探路者 IBM Watson“失败”警示录：为什么大家会给 AI 产品喝倒彩？

导读：无论是大企业还是小企业，专业医疗公司还是没有医疗背景的公司，医疗 AI 这个巨大的市场都在吸引着它们的目光，医疗 AI 赛道早已拥挤不堪。蓝色巨头 IBM 在主要业务增长乏力，逐渐落后于谷歌、苹果等公司的困境下，想要抓住医疗 AI 这根救命稻草活命。但在投入巨大人力、财力之后，仍然逃脱不了走进死胡同的一天，究其原因，还是在于落地困难。

营销第一，产品第二

2011 年的时候，这世界上还没有 DeepMind AlphaGo，但 IBM 的认知计算系统 Watson 却已横空出世，在问答节目中首次击败了人类，斩获冠军。第二天，IBM 就宣布了 Watson 新的职业方向：成为一名人工智能医生。随后身价大涨的 Watson 逐渐成为了 IBM，乃至全球 AI 项目的代表。IBM 首席执行官表示这是 IBM 的“登月计划”，人们一直祈盼着 IBM 的人工智能彻底给医学界带来一场革命。

这个故事很像 AlphaGo 的前身。Jeopardy! 是美国著名的益智节目常青树，从 1964 年开播至今，整整播放了 55 年。在这个节目上能够超越人类高手在问答比赛中的最好成绩，从而引发的舆论爆炸可想而知。

为了成功的进行商业化，IBM 随后继续在宣传上做了很多动作。

在益智节目上首次露面之后，IBM 承诺，Watson 将在 18~24 个月内推出首个用于医疗保健的商业产品。

IBM 在 2013 年就声称“计算的新时代已经出现了”。福布斯因此认为 Watson“现在可以进行临床实验”，在几个月内就能被用在病人身上。

2014 年，IBM 为 Watson 新开设了一个酷炫的智能演示厅。在这次演示中，Watson 收集了一系列奇怪的病患症状，并提出了一系列可能的诊断列表。它可以在几秒钟内就破解一桩棘手的案件。如果 Watson 能够将这种即时的专业知识带给世界各地的医院和诊所，人工智能似乎有望减少诊断错误，优化治疗，甚至帮助医生们更快更好地完成工作。

在 2017 年的健康信息技术专家会议上，IBM 首席执行官 Rometty 告诉人们，人工智能“真真切切来临了，它就是一种主流的技术，可以改变几乎所有关于医疗保健的方方面面。”并补充说，人工智能将会迎来医学界的“黄金时代”。

这些宣传确实起到了一定的作用，当时很多计算机科学和医学专家都认为人工智能具备改变医疗保健行业的潜力。Watson 已经和世界各地的不少知名医院进行合作，在中国也进入了近百家医院的诊疗系统。

但是最终，IBM 许多努力却以失败而告终。

2018 年 5 月，Watson 传出其医疗部门进行了大幅度裁员，规模占总员工比例 50%至 70%，有传闻说甚至达到了 80%。

2018 年 7 月，Watson 被爆出现致命 Bug：给有出血症状的癌症病人开了容易导致出血的药品，严重时可致患者死亡。

2018 年 10 月，IBM Watson Health 部门负责人 Deborah DiSanzo 宣布离职。

2019 年 4 月，IBM 宣布，由于市场表现不佳，基于 AI 技术的“新药发现项目”停止开拓新客户。

人们形容 Waston 为“笑话”、“一个骗局”、“庸医”。

自 2014 年起，IBM 向 Watson 部门投资了 10 亿美元，该部门正为多个业务部门开发技术。2015 年，IBM 宣布成立一个专门的 Watson 健康部门，到 2016 年年中，Watson 健康已经收购了四家健康数据公司，总成本约为 40 亿美元。但是投入多却没有真正的商业案例，更是给人以只“烧钱”的直观感受。

IBM Watson 推出的产品，也一点不像人们曾经设想的“超级医生”，更像是仅能够执行某些日常任务的小助手。一位医生愤怒的说：“这玩意儿就像一坨屎！我们买 Watson 来，是因为它的营销搞的很厉害，让我们觉得能靠它来实现一些愿景。结果买来之后呢？它什么都做不了！“

