人工（gōng）智能正在世（shì）界各地（dì）的临床环境中进行测试，这不是（shì）什么秘密（mì），但（dàn）将（jiāng）复杂的算法应用（yòng）到（dào）过时的（de）医（yī）疗系统中是一个现实的目标吗?我们与Matej Adam谈论IBM正在进行的研究。

我们投资于人工智能，开发（fā）了（le）一个名为沃（wò）森(Watson)的人（rén）工智能（néng）平台，以IBM创始人之一的名字命名。当我们开发这项技术时，从一开始就很明显，它在医疗领（lǐng）域（yù）的应用（yòng）有多种原因。

一个（gè）原因是人（rén）工（gōng）智能可以帮助筛选大量不（bú）同（tóng）类型和格式的非（fēi）结构化数（shù）据。医疗保健涉及大量非结构化数据;对于研究人（rén）员想要分析的大多数临床记（jì）录和信息，并没有统一的方法。目前（qián），这些数据被用于通知个别（bié）病（bìng）人的情况，但它（tā）很难进行（háng）分析和使用以外。

人工智能可以用（yòng）来从不断增（zēng）长的数据海洋（yáng）中获取（qǔ）信息。与此同时（shí），医疗成（chéng）本不断上升，员（yuán）工、医疗服务和协调方（fāng）面的问题也越来越多。我们相信，我们的（de）人工智能（néng）有巨大的潜力（lì）来（lái）应对这些迫在眉睫的医疗问（wèn）题。

我们倾向于使（shǐ）用“增（zēng）强智能”这个术语（yǔ），是为了说明我们并（bìng）不是在取（qǔ）代人（rén）或专业人士，尤（yóu）其是在医疗领域。我们的技术是一种帮助。这可以比喻（yù）为在车上使用GPS——GPS帮助导（dǎo）航，但人仍然是（shì）司机。

从这个角度来看，人工智能在任何有大量数据的地方都（dōu）有巨大的（de）潜（qián）力。医疗是一个特别（bié）突出的例（lì）子（zǐ），因（yīn）为它在数字化方面落后于很多行（háng）业。大多数情况下，那些（xiē）例行公事和重复性的（de）工作仍（réng）然是（shì）手工完成的，如果（guǒ）系统能够通过所有必要的安全和（hé）隐（yǐn）私措（cuò）施来实现自动化，那么系统将受益匪浅（qiǎn）。

这可以解放专业人员——医生或护（hù）士——的能力，让他们（men）从事更多有价值的工作，而不是常规的（de）、重（chóng）复性的工作。在医（yī）疗保健领域，几（jǐ）乎所（suǒ）有领域都（dōu）有未开发的、难（nán）以置信的改（gǎi）善潜力。

以肿瘤学（xué）为例，这是我（wǒ）们特别关注的领域之一。每年肿瘤学有7万项新的研究、文章和证据（jù）。这（zhè）是不能被（bèi）个人利用的。但是，我们可以（yǐ）设计一个系统（tǒng）来帮（bāng）助定位（wèi），并提供相关的信息。

个人在这方面（miàn）的（de）工作将不（bú）得不花更少的时间浏览信息，可以花更多（duō）的时（shí）间研究病人的情（qíng）况和研究基于证据（jù）的信息。这（zhè）是一个（gè）我们已经（jīng）进步的领域，在其他领域中，还有（yǒu）更多我们想要扩展的（de）领域（yù）。

沃森（sēn）人工（gōng）智（zhì）能从一开始就投入了临床研究，以确（què）保它得到（dào）了充分的测试。这通（tōng）常是（shì）医（yī）疗保健（jiàn）技术工作和测试的方（fāng）式。

四五年前，我们开（kāi）始测（cè）试自然语言处（chù）理是否（fǒu）有（yǒu）效，以及系统（tǒng）是否能够从非（fēi）结构化（huà）的研究文本中找（zhǎo）到数（shù）据。随着我们的发展，我们特别关注的（de）一件事是肿瘤学的（de）临床决策支持。

我们的工作是帮（bāng）助（zhù）将所有这（zhè）些（xiē）基于证（zhèng）据的个性化信息带到肿瘤医生（shēng）或多学科小组会议上以帮（bāng）助他们（men）决定如何（hé）治疗病人。

