如果你是一名肿瘤方向的医生或者医学生，不知道德州大学安德森癌症中心（MD Anderson cancer center，简称 MD 安德森）的话，你确实需要补补课了。它是全美也是全世界最著名的专科肿瘤中心。

在 US News 评出的 2017 全美最佳（也可以认为全球最佳）肿瘤学中心上，MD 安德森仍排名全美第一，综合排名满分，在专科手术（结肠癌与肺癌手术）领域也名列前茅。

而 IBM Dr.Waston 是 IBM 公司在认知计算领域最核心的产品。他一战成名于2011 年 2 月的美国问答节目《Jeopardy！》。在这次人机对决中，Watson 战胜了这一节目的两位冠军选手，这被和 1996 年同样来自 IBM 的「深蓝」战胜国际象棋大师卡斯帕罗夫相提并论，被认为是人工智能历史上的一个里程碑。

于是，在这种想法的构思下，同时也在当时在任的奥巴马总统推进的「肿瘤登月计划」大背景下，这一项目迅速推动起来。

2013 年，MD 安德森和 IBM Watson 开始就医学大数据领域进行深度合作，主题是「大数据人工智能应用将加速对癌症疾病的认知和完善癌症临床治疗」，该项目由MD 安德森 Ronald DePinho 院长夫人 Lynda Chin（知名肿瘤专家）负责的。

当时不管是医疗肿瘤界，还是 AI 领域，都对此信心满满，认为找到了一条治愈消灭肿瘤的正确路线，而安德森和 IBM 的强强联合，将会给双方带来巨大的经济效益和声望。

MD 安德森方面也证实了该消息。并证实这一合作项目在 5 年中花费了超过 6,200 万美元，但仍未达到其目标。MD 安德森正在积极寻找其他承包商来投标，使其在未来的工作中取代 IBM。

而 2 月 20 日，IBM 公司的首席执行官 Ginni Rometty 在一个健康信息技术会议上做演讲，也详细介绍了 Watson 在医疗保健领域取得的进展，并宣布推出用于管理医学图像的新产品，以确保医院的投资物有所值，同时与医疗保健系统建立新合作伙伴关系。

为什么一对合作伙伴会成为了「夫妻反目」的冤家，为什么这一项目会失败？

造成这场合作失败的最关键原因，是 MD 安德森对「医学-工业」领域合作管理的失败。

如《Science》杂志和《福布斯》所言，在未明确 Watson 人工智能深度学习能力的前提下，MD 安德森肿瘤中心全额支付了 IBM 6,210 万美元研发费用。

这一行为并不符合行业规范，一般来说，医疗机构是合作主要方向。而且业内人士分析，诸如此类的合作开发项目，MD 安德森肿瘤中心完全占据优势，可以依靠其雄厚的临床研究资源和国际品牌效应，事先支付相关研发费用或知识产权费用有悖常理。

而在这项合作中，Lynda Chin 显然是焦点，因为许多资金和费用安排都由其协调。而该项目资金的投入，其中 5,000 万美元来自被认为非常喜欢炫耀的马来西亚投资大亨 Low Taek Jho（资金至今未到位），由此引起了美国司法部对该项目资金的来龙去脉的关注和审计。

2. 医学的不确定因素

IBM 挑选的领域，也并不是其擅长的数据分析和深度学习，而是一个充满不确定因素的黑盒子。

不管是 IBM 研发的 Dr.Waston，还是最新打败所有围棋棋手的 Google AlphaGo，其获得信息的方式，都是可以准确获得的准确的的信息。

Dr Waston 里存贮了有史以来的《Jeopardy！》问题及题库，以及《大不列颠百科全书》所有内容；AlphaGo 内不但存有所有当年知名棋手的棋谱，更可以通过在线方式，随时在网上围棋社区进行 24 h 不间断的对弈。

而医学领域，目前尽管有了长足的发展，但是对于大多数疾病的发展病因，仍没有一个公认的原因。而病情的各种转归发展，更是与各种偶然因素相关，这些因素联合到一起，使得精确进行分析很难进行。

3. AI 无法判断收集的信息

还有一个更难于逾越的难题，在于 AI 是否能够判断收集的信息。

「著名」医疗剧医生豪斯曾经说过，「Every patient lies」，我们也都有这样的经验，不管是你作为一名医生还是面对患者；还是作为一名患者去就医，我们都会有意/无意的隐瞒一些信息，甚至对个人利益相关之时，都会有意无意的撒谎。而这也是目前人工智能最难于逾越之处。从数据采集开始，Waston 就走了一条歪路，他越努力，可能离事实真相就越远。

如一位读者的评论：

围棋的棋谱不会骗人，这种大数据多干净，训练出来的 AI 也牛逼。可是把原理运用到医疗行业，业内人士只要想想现在科研界的情况就能想到，它采集的原始数据和论文知识有多少纰漏的地方，而这样的大数据训练出来的 AI 越厉害，可能偏差越大。从真实数据采集到模型调整，医疗 AI 的路还很长很长很长很长....

当合作的两方面都如此的不靠谱之时，失败就难以避免。

也许目前计算机还不能像人类医生那样，通过问诊、查体、辅助检查等方式，最后得出综合的临床诊断，并且给出相关的诊疗。

但是如果不刻意追求完全取代人类医生这一桎梏，而是作为人类治疗的辅助进行时，我们发现，AI 能够做到的事情还有很多，而且现在很快能够实现。

2016 年，日本东京大学附属医院一名白血病患者反复治疗无效，甚至还出现了败血症等危险症状。医生及研究人员通过 AI 输入了该患者与癌症有关的基因信息，得出分析结论，她罹患的是急性骨髓性白血病中的继发性白血病。

医生通过 AI 辅助分析其基因型，并结合以往病史 提示医生更换一种新型靶向药物进行治疗，患者病情明显好转。随后，还建议该患者转而使用其他抗癌药物。患者数月后康复出院，并继续定期前往医院接受治疗。

同样的 AI 同时运用在皮肤科领域，以往各种皮疹的确定和诊疗需要高级医生的临床经验，而这一经验又是通过几十年的临床积累才能达到，而 AI 正好能够解决这一数据分析积累问题。

也是去年，《Nature》杂志在封面发表了一篇关于利用深度学习识别皮肤癌的论文。研究人员训练系统观看了将近 13 万张痣、皮疹和其他皮肤病变的图像，然后让系统与 21 位皮肤科医生的诊断进行对比，结果系统的精准率达到 91% 左右，这一精度远远高于一般医生。

而在心电图（肌电图、脑电图）等读图领域，AI 也已经可以做到替代了人类的一部分工作。

AI 与医生的结合，也许比完全取代医生更有效更现实。也许不在今天，但，应该就在不远的将来。

文章来源：丁香园  http://mp.weixin.qq.com/s/JguLifiztJf_VHMpR8beAQ