到此时，Watson 获得了遍地的喝"倒彩"声。

加州大学旧金山分校医学系主任 Robert Wachter 称：“从声誉上来讲，我认为他们遇到了一些麻烦。”他是 2015 年出版的《数字医疗：信息化时代医疗改革的机遇与挑战》的作者。他表示，IBM 的雄心壮志在某种程度上影响了它的发展：他们誓当第一家大力推动人工智能应用于医疗临床的公司。但是，由于他们夸大了 Watson 的能力，结果招来了人们的意见和怀疑。他说道：“他们将营销放在首位，产品放在第二位。然后他们就像马拉松运动员那样，穿着橡胶鞋底就上路了。他们根本没有准备好。这是一个非常难以解决的问题。结果导致了 IBM 率先出局。”营销第一产品第二，其实也是众多 AI 产品都存在的状态：大量资金投入，必须为之找到商业化盈利的方法，让研发工作能持续下去。

虽然 IBM 并没有放弃登月计划。但它的失败已向技术专家和医生们表明，打造一名人工智能医生有多么困难；而且它的失败并非技术原因，更多的是因为 IBM 强大的技术无法与当今混乱的保健医疗系统相兼容，机器学习的模式与医生的工作方式根本无法匹配。

但是 IBM 的失败代表了 AI 医疗行业的失败吗？

根据动脉网数据库统计，全球共有 244 家企业将人工智能应用于医疗领域，主要布局在医学影像、健康管理和病历/文献分析三个应用场景。在国内，腾讯在 17 年 8 月发布 AI 医学影像产品“腾讯觅影”；并在同年获得“医疗影像国家新一代人工智能开放创新平台”称号。据报告，在 2018 年仅第一季度就有 20 多家医疗人工智能企业获得融资。整个 AI 医疗行业呈现景象似乎并没有受到探路者“失败”的影响。

回望过去，从拥趸变失望不过一瞬间？

2011 年在益智节目 Jeopardy！的获胜展示了 Watson 在自然语言处理方面卓越的能力。为了赢得这场比赛，它必须解析充满文字游戏的复杂线索，搜索大量文本数据库来找到可能的答案，并确定最佳答案。Watson 不是被人为美化的搜索引擎；它并非只是根据关键词来返回文档，恰恰相反，它使用了数百种算法来映射句子中的“实体”，并理解它们之间的关系。它利用这种技能来理解益智节目 Jeopardy！的线索，以及它所挖掘到的数百万文本来源。

项目：认知教练系统

运动服装公司安德玛（Under Armour）和 Watson 健康合作，联手打造了“个人健康教练和健身顾问”。使用来自安德玛的活动跟踪器应用程序的数据，“认知教练”的目标是根据用户的习惯来提供定制的训练计划，以及基于对类似人员所取得的成果的基础上提供建议。但是，这个认知教练就从来没用过，后来安德玛也不再跟 IBM Watson 合作。

“看起来 Watson 似乎可以理解语言的含义，而不仅仅是识别单词的模式。”曾参与益智节目 Jeopardy！比赛的 IBM 研究部门的首席医学科学家 Martin Kohn 说，“它可比现有的自然语言处理要强大一个数量级。”更重要的是，Watson 通过机器学习自行开发了这种能力。IBM 研究人员为了训练 Watson，提供了成千上万的样本，这些样本是由益智节目 Jeopardy！标记正确或不正确的线索和响应。在这个复杂的数据集中，人工智能发现了模式，并为如何从输入（线索）到输出（正确的响应）建立了模型。

早在 Watson 参加益智节目 Jeopardy！之前，IBM 就已经考虑它在医疗保健行业的可能性。拥有大量病患数据的医学似乎是一个显而易见的理想选择，特别是当医院和医生们正在转向电子健康记录的时候。虽然有些数据很容易被机器“消化”，例如实验室结果和生命体征测量。但其中大部分数据是“非结构化”信息，如医生的笔记和出院总结。在一则典型的病历记录中，叙述性文字占了 80% 左右，是一堆由行话、速记和主观陈述组成的。

Kohn 拥有哈佛大学医学学位和麻省理工学院的工程学位，他非常乐意帮助 Watson 解决医学语言的问题。他说：“Watson 似乎有克服这些复杂性的潜力。通过将 Watson 强大的自然语言处理能力迁移到医学方面，它就可以阅读病患的健康记录以及全部医学文献：教科书、同行评审的期刊文章、批准的药物清单等等。有了这些数据，Watson 有可能会成为一名超级医生，能够识别出人类无法识别的模式。

