Watson-人工智能进入医疗领域的先锋

Watson——人工智能进入医疗领域的先锋

Watson是自2007年开始，由IBM公司的首席研究员David Ferrucci所领导的DeepQA计划小组开发的人工智能系统，根据IBM的资料显示，Watson的硬件方面是由90台IBM Power 750服务器组成的集群服务器，这里面共计有2880颗Power7处理器，以及16TB内存组成。软件方面，Watson是由Java和C++写成，并且采用Apache Hadoop框架做分布式计算，还有Apache UIMA (Unstructured Information Management Architecture) 框架、 IBM DeepQA软件和SUSE Linux Enterprise Server 11 操作系统。

Watson 深度QA的工作原理

 在Watson分析问题并确定最佳解答的过程中，运用了先进的自然语言处理、信息检索、知识表达和推理和机器学习技术。通过生成假设、收集大量证据、并进行分析和评估。Watson通过加载数以百万计的文件，来构建其知识体系。

从解答的过程来看，Watson通过使用数以百计的算法，而非单一算法，来搜索问题的候选答案、并对每个答案进行评估打分，同时为每个候选答案收集其他支持材料，并使用复杂的自然语言处理技术深度评估搜集到的相关材料。当越来越多的算法运算的结果聚焦到某一个答案时，这个答案的可信度就会越高。Watson会衡量每个候选答案的支持证据，来确认最佳的选择及其可信度。当这个答案的可信度达到一定的水平时，Watson就会将它作为最佳答案呈现出来。

 Watson储存了数百万的文档资料，包括字典、百科全书、新闻、文学以及其他可以建立知识库的参考材料。Watson的硬件配置可以使它每秒处理500GB的数据，相当于1秒阅读100万本书。凭借自身强大的学习能力，Watson已经在金融投资、环境保护、水资源管理、零售业物流管理、保险审核等多个领域找到了自己的用武之地，而其在医疗领域的应用尤其引人注目。

数以千万G的医学资料被“灌”进了沃森的大脑，成为构建他头脑中医学图景的“原料”。接下来，沃森对所学内容进行了消化和重组。“机器学习”的过程并不容易，他不仅要知道概念间的联系，还要能够区分哪怕最细微的不同。 掌握了医学领域的语义模式，并能够通过多种算法进行推理得出备选答案。而且随着“临床”经验的增加，他的脑子越用越灵光，“这是系统的一个特点。随着不断学习，他的学习曲线会呈指数增长。” 

基于Watson的认知计算能力，它可以从各种结构化和非结构化信息中学习和构建知识，这就大大突破了目前传统医学知识库对结构化数据的限制，从而可以在浩如烟海的医学文献中快速学习知识。

Watson的互动功能

作为Q&A的基本功能，Welltok保健公司开发的新产品CaféWell Concierge能够在医疗对话过程中，结合用户的医疗健康数据快速准确地回答日常语言所提出的系列复杂问题，而且能够从与用户的互动中不断学习。通过实现动态个性化健康体验，Welltok可利用Watson以用户为中心，做出积极的健康建议。

Watson的发现功能

退伍军人健康管理局 (VHA)具有 1,700多个医护站点，是美国最大的综合性医疗保健系统，每年为约 8,700,000退伍军人提供医疗服务。当为创伤后精神紧张性障碍（PTSD）病患寻求一种更好的医护方式时， Watson可处理大量医学文献、临床资料和病患医疗记录，并对单个病患提出适当的治疗方案的能力引发了VHA的强烈兴趣。Watson还可对临床医生的系列问题提供基于证据的答案，通过节省医师的研究时间，Watson有助于医师将更多时间花在聆听病患的意见以及与病患进行互动上。

Watson的决策功能

泰国康民医院总部位于曼谷，是南亚最大的私人医院，也是全球最受欢迎的医疗机构之一。为改善其癌症护理质量，康民医院选择了 IBM Watson for Oncology - 一种有助于医生为单个癌症病患规划最高效的治疗方案的创新性认知计算解决方案。通过对已有文献及相关医疗数据的分析，该解决方案可以结合每个病例的特点，向医护人员提供个性化的治疗建议。

Watson的药物研发方面的应用

强生将提供Watson详述临床试验结果的科研论文，借助这种知识，Watson Discovery Advisor可以帮助科学家鉴定对于药物样本有任何不良的基因档案。相比较之前的研究，需要3个人进行平均花10个月来收集准备数据，才能够开始进行分析。强生团队希望能够通过Watson从医学文献快速地综合利用信息，直接查询数据方面的问题。 

尽管目前Watson在医疗界的应用有很多还处于实验阶段，但随着以认知计算为代表的深度学习技术不断发展，可以预见，将来的医疗领域，会有更多的人工智能技术渗透其中。