在我们测试（shì）了这项技（jì）术是否有效之后（hòu），我们开始（shǐ）将（jiāng）沃森的（de）建（jiàn）议与专家小组进（jìn）行比较（jiào），观察专家与系统之间的（de）凝聚力（lì）和一致性。这些研究非常（cháng）成功，这让我们相信，我们（men）的系统可以与（yǔ）顶级机构（gòu）和专家（jiā）的意见相匹配。

从（cóng）这（zhè）些研（yán）究中，我们发现了一些有趣的问题，我们的技术可以帮助解决（jué）这些问（wèn）题，比如不必要的护理（lǐ）可变性。这（zhè）意味着，进入医（yī）疗系统（tǒng）有问题的人可以在不同的（de）医院接受不（bú）同的治（zhì）疗，如果在不（bú）同的情况下（xià），甚至可以在（zài）同一家医（yī）院接受不同的治疗。

不幸的是，对于每（měi）个问题都没有通用（yòng）的、通（tōng）用的协（xié）议和解决方案。从临（lín）床结果或（huò）成（chéng）本的角度（dù）来看，这种程（chéng）度的（de）变化（huà）是不好的，有许（xǔ）多医疗（liáo）系统和组织（zhī）正在努力减少它。其（qí）中一些研究关注的是（shì）使用沃森（sēn）进行决策的影响（xiǎng），并（bìng）得出了（le）有（yǒu）趣的结果（guǒ）。

我（wǒ）们正（zhèng）在与（yǔ）卫生保健决策者合（hé）作，非常缓慢地改变流程和工作实践（jiàn），并在Watson的帮（bāng）助下（xià）增加决策。到目（mù）前为止，我们的发现表明，使（shǐ）用沃森，临床医生更能够（gòu）为特定患者选择最（zuì）佳治疗方（fāng）案。

我们做了一项（xiàng）有（yǒu）趣的比较，比较对象是对（duì）其研究（jiū）课（kè）题有深入（rù）了解的专科医生和一种特定类型的（de）癌症(他（tā）们能跟上文献和（hé）研究（jiū）的进展)的影响，以及（jí）对多种类型的癌（ái）症和大量（liàng）信（xìn）息的（de）多能肿瘤学家的影（yǐng）响。

我（wǒ）们看到这项技术的早期（qī）实（shí）施对多能肿（zhǒng）瘤学（xué）家（jiā）的决策产生（shēng）了重大的积极影响。这表明，我们的技术在帮助如（rú）何（hé）做出（chū）治疗决定方面具有巨大的潜力。

我们正在进行区（qū）域研究。沃森目前被部署（shǔ）在五大洲的（de）一些医院。在（zài）特定（dìng）的国（guó）家（jiā）进行（háng）地方研究（jiū）似乎很重要因为这（zhè）是他们的医疗保健在提供医疗服务方（fāng）面的运作方式;人们（men）关注当地的现实和条（tiáo）件。我们把研究和研究（jiū）带到当地。

我们也在评估这项技术的（de）影响。最终（zhōng），随着时间的推移（yí），我们将能够确定更（gèng）好的（de）、改变的决策的成本影（yǐng）响。这将（jiāng）使我们能（néng）够确定当地特定卫生保健系统的实际含义。

有两（liǎng）个（gè）障碍:

首先是数据的（de）质量和形式。大多数医疗数据组（zǔ）织和捕获都基于这样一个事实，即某人必须发（fā）送发票、退款、医疗保险（xiǎn）请（qǐng）求或（huò）类似的东西。这取决于你（nǐ）在哪里（lǐ），以及报销制度（dù）的（de）类型。

逐渐地，真实的临床信息被（bèi）捕获。然而，形式和质量（liàng）是一个问题，因为（wéi）不同的（de）医疗保健提供（gòng）者（zhě）在这方面有（yǒu）很（hěn）多不同。这影响了（le）数据（jù）的分（fèn）析和处理。如果输入质量差的信息，分析结果将是质量差的。