与 IBM 合作开展第一次医疗保健工作的哥伦比亚大学医学和生物医学信息学教授 Herbert Chase 称：“医生每天都要去上班，特别是战斗在第一线的医生们、初级保健医生，他们都明白：为了尽可能实践最好、最有效、最高效的医疗，他们不可能知道需要知道的一切。”但是他又说道，Watson 可以跟上，如果它成为“临床决策支持”的工具，它也可以让医生跟上。作为取代益智节目 Jeopardy！的线索，医生可以给 Watson 一个病人的病历，并要求它做出诊断或最佳治疗方案。

Chase 与 IBM 研究人员合作开发了一种诊断工具的原型，这种工具让人们感到眼花缭乱。但最终 IBM 并没有将它商业化，Chase 在 2014 年与 IBM 分道扬镳。从那时起，他对 Watson 在医学方面上的缓慢进展深感失望。他说，“我看不到什么希望。”

他曾是 Watson 早期众多拥趸的一员，但现在他们都深感沮丧。马里兰大学放射学教授兼信息系统副主席 Eliot Siegel 也与 IBM 就诊断研究进行了合作。虽然他认为人工智能工具在十年内对医生来说是不可或缺的，但他并不相信 IBM 会造出这些工具。Siegel 说，“我不认为 IBM 处在人工智能的最前沿，最令人兴奋的事，只会在 Google、Apple 和 Amazon 发生。”

至于 2014 年离开 IBM 的 Kohn，他称公司陷入了一个常见的陷阱，他说：“仅仅证明自己拥有强大的技术是远远不够的。IBM 需要向我证明，它确实会做一些有用的事情，让我的生活变得更好，让我的病人的生活也变得更好。”Kohn 表示，他一直在等待医学期刊上的同行评审论文，证明人工智能可以改善病患者的预后，并节省医疗系统的资金。他说道：“到目前为止，这样的出版物还很少，对 Watson 也没有什么影响。”

今天，IBM 的高层们将 Watson 健康的项目描述为“一段充满曲折的旅程”。但 IBM 负责认知解决方案和 IBM 研究的高级副总裁 John E. Kelly III 说，“将人工智能引入医疗保健真是一项艰巨的任务，也是一项挑战，但我们正在这样做。”自参加益智节目 Jeopardy！之后，Kelly 指导 Watson。2018 年底，他还承担了对 Watson 健康的直接监督。他说，公司已经在需要的时候进行了调整：“我们正在继续学习，因此，我们的产品会随着我们的学习而改变。”

IBM 负责医疗保健和生命科学研究的副总裁 Ajay Royyuru 说，这种诊断工具之所以没有上市，是因为还没有出现商业案例。“诊断并不是一个很好的去处，”他说，“这是专家们做得很好的事情。这是一项艰巨的任务，无论你用人工智能做得有多好，都不会取代专家的。”

希望在肿瘤学里取得突破

医生们都很保守，他们有充分的理由，而且在采用新技术方面行动迟缓。但在医疗保健的某些领域，医疗专业人员开始认为，人工智能系统可靠且有用。下面是人工智能医学的一些早期步骤。

• 机器人手术

• 目前仅用于激光眼科手术和头发移植等简单手术的常规步骤。

• 图像分析

• 专家们刚开始使用自动化系统来帮助他们检查 X 射线、视网膜扫描和其他图像。

• 遗传分析

• 随着基因组扫描成为医学的常规组成部分，从数据中快速获取见解的人工智能变得越来越有必要。

• 病理学

• 实验系统已被证明擅长分析活检样本，但尚未批准用于临床。

• 临床决策支持

• 医院引入了预测败血性休克等应用的工具，但尚未证明其价值。

• 虚拟护理

• 基本系统可以在两次就诊之间对病人进行检查，并向医生提供自动警报。

• 医疗管理

• 各家公司争先恐后提供支持人工智能的工具，可以提高计费和保险索赔等任务的效率。

• 心理健康

• 研究人员正在探索通过挖掘手机和社交媒体数据来监测抑郁症等应用。

为了寻找医疗人工智能的商业案例，IBM 针对医疗保健系统中所有不同参与者推出了大量令人目眩神摇的项目：医生、行政人员、保险公司和病人。Kelly 表示，将所有线程连接在一起的是一种努力，即“使用人工智能分析大量数据集的决策支持。”IBM 最广为人知的项目是肿瘤学项目，该项目希望利用 Watson 的“认知”能力，将大数据转化为针对患者的个性化癌症治疗。

