大多數人第一次了解IBM的機器人沃森，可能源于2011年美國熱門電視智力問答節目——《危險邊緣》(Jeopardy!)。當時，這個神秘的人工智能選手戰勝了這個節目史上最強的人類對手。過去數年間，隨著人工智能在醫療健康領域的應用成為熱點，醫療領域即將準備迎來一場大變革。IBM、微軟、谷歌等大企業紛紛加大投入，并取得了顯著的進步。
本月，沃森正式進入中國的21家醫院，并在日本為癌癥病人做出診斷。也許距離我們接受一名機器人醫生的“坐診”已經為時不遠。
正當國內醫療專家開始嘗試使用深度學習來挖掘醫療數據時，IBM宣布其重金研發的智能認知系統沃森(Watson)已登陸中國。根據IBM宣布的計劃，沃森將與國內21所醫院進行合作，幫助醫生為腫瘤患者制定更好的個性化治療方案。
據IBM的消息，現階段沃森可以對醫學文獻進行打分與評級，并迅速整理醫患的醫療記錄，提高醫生的診療效率。沃森對海量數據進行分析，從而幫助醫生為患者提供高質量、個體化的循證癌癥治療方案。它還可以為醫生與患者帶來世界頂級的癌癥治療專業知識。
本月初，沃森幫助一位在日本東京大學醫學院治療的60歲女性患者診斷出了罕見的白血病類型。據東大醫學院研究人員對媒體的說法，沃森通過比對2000萬份癌癥研究論文，在短短10分鐘內得出了診斷結果。
作為認知計算系統的沃森于2007年問世，它取名自IBM的首任執行官托馬斯·沃森(Thomas Watson)。過去九年間，沃森不僅是智力問答的佼佼者，還推動著醫療健康、金融服務、零售和教育等行業的發展以及未來轉型。它可從各種結構化或非結構化的數據源中學習和積累知識，還可以在大數據中篩選信息，并對其進行評分。
在醫療健康領域，它可以在幾分鐘內搜索大量的信息，給病患提供精準的診療方案。自2014年起，IBM公司已將醫療健康作為沃森的主打牌。目前，沃森已經與包括安德森癌癥中心(MD Anderson Cancer Center)、紐約紀念斯隆-凱特琳癌癥中心(Memorial Sloan-Kettering Cancer Center)等在內的頂尖癌癥中心建立合作關系。通過大數據整合，沃森正逐步成長為日臻完美的醫學診斷專家。以它為代表的人工智能，將推動醫療健康領域的轉型，給人類帶來巨大的社會、經濟以及政治效應。
沃森轉戰醫療健康：既上醫學課程，又閱讀文獻
眾所周知，IBM公司以前研發的超級國際象棋電腦——深藍，具有極強的計算能力，它有32個“大腦”，每秒鐘可以計算2億步，存儲了一百多年來超過兩百萬局優秀棋手的棋局。然而，深藍無法處理自然語言，也無法識別非結構化的數據源。和深藍相比，沃森代表了認知計算時代一個嶄新的計算模型，它可以閱讀并理解自然語言，提出假設，并可尋求證據支持或反對假設，還可以不斷地學習和進化。如果說深藍留在了電腦的舒適區域，那么沃森則走進了一個看似讓機器尷尬的領域，因為它嘗試像人一樣工作，甚至在某些方面比人做得更好。
2011年，正值IBM創立100周年之際，沃森參加了哥倫比亞廣播公司的《危險邊緣》(Jeopady!)節目，這檔智力問答節目的問題包羅萬象，節目的規則是答對問題得分，答錯倒扣分。為了參加比賽，沃森不僅需要聽懂人的自然語言，還需要分析語言背后的語義，在內置數據庫中進行搜索，找到可能的多種答案，再對可能的答案一一進行評分。評分過后，沃森需要選擇3個有可能的答案，當其中一個答案評估的可能性超過50%的時候，沃森便會按下搶答鍵進行搶答，最終在人機對抗的比賽中，聰明的沃森打敗了該節目最高獎金得主布拉德·魯特爾(Brad Rutter)和連勝紀錄保持者肯·詹寧斯(Ken Jennings)，取得了冠軍。
