“医生们开着自己不熟悉的药，诊治着自己不甚了解的病情，评判着自己一无所知的人体。”250年前，伏尔泰曾对传统医疗有过入木三分的形象描述。

    250年后的今天，现代医学早就超越此局限, 已经日新月异, 而且AI 医疗也有长足发展。IBM Watson Health代表AI在医疗行业最深入、最有效的尝试之一，近期， IBM Watson健康事业部副总裁Alok Gupta对外发表“IBM AI助力智慧医疗新未来”主题演讲。

IBM Watson健康事业部副总裁Alok Gupta

    Alok Gupta在演讲中介绍，数据海啸的汹涌而至，预计到2020年，医疗数据量每73天就会翻一番，医生将无法跟上他们在诊疗患者时可用于参考和研究的信息量。医学是一门复杂的学科，临床医生将花费很多时间在例如通过患者的健康档案进行研究，以找到与其诊断相关的数据。

Watson Health 为医疗健康六大领域提供领先解决方案

    如何助力医疗资源和患者人数“剪刀差”

    Alok Gupta指出，由于人口老龄化、医护人员短缺、医疗健康数据呈指数级增长等，人类医疗健康领域面临巨大挑战。在因癌症死亡的病例中，70%发生在发展中国家；2018年，每名医生诊治的平均患者人数为20.2人，医生为患者诊治花费的时间极为有限。

    Alok Gupta还介绍，Watson Health在整个医疗领域六个关键领域锻造了一流的能力，通过将人工智能和大数据分析技术运用于医疗领域，深入洞察医学知识和医学数据，助力解决健康领域的多重难题。

    在肿瘤与基因组学方面，Watson Health致力于帮助客户提供癌症治疗的辅助临床决策与管理，解决方案包括Watson for O ncology、Watson for Genomics、Watson for Clinical Trial Matching等；在生命科学方面，致力于帮助客户不断进步，通过IBM Clinical Development、Real World Evidence等以更快、更高效的方式提供针对性的有效疗法；在基于价值的医护服务方面，致力于通过风险和人群管理、与消费者之间的互动以及作出更自信的决策，帮助客户管理成本、解决质量问题，解决方案包括Micromedex、IBM Cost & Care Insights等；在助力政府管理方面，致力于通过Program Management、Watson Care Management、HHS Analytics等解决方案，帮助他们提升健康和公共事业的价值、降低成本、对人们的生活产生更有积极意义的影响；在医疗支付方面，Watson Health致力于通过Flexible Analytics 、Watson Assistant for Health Benefits 助力客户；在医学影像方面，致力于帮助客户进行医疗影像诊断，从而提升患者服务，包括Watson Imaging Patient Synopsis、Watson Imaging Clinical Review、IBM iConnect Enterprise Archive等。

Watson Health医学影像领域的AI研究

    如何既做规范化治疗工具,又做年轻医生的“AI导师”

    IBM Watson Health是一个充分联接的生态系统，它拥有整个跨医疗健康产业链的整体解决方案，提供了一个贯穿医疗健康领域的创新认知解决方案完整链条。

    以Watson for Oncology（WfO，Watson在肿瘤学方面的解决方案）为例, 据悉，WfO可以让各级医院的医生从去隐私、脱敏的病人基本信息和相关疾病的分期、病理诊断结果、用药的 历史，对这些医院的医生进行演示，对远程会诊、辅助决策起到比较好的作用。

    传统的病例教学主要采取“师带徒”的形式，不同的老师带出来的学生水平也不尽相同。而Watson for O ncology可以为医生带来多维度的实际价值，它不仅可以帮助年轻医生成长，还能提高资深医生的效率，是医生忠实的助手。

    除了年轻医生，WfO对资深医生也能起到帮助作用。在如今信息爆炸的时代，医疗信息几乎每天都在更新，人工智能能让医生快速便捷地获取前沿信息。WfO 曾在美国历史最长、规模最大的癌症中心之一——纪念斯隆凯特琳肿瘤中心接受了严格的“训练”，学习了330多种医学期刊、250本肿瘤专著及2700多万份的论文研究数据，其中包括基于美国国家综合癌症网络?(NCCN, 由美国 28 个癌症中心组成的联盟，其中大多数被美国国家癌症研究所指定为综合癌症中心) 的癌症治疗指南，以及最佳临床实践。

    可以成为规范化管理工具。WfO提供的诊疗方案与MSKCC顶级专家团队方案符合度超过90%，覆盖13个癌种。WfO只会在已知的知识范围内给出合适的方案，不会“自作主张”给出未经临床验证的方案，而且它还会不断地快速学习和更新进步。