在许多尝试的应用中，Watson 的自然语言处理和许多其他人工智能系统一样，都难以理解医学文本。蒙特利尔大学计算机科学教授、首席人工智能研究员 Yoshua Bengio 说：“与五年前相比，我们在自然语言处理方面的表现令人难以置信的好。但与人类相比却仍然差得令人发指。”Bengio 说，在医学文本文件中，人工智能系统无法理解模糊性，也无法捕捉到人类医生会注意到的细微线索。目前的自然语言处理技术可以帮助医疗保健系统：“它不需要完全理解才能做一些非常有用的事情，”他说。但到目前为止，还没有一种人工智能能够与人类医生的理解和洞察力相媲美。他对此表示：“我们还没有到那个层次。”

IBM 在癌症方面的研究就是该公司面临挑战的主要例子。纽约的凯特琳癌症研究中心的肺癌专家 Mark Kris 说，“我认为没有人想到这会花这么长的时间，或者说没想到这么复杂。”他自 2012 年以来一直领导该机构与 IBM Watson 的合作。

改善癌症治疗的努力主要有两个方面。Kris 和凯特琳癌症研究中心的其他杰出医生训练了人工智能系统，该系统于 2015 年成为 Watson 的肿瘤学产品。在美国范围内，德克萨斯州大学休斯顿分校 MD 安德森癌症中心的杰出医生与 IBM 合作创建了名为肿瘤学专家顾问（Oncology Expert Advisor）的不同工具，MD 安德森癌症中心在白血病部门测试了这套工具，但它从未成为商业产品。

IBM 为之付出努力的这两个项目都受到了强烈的批评。一篇批评 Watson 肿瘤学的文章声称，它提供的建议毫无用处，有时甚至是危险的。（当然，IBM 对这些质控提出了质疑。）更广泛地说，Kris 说他经常听到这样的批评，说产品不是“真正的人工智能”。而 MD 安德森项目却戏剧性地失败了：德克萨斯大学 2016 年的一项审计发现，癌症中心在该项目上耗费了 6200 万美元，就取消了这个项目。人们若深入研究这两个项目，就会发现，机器学习的前景与医疗保健的现实，在“真正的人工智能”与当今医生对功能性产品的要求之间，存在根本性的不匹配。

Watson 肿瘤学应该通过摄取大量关于癌症的医学文献和真实癌症患者的健康记录来学习。Watson 凭借强大的计算能力，有望研究这些记录中的数百个变量，包括人口统计学、肿瘤特征、治疗和结果，并发现人类无法看到的模式。它还将于每天发表的大量关于癌症治疗的期刊文章保持同步。对凯特琳癌症研究中心的肿瘤学家来说，这听起来像是癌症治疗领域的一个潜在突破。对于 IBM 来说，这听上去是一个伟大的产品。Kris 说：“我不觉得会有人明白我们的处境。”

Watson 很快就学会了如何扫描关于临床研究的文章并确定基本结果。但事实证明，教会 Watson 像医生那样阅读文章是不可能的。Kris 说，“医生从文章中提取的信息，他们用来改变护理，可能不是研究的重点。”他解释说，Watson 的想法是基于统计数据，所以它所能做的就是收集有关主要结果的统计数据。“但医生不是这样做的。”

又如，2018 年，美国 FDA 批准了一种新的“组织不可知”的癌症药物，它对所有表现出特定基因突变的肿瘤都有效。这种药物在在 55 名患者身上取得了显著的效果，其中 4 名是肺癌患者，因此可被快速追踪。“我们现在说的是，每个肺癌患者都应该接受这种基因的检测。”Kris 道。“基于这四个肺癌患者的病情，所有先前的指导方针都被抛弃了。”但 Watson 不会仅仅基于四个病人就改变它的结论。为解决这个问题，凯特琳癌症研究中心的专家们创造了 Watson 可以学习的“合成病历”，本质就是具有某些人口统计学特征和癌症特征的患者。Kris 表示：“我相信分析，也相信它能揭示事物，但就癌症而言，它确实一点用都没有。”

几项研究将 Watson 的肿瘤治疗建议和医院肿瘤学家的建议进行了比较。一致性百分比表明了 Watson 的建议与专家的治疗计划相匹配的频率。

来源：《临床肿瘤学》杂志 2017；《癌症研究》杂志 2017；《JCO 临床癌症信息学》杂志 2018。

人们意识到，Watson 根本不能从医学文献中的突发新闻中独立提取见解，这只是第一次打击。研究人员还发现，Watson 无法像人们预期的那样从患者的电子健康记录中挖掘信息。