第二个更有挑战性的障（zhàng）碍（ài）是人（rén）。医疗保健的这一（yī）面可能非常保守。从医学的角度来看，这是件（jiàn）好事（shì），因为这意味着人们不会（huì）因为前一天（tiān）上网搜索的内容而每（měi）天被（bèi）区别对（duì）待。临（lín）床研究（jiū）有助于建立这方面的指导（dǎo）方针。

此外，引入这些过程对可提（tí）供的护理（lǐ）组织和协（xié）调水平有影响（xiǎng）。这对医疗方面的应用较少（shǎo），而对工作（zuò）流的应（yīng）用较（jiào）多。人们天生抗拒改变。

临（lín）床医生需要接受和采用这些做法（fǎ），这（zhè）是困难的。我（wǒ）们（men）非常专注于解（jiě）决这个问（wèn）题，并帮（bāng）助从业者认识到（dào）这不是一个替代（dài）业务，实际上我（wǒ）们会帮（bāng）助他（tā）们，并提供许多好处。

下载:肿瘤学和基因组学（xué）的挑战。

我们研究了人工智能在（zài）病（bìng）人护理和决策中的（de）应用。从我们所（suǒ）看到（dào）的情况来看，病人和他们的关（guān）系（xì）不（bú）是（shì）问题。反（fǎn）馈是积极的（de），不需要（yào）任何形式的（de）运动。

然而，有一个共识（shí）是，我们需要向社（shè）会解释人（rén）工智能意味（wèi）着（zhe）什（shí）么，而不是由机器人组成的（de）军队接管系（xì）统;相反，它基本上（shàng）是工具的集合（hé）。在IBM，我们发布（bù）了关于人工智能的价值观和行为准则。这（zhè）包括这样（yàng）的概念，即我们不会（huì）在提供者不了（le）解（jiě）数据的（de）情况下（xià）使用数据，这与其他许多业务不同。

我们（men）的工作不是取代人;我们的目（mù）标是替换任务（wù），释（shì）放更多有价值的（de）任务的能力。事实上，我们实际上是在创造以前不存在的新工作和能力。

我认（rèn）为这种透明度是必要的，因为归根结底这是一个信任的问题。公众（zhòng）和专业观众都需（xū）要相（xiàng）信（xìn）我（wǒ）们的技术（shù）。

这种变化已经发生了。人工智能数据已经被使用，尤其是新（xīn）一（yī）代的医疗专业人员，他（tā）们更自然地使用这些数据。

然而，医疗保健（jiàn）系统需要采（cǎi）取（qǔ）重要的步（bù）骤（zhòu）和调（diào）整，以达到可持续发展（zhǎn）的目的。未来（lái）10年，人口老龄化和疾病负担（dān）等（děng）因素（sù）的成本轨迹非（fēi）常成问题。

在未来十年（nián），我们希望看（kàn）到（dào）医疗专业人（rén）员在机械的、重（chóng）复（fù）性的（de）任务上花费更少的时间，而在（zài）有价值的任务上花费更（gèng）多的时间。

关键ASCO演示:

从ESMO突（tū）出（chū）:

Matej Adam领导着IBM在整个（gè）EMEA的（de）Watson健康领域的肿瘤学投资组合，将人工智能技术应用于临床实践。Adam拥有20年的经（jīng）验，是（shì）一位（wèi）专注于医疗保健和生命科学中的信息和通信技术（shù）的（de）高管。

在此（cǐ）之前，Adam领导了几个国家医疗信息交换（huàn）项目的设计和开发，并为地区和（hé）国家政（zhèng）府提供电子健（jiàn）康（kāng）和（hé）健康信息技术战略方面的咨询，以改善医（yī）疗结（jié）果。

Adam对新技术部署充满（mǎn）热（rè）情（qíng），曾（céng）管（guǎn）理过几个病人安全（quán）和医（yī）院流（liú）程（chéng）改进的转（zhuǎn）换项（xiàng）目，并（bìng）领导了（le）IBM的全（quán）球（qiú）医疗（liáo）解决方（fāng）案战略（luè）和投资组（zǔ）合。

亚当是英（yīng）国雷丁大学(University of Reading)亨利商学院(Henley Business School)的（de）MBA毕业生，主攻金融和信息技（jì）术。在（zài）他的业（yè）余时间，他喜欢滑雪和与（yǔ）他的（de）家人在欧洲旅行。