嶄露頭角之后，這位全美“最聰明的人”開始轉戰醫療健康領域，它花了兩年的時間“修讀”醫學院課程，像人類那樣做必要的知識儲備。然而在起步階段，沃森也歷經了不少枯燥以及低技術含量的工作過程。安德森癌癥中心以及IBM的研發團隊花了好幾個月，向沃森輸入大量的病患信息，此類信息包括他們的姓名、年齡、性別、藥物史、醫學檢測報告以及病患的就醫筆記等。一開始，沃森在語言識別上遇到了對人類來說很基本，對機器來說卻很難的問題，譬如，當需要解讀醫生輸入的“冷”(cold)的信息時，沃森無法識別“冷”在語境中，指代的到底是溫度低還是一種流感病毒。又或者，它無法解讀“T2”指代的是磁共振成像，還是癌癥發展的一個階段。所以，每一項信息的輸入，都需要相關人員向沃森進行核實，需要他們手動輸入被認為是“正確”的診斷。
此外，為了擴充沃森的知識量，幫助其更好地為病患進行診斷，科學家們讓沃森“閱讀”了大量的相關領域的頂尖文獻，并幫助沃森學會如何在海量的信息中篩選出有用的信息，進行總結，提出可能性的報告。
不同于人類做決策時容易受到外在環境和情緒的影響，沃森“冷靜”、“理智”地在海量的數據源中，為醫生快速尋找適合病人的診療方式，給出最佳的推薦。截至2015年，IBM已經和北美14個癌癥中心建立合作伙伴關系，成為診斷癌癥的一個新型輔助途徑。
沃森背后的技術革新
IBM 的深度開放域問答系統工程(Deep QA)是沃森背后的技術支持。深度開放域問答系統工程的發展，解決了臨床決策支持系統多年以來突破不了的瓶頸。
近40年來，臨床決策支持系統致力于改善臨床醫生知識的局限性，減少人為疏忽，從而幫助病人找到最優的診療決策。它一般包括診斷輔助工具(Diagnostic Support Tools)和治療輔助工具(Treatment Support Tools)。第一代的臨床決策支持系統(Clinical Decision Support System)主要致力于診斷輔助，然而解決方案的信息量太多，往往需要醫生花費很多的時間閱讀，所以在臨床上并不具備實用性。第二代臨床決策支持系統致力于提高使用效率，它可以通過概括醫生的筆記和醫療研究文獻來為醫生提供診斷建議，然而它仍無法在信息量很小的時候給出好的診斷，提取速度也非常慢。
這兩代臨床決策支持系統存在的問題，在沃森剛剛步入“職場”之際，哪怕是強大如谷歌的搜索引擎，也很難解決。這是因為，當時的谷歌不能從非結構化的信息中抓取問題。醫生需要把查詢的問題總結成關鍵字組合，輸入谷歌來尋求答案。其次，當谷歌按照結果的相關度查找到大量文獻的時候，醫生需要對此進行一一閱讀，并且將重點加以概括從而得出結論，所以當時谷歌遭遇了與前兩代臨床決策支持系統一樣的問題。
事實上，IBM的深度開放域問答系統工程是在類似谷歌的搜索引擎之上，加上自然語言閱讀能力和語義解析能力。谷歌依賴人類，IBM 的深度開放域問答系統工程使得沃森可以靠自己解決問題。它可以支持沃森閱讀電子病歷、化驗結果、醫學影像、視頻以及病患傳感器(如可穿戴醫療設備)，從而生成假設，收集大量證據，最后進行分析和評估。
沃森解決問題的流程圖：
1.沃森總結自然語言，生成一個搜索問題；
2.沃森嵌入式搜索引擎搜索一個大型文檔的知識庫找到相關文件；
3.沃森將搜索結果總結成自然語言，并且生成可能的解答(假設)：
a)對于每個假設，沃森構建并啟動其他搜索以收集證據支持這一假設；