在 MD 安德森癌症中心，研究人员让 Watson 研究白血病患者的健康记录，很快就发现这些记录对 Watson 来说很难处理。是的，要知道 Watson 可是有着惊人的自然语言处理技能啊！但是在这些记录中，数据可能丢失了，写得含糊不清，或者没有按时间顺序来排列。在 2018 年发表于《肿瘤学家》杂志（The Oncologist）的一篇论文中，该团队报告称，其 Watson 驱动的肿瘤专家顾问在从医疗记录中的文本文件中提取信息方面取得了不同程度的成功。在处理像诊断这样清晰明确的概念时，它的准确率得分从 90%~96% 不等，但对于像治疗时间表这样依赖时间相关的信息时，准确率仅有 63%~65%。

在对人工智能超级医生梦想的最后一击中，研究人员意识到，Watson 无法将新患者与之前发现隐藏模式的的癌症病患进行比较。凯特琳癌症研究中心和 MD 安德森癌症中心都希望人工智能能够模仿他们的肿瘤专家的能力。肿瘤学专家在为新患者指定策略时，会借鉴他们对患者、治疗方法和治疗结果的经验。一台可以更严格地进行相同类型人群分析的机器，并使用数千名患者的数据，将会非常强大。

但是，医疗保健系统目前的标准，并不鼓励这种现实世界的学习。MD 安德森癌症中心的肿瘤学专家顾问只发表了与官方医学指南和医学文献中发表的研究结果相关的“基于证据”的建议。如果人工智能系统的建议是基于它在医疗记录中发现的模式，比如，某种类型的患者在某种药物上表现更好，那么这种建议就不会视为基于证据的医学黄金标准。如果没有科学研究的严格控制，这样的发现只会被认为是相关的，而不是因果关系。

IBM 前员工 Kohn 和许多其他人都认为，为了让人工智能充分发挥潜力并改变医学，医疗保健的标准必须改变。Kohn 说，“黄金标准并非真正的黄金。”人工智能系统可以考虑比临床试验更多的因素，并且可以将患者分类到更多的类别，以提供“真正个性化的护理”。基础设施也必须改变：医疗保健机构必须同意分享专有和隐私控制的数据，以便人工智能系统能够从多年来跟中数百万的患者身上学习。

据传闻称，IBM 在美国很难找到 Watson 肿瘤产品的买家。一些肿瘤学家说他们相信自己的判断，不需要 Watson 告诉他们该怎么做。另一些人还说，Watson 只建议他们都很清楚的标准治疗方法。但 Kris 称，一些医生发现，它可以作为一种即时的二次诊断，可以与紧张不安的病人分享。Kris 说：“尽管它并不完美，也很有限，但是它还是非常有用的。”IBM 的销售代表在美国之外的地区运气更好，印度、韩国、泰国等地的医院都采用了这项技术。许多这样的医院在营销中都自豪地使用了 IBM Watson 品牌，告诉患者他们将会获得人工智能驱动的癌症护理。

在过去的几年里，这些医院已经开始发表关于 Watson 肿瘤学相关经验的研究。在印度，Manipal 综合癌症中心的医生对 Watson 的 638 例乳腺癌病例进行了评估，发现 Watson 的治疗建议一致率为 73%，由于转移性乳腺癌的表现不佳，拉低了它的得分。在韩国嘉泉大学（Gachon University）Gil 医疗中心，Watson 表现更差，该中心对 656 名结肠癌患者的最佳建议只有 49% 与专家的建议相符。医生报告称，Watson 对老年患者的治疗效果不佳，没有推荐某些标准药物，而且还存在一个缺陷，导致 Watson 建议对某些转移性癌症患者进行检测而不是积极治疗。

这些研究的目的是确定 Watson 肿瘤学技术的表现是否达到预期。但还没有研究表明它对患者有益。加州大学旧金山分校的 Wachter 说，这对该公司来说，是一个日益严重的问题：“IBM 知道益智节目 Jeopardy！的胜利与凯特琳癌症研究中心的合作将为他们打开大门。但他们需要相当迅速地展示出不良结局的影响。”Wachter 表示，IBM 必须说服医院相信这个系统是值得投资的。“他们取得成功非常重要，”他说，“在《新英格兰医学杂志》上发表一篇文章，文章指出，当我们使用 Watson 时，病人表现更好，或者我们更能省钱，这才能够说取得了成功。”Wachter 还在等待这样的文章的出现。

