而变化，而且在世界的每个地方都不一样。我们必须让系统习得医学用语。”沃森健康副总裁兼首席策略官Shiva Kumar说， “第一步是自然语言处理的能力，比如在参与对话时能给出最好的回答。接着就是培养与病人对话的能力，让它进一步吸收知识，不断向前发展。”
     Kalsar还解释说，为了做到这一点，IBM沃森必须解决非结构化数据的问题，“我们打算使用词汇认知计算，因为它不仅仅局限于机器学习和深度学习，还能够整合学习，洞察更深刻的东西。”
     “医疗产业是独一无二的：它受到高度监管，还有大量不能使用的数据。当然同时也有很多未开发的资源，”他说，“所以，这是一片很多技术都可以一展拳脚的领域。但到最后，治疗的成功与否仍旧掌握在医生手里。”