b)沃森的嵌入式搜索引擎為每一個假設搜索論據；
c)沃森總結搜索結果，并對每一個結果進行評分；d)給予每一個假設的支持論據，沃森給出一個評分。
4.所有的假設被轉化成一張答案列表，返還給用戶。
在以上提及的4個步驟中，沃森對自然語言的處理體現在步驟1，3和3c，沃森的搜索能力體現在2，3a和3b，它的評分能力體現在3d和4。
作者：袁鈞濤(Michael J. Yuan)， 系Ringful Health 首席科學家。
上圖總結了沃森解決問題的流程。無論是對自然語言進行總結，還是對收集到的證據進行評分，沃森都需要對非結構化的語言文本進行處理。它的內置的基于非結構化信息的管理架構(Apache UIMA)負責執行和解決用戶提出的任務。對于接受到的每一個任務，沃森都會開啟多個搜索引擎，并且使用多樣的搜索技術，從內置知識庫中找出假設和佐證。沃森使用的搜索技術包括詞頻排名結果(Apache Lucene)，貝葉斯網絡排名結果(Indri)，以及術語和文檔之間的搜索關系(SPARQL)。
據Ringful Health 首席科學家袁鈞濤博士介紹，近年來，沃森在已有的深度開放域問答系統工程之上，又加入了很多“傳統”的機器學習和數據處理技術。應用在癌癥診療領域，它不單單可以對醫生輸入的問題提出多種診療建議，還可以向醫生解釋各類診療決策的異同，以便醫生作出最后的判斷。
除了沃森，人工智能近年內正在極大地推進醫療領域的發展及變革，各大科技巨頭正陸續向醫療健康領域進軍。如微軟近日發現，分析搜索引擎可用來推測用戶是否有患胰腺癌的前兆；微軟還嘗試讓人工智能和機器學習用于分析患者的醫學掃描圖像，例如用于掃描并計算出腦腫瘤的大小，分析腫瘤組織成分，然后給出最佳治療方案；谷歌發布了世界上準確度最高的自然語言解析器SyntaxNet；谷歌DeepMind正計劃將人工智能算法更多地應用于醫療健康領域，包括在未來五年將機器學習技術用于處理英國國家醫療服務系統(NHS)的數據等。
人工智能給醫療健康帶來深刻影響
沃森在醫療領域的迅猛發展，帶來了多重的思考。一方面，它正在以驚人的速度成為完美的醫學診斷專家，似乎具有在未來替代實體醫生的可能性；另一方面，對于它是否有可能取代實體醫生，直接給病患帶去一對一的精準治療的質疑聲也不斷傳出。作為醫生，如何看待和接受沃森，作為病患，又是否可以接受一個機器人的坐診？
部分觀點認為，沃森的出現，將很有可能顛覆醫患關系的主體。因為機器人具有比人腦更多的數據容量，以及更為理性的判斷，它將可能給病患帶來更精準的治療。比外，醫療機器人的普及，將有可能弱化不同地區醫療水平的不均給病患帶來的差異，醫療欠發達地區的病患將得到更多的診療機會。
然而，與之相反的觀點卻認為，將沃森定位為醫生的診斷輔助工具更為合適，因為雖然它在某些方面顯示出優于醫生的能力，但尚不足以完全取代醫生。維克森林大學醫學院的助理教授胡塞恩醫生(Iltifat Husain)表示，雖然沃森很大程度上幫助病人提升他們的醫療質量，但機器缺少人的本能和同理心。它無法察言觀色，無法在人的言談舉止中捕捉對診斷可能起關鍵作用的隱藏信息。而這些隱藏信息，恰恰可能是確診的關鍵。
目前，沃森已經將診斷領域拓展到對糖尿病、肺癌的輔助診斷。無論沃森是否會取代實體醫生，在可預見的未來，可以肯定的是，以它為代表的認知計算系統，結合大數據和機器學習技術，將帶動醫療健康領域醫療模式的發展與轉型，為患者及醫生帶去更多疾病診療的福音。