凯特琳癌症研究中心的 Kris 并不气馁，他认为这项技术只会变得更好。“作为一种工具，Watson 具有非凡的潜力，”他说，“我确实希望那些拥有智囊和计算机能力的人们坚持下去。这是一个漫长的过程，但它是值得去等待，去期望。”

Watson 健康在某些狭隘和受控的应用中出现了一些成功案例，Watson 似乎正在增加价值。例如，与北卡罗来纳大学、耶鲁大学和其他机构合作开发的 Watson 基因解决方案。这个工具由遗传学实验室使用，为执业肿瘤学家生成报告：Watson 接受列出病患者基因突变的文件，在短短几分钟内就能生成描述所有相关药物和临床试验的报告。IBM 杰出工程师 Vanessa Michelini 表示，“藉由 Watson 的加持，实验室才能够扩大规模。”她负责该产品的开发，并于 2016 年发布这个产品。

Watson 在处理遗传信息方面相对容易，这些信息以结构化文件的形式呈现，没有歧义：要么存在突变，要么不存在突变。这工具并不使用自然语言处理来挖掘医疗记录，而是只用它来搜索教科书、期刊文章、药物批准和临床试验报告，并在其中查找非常具体的陈述。

IBM 在北卡罗来纳大学的合作伙伴发表了第一篇关于 Watson 对基因组学有效性的论文。在参与这项研究的癌症患者中，Watson 发现了有 32% 患者存在一些潜在的重要突变，这些突变在人们研究中未被发现。这使得这些患者成为新药或刚刚开始的临床试验的良好候选者。但到目前还没有迹象表明 Watson 基因解决方案可以带来更好的结果。

美国弗吉尼亚州国家肿瘤项目主任 Michael Kelley 说，美国退伍军人事务部在全国 70 多加医院使用 Watson 进行基因组学报告。退伍军人事务部首先尝试试用这个系统来治疗肺癌，现在将其用于所有实体肿瘤。Kelley 说，”我确认认为它可以改善病患护理。”当退伍军人事务部的肿瘤学家决定治疗计划时，“这是他们可以为讨论带来的信息来源，”他说。但是 Kelley 表示，他并不认为 Watson 算得上一名机器人医生。“我倾向于认为它是一个机器人，医学图书管理员。”

大多数医生可能乐于有一个人工智能图书管理员能够随时听候差遣，如果这是 IBM 最初向他们承诺的那些功能的话，他们今天可能就不会感到那么失望了。Watson 健康的故事，就是一个充满了狂热、炒作的警示故事。每个人都喜欢雄心壮志，每个人都喜欢登月计划，但是没有人愿意登上一艘不会上天的火箭。

到目前为止，成功案例还很少

2011 年，IBM 就开始致力于将 Watson 引入医疗保健行业。从那时起，IBM 已宣布近 50 项合作计划，旨在开发新的人工智能医疗工具。有些合作项目是为了给医生和机构开发工具；有些项目则致力于消费类应用。虽然这些合作中的许多还没有带来商业产品。但 IBM 表示，这些研究工作很有价值，并且许多合作关系仍在持续。下面是一些具有代表性的项目样本。

小结

IBM Watson 仍然需要跨越重重障碍，才能实现 IBM 将 Watson 变成无可挑剔的“AI 医生”的梦想，其他在医疗 AI 赛道上遭遇类似困境的企业，也应以此为鉴，及时做出应对策略和调整，才是最要紧的。

正如翼展科技 CTO 边海锋所说：“对于那些没有医疗背景，但却有资金和各种资源支持的大公司，他们做医疗 AI 的挑战主要是在产品上缺乏领域知识，找不到能够解决客户痛点的应用场景，其次是如何打造一个熟悉医疗客户群体的团队。”

参考文章链接：

1.《IBM 沃森医疗 AI 的低产和被高估的程度》：https://spectrum.ieee.org/biomedical/diagnostics/how-ibm-watson-overpromised-and-underdelivered-on-ai-health-care

2.《IBM 医疗 AI 死于难产：NLP 搞不定医学问题！》：https://mp.weixin.qq.com/s/y-AfnRYXfymTiK3rk43IJw