人工智能正在世界各地的临床环境中进行测试，这不是什么秘密，但将复杂的算法应用到过时的医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，开发了一个名为沃森(Watson)的人工智能平台，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，它在医疗领域的应用有多种原因。

一个原因是人工智能可以帮助筛选大量不同类型和格式的非结构化数据。医疗保健涉及大量非结构化数据;对于研究人员想要分析的大多数临床记录和信息，并没有统一的方法。目前，这些数据被用于通知个别病人的情况，但它很难进行分析和使用以外。

人工智能可以用来从不断增长的数据海洋中获取信息。与此同时，医疗成本不断上升，员工、医疗服务和协调方面的问题也越来越多。我们相信，我们的人工智能有巨大的潜力来应对这些迫在眉睫的医疗问题。

我们倾向于使用“增强智能”这个术语，是为了说明我们并不是在取代人或专业人士，尤其是在医疗领域。我们的技术是一种帮助。这可以比喻为在车上使用GPS——GPS帮助导航，但人仍然是司机。

从这个角度来看，人工智能在任何有大量数据的地方都有巨大的潜力。医疗是一个特别突出的例子，因为它在数字化方面落后于很多行业。大多数情况下，那些例行公事和重复性的工作仍然是手工完成的，如果系统能够通过所有必要的安全和隐私措施来实现自动化，那么系统将受益匪浅。

这可以解放专业人员——医生或护士——的能力，让他们从事更多有价值的工作，而不是常规的、重复性的工作。在医疗保健领域，几乎所有领域都有未开发的、难以置信的改善潜力。

以肿瘤学为例，这是我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。这是不能被个人利用的。但是，我们可以设计一个系统来帮助定位，并提供相关的信息。

个人在这方面的工作将不得不花更少的时间浏览信息，可以花更多的时间研究病人的情况和研究基于证据的信息。这是一个我们已经进步的领域，在其他领域中，还有更多我们想要扩展的领域。

沃森人工智能从一开始就投入了临床研究，以确保它得到了充分的测试。这通常是医疗保健技术工作和测试的方式。

四五年前，我们开始测试自然语言处理是否有效，以及系统是否能够从非结构化的研究文本中找到数据。随着我们的发展，我们特别关注的一件事是肿瘤学的临床决策支持。

我们的工作是帮助将所有这些基于证据的个性化信息带到肿瘤医生或多学科小组会议上以帮助他们决定如何治疗病人。

在我们测试了这项技术是否有效之后，我们开始将沃森的建议与专家小组进行比较，观察专家与系统之间的凝聚力和一致性。这些研究非常成功，这让我们相信，我们的系统可以与顶级机构和专家的意见相匹配。

从这些研究中，我们发现了一些有趣的问题，我们的技术可以帮助解决这些问题，比如不必要的护理可变性。这意味着，进入医疗系统有问题的人可以在不同的医院接受不同的治疗，如果在不同的情况下，甚至可以在同一家医院接受不同的治疗。

不幸的是，对于每个问题都没有通用的、通用的协议和解决方案。从临床结果或成本的角度来看，这种程度的变化是不好的，有许多医疗系统和组织正在努力减少它。其中一些研究关注的是使用沃森进行决策的影响，并得出了有趣的结果。

我们正在与卫生保健决策者合作，非常缓慢地改变流程和工作实践，并在Watson的帮助下增加决策。到目前为止，我们的发现表明，使用沃森，临床医生更能够为特定患者选择最佳治疗方案。

我们做了一项有趣的比较，比较对象是对其研究课题有深入了解的专科医生和一种特定类型的癌症(他们能跟上文献和研究的进展)的影响，以及对多种类型的癌症和大量信息的多能肿瘤学家的影响。

我们看到这项技术的早期实施对多能肿瘤学家的决策产生了重大的积极影响。这表明，我们的技术在帮助如何做出治疗决定方面具有巨大的潜力。

我们正在进行区域研究。沃森目前被部署在五大洲的一些医院。在特定的国家进行地方研究似乎很重要因为这是他们的医疗保健在提供医疗服务方面的运作方式;人们关注当地的现实和条件。我们把研究和研究带到当地。

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

有两个障碍:

首先是数据的质量和形式。大多数医疗数据组织和捕获都基于这样一个事实，即某人必须发送发票、退款、医疗保险请求或类似的东西。这取决于你在哪里，以及报销制度的类型。

逐渐地，真实的临床信息被捕获。然而，形式和质量是一个问题，因为不同的医疗保健提供者在这方面有很多不同。这影响了数据的分析和处理。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碍是人。医疗保健的这一面可能非常保守。从医学的角度来看，这是件好事，因为这意味着人们不会因为前一天上网搜索的内容而每天被区别对待。临床研究有助于建立这方面的指导方针。

此外，引入这些过程对可提供的护理组织和协调水平有影响。这对医疗方面的应用较少，而对工作流的应用较多。人们天生抗拒改变。

临床医生需要接受和采用这些做法，这是困难的。我们非常专注于解决这个问题，并帮助从业者认识到这不是一个替代业务，实际上我们会帮助他们，并提供许多好处。

下载:肿瘤学和基因组学的挑战。

我们研究了人工智能在病人护理和决策中的应用。从我们所看到的情况来看，病人和他们的关系不是问题。反馈是积极的，不需要任何形式的运动。

然而，有一个共识是，我们需要向社会解释人工智能意味着什么，而不是由机器人组成的军队接管系统;相反，它基本上是工具的集合。在IBM，我们发布了关于人工智能的价值观和行为准则。这包括这样的概念，即我们不会在提供者不了解数据的情况下使用数据，这与其他许多业务不同。

我们的工作不是取代人;我们的目标是替换任务，释放更多有价值的任务的能力。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。公众和专业观众都需要相信我们的技术。

这种变化已经发生了。人工智能数据已经被使用，尤其是新一代的医疗专业人员，他们更自然地使用这些数据。

然而，医疗保健系统需要采取重要的步骤和调整，以达到可持续发展的目的。未来10年，人口老龄化和疾病负担等因素的成本轨迹非常成问题。

在未来十年，我们希望看到医疗专业人员在机械的、重复性的任务上花费更少的时间，而在有价值的任务上花费更多的时间。

关键ASCO演示:

从ESMO突出:

Matej Adam领导着IBM在整个EMEA的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年的经验，是一位专注于医疗保健和生命科学中的信息和通信技术的高管。

在此之前，Adam领导了几个国家医疗信息交换项目的设计和开发，并为地区和国家政府提供电子健康和健康信息技术战略方面的咨询，以改善医疗结果。

Adam对新技术部署充满热情，曾管理过几个病人安全和医院流程改进的转换项目，并领导了IBM的全球医疗解决方案战略和投资组合。

亚当是英国雷丁大学(University of Reading)亨利商学院(Henley Business School)的MBA毕业生，主攻金融和信息技术。在他的业余时间，他喜欢滑雪和与他的家人在欧洲旅行。