京公网安备 11010802034615号
经营许可证编号:京B2-20210330
IBM将携手沃森人工智能挺进医疗大数据市场
来自医疗保健和信息技术领域的专家一致同意,未来最大的商机存在于:创造一种新的计算模型,可以将目前所有保存这医疗信息的庞大计算机群连接起来。问题是,由谁来建立这个模型,怎么建?
IBM公司在4月13日宣称要成为构建这一云平台的主要参与者,并利用其沃森(Watson)人工智能技术——在美国电视智力竞赛节目《危险边缘(Jeopardy!)》中曾战胜人脑——来分析将得到的海量医疗数据。为了保证数据安全,该项目将采用新型的创新系统,IBM的高管表示,还能让软件远程使用这些数据。
“我们坚信,无论从实力还是规模来看,我们都能偶颠覆这个行业,”IBM研究机构高级副总裁约翰·凯利(John Kelly)表示,“我深信,现在出手恰逢其时。”
有“蓝色巨人”之称的IBM这次肯定是要在医疗保健行业下大力气。将有大约2000名员工参与这个旨在将沃森人工智能应用与医疗保健行业的新部门。与此同时,这家总部位于纽约阿蒙克的计算巨头正在进行两项收购:一是买下克利夫兰的Explorys,一家可以查看5000万份美国患者病例的分析公司;二是将达拉斯的Phytel收入囊中,这家医疗服务公司将并入IBM的生命科学公司,为医生和患者提供后续治疗的反馈。IBM并未透露收购价格。
该公司还宣布了部分重要的合作关系:
——苹果公司(Apple)将致力于把基于沃森的应用程序整合到它的HealthKit和ResearchKit工具系统,这将有助于应用开发者收集个人健康数据并用于医学临床试验。
——作为全球最大的膝关节髋关节植入材料生产商之一,强生公司(Johnson & Johnson)将利用沃森,为膝关节患者提供术后康复支持服务。
——心脏支架和糖尿病药物的制造商美敦力公司(Medtronic)将使用沃森围绕其医疗产品创建自己的“物联网”,和收集数据,便于患者个人使用以及了解这些设备的运行情况。该公司一开始将侧重于对糖尿病等慢性病应用这项技术。
IBM认为,凭借其丰富的经验,它将能够在医疗保健系统中创造一个新的中间层——将传统的电子档案系统,其中一部分数据可以追溯到上世纪七十年代,与基于云计算的新架构连接在一起。
不久之后,每一位患者的医疗信息都将实现数字化,进而引发一场医疗信息大爆炸。毋庸置疑,医疗行业目前需要数据科学来应这种即将来临的局面。目前光是关于人类大脑的医疗信息就已经多到应接不暇。IBM沃森部门副总裁史蒂芬·戈尔德(Stephen Gold)表示,“如果你是位肿瘤专家,就会知道目前全世界每年在这个领域的进行的临床试验多达17万例。”
现在的问题是,沃森在多大程度上已经准备好去应对这种挑战。IBM并非唯一一家看到该领域商机的公司。亿万富豪陈颂雄(Patrick Soon-Shiong)也计划在他的NantHealth初创公司创建一种系统来做相同的事情。一家位于纽约的热门初创公司Flatiron Health正针对癌症创建分析系统。美国领先的医疗卫生信息技术服务商Cerner和Epic也想在这个新的互联市场占据一席之地,以免被淘汰。
到目前为止,沃森在医疗保健还只是作为“黑匣子”来使用。IBM已经宣布与医疗保险商Anthem和多家医疗中心达成合作,后者包括安德森癌症中心(M.D. Anderson)、纪念斯隆-凯特琳癌症中心(Memorial Sloan-Kettering Cancer Center)以及克利夫兰诊所(The Cleveland Clinic)。虽然有关沃森的正面报道数不胜数,但最重要的还属由贝勒医学院(Baylor College of Medicine)发表的那篇有关计算机科学的论文。这家医学院鉴定出了可能会成为药物靶标的蛋白质。
罗伯特·韦希特尔(Robert Wachter)表示,“我认为,最终,有人会找出将所有这些数据的来源进行整合、分析和分类的方法,而当有人做到这一切的时候,它将会把整个医疗体系带上一个新台阶。”韦希特尔是《数字医生》(The Digital Doctor: Hope, Hype, and Harm at the Dawn of Medicine’s Computer Age)一书的作者,也是加州大学旧金山分校医学部副主任。
“明天就可以实现这个目标吗?不会。但我们需不需要打造有助于实现这个目标的基础设施?需要。做到这点的,会不会是那些过往成绩最好、最有优势的公司?我想是这样。”
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
【核心关键词】统计学、互联网、知识、课程、学生、数学、软件、招聘、数据分析、实习经历、机器学习、理论基础、业务思维、统 ...
2026-07-10在互联网运营、产品设计、市场营销与商业数据分析领域,所有转化、成交、复购行为的底层逻辑,都依托于用户决策流程。用户从产生 ...
2026-07-10 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-07-10数据透视表是数据分析中最常用、最高效的汇总分析工具,具备快速分组、聚合计算、维度拆解、数据可视化等优势,能够轻松完成求和 ...
2026-07-09在统计学、CDA数据分析、机器学习与商业数据研究中,正态分布是最基础、最重要的数据分布形态。绝大多数参数检验、数据建模、指 ...
2026-07-09 很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当 ...
2026-07-09【核心关键词】采购、周期、原材料、企业、产品、成本、要素、库存、供应商、数据分析、生产计划、生产制造、加工制造、技术工 ...
2026-07-08在数据分析、特征工程、机器学习建模的工作流程中,原始数据往往包含多个不同维度的数值指标,例如客户交易数据中的消费金额、交 ...
2026-07-08 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-07-08商业谈判是企业采购合作、渠道签约、价格议价、项目合作、客户签约的核心关键环节,直接决定企业的合作成本、利润空间与经营风险 ...
2026-07-07在数据分析、业务效果验证、AB 测试、学术研究等场景中,T 检验是假设检验体系里最基础、应用最广泛的统计方法,也是均值差异分 ...
2026-07-07 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-07-07【核心关键词】转化率、企业、策略、岗位、互联网、拆分、产品、运营、分析师、指标体系、数据分析、用户画像、数据诊断、产品 ...
2026-07-06在数据分析工作中,文本数据处理是高频刚需场景,用户评论、客服工单、日志信息、调研问卷、商品文案等数据都包含大量文本内容。 ...
2026-07-06 很多数据分析师写过无数个SELECT查询,但当被问到“如何新建一张表来固化中间数据”“创建视图和创建物理表有什么区别”“视 ...
2026-07-06在 CDA 数据分析师能力体系中,透视分析是数据探索、多维度汇总、业务复盘的核心基础技能。无论是 Excel 数据透视表,还是 Power ...
2026-07-03在市场竞争日趋激烈、获客成本持续攀升的当下,企业粗放式的“广撒网”获客模式早已无法适配经营需求。企业经营的核心逻辑,已经 ...
2026-07-03 很多数据分析师精通Excel函数和数据透视表,但当被问到“数据从哪里来”“表和视图有什么区别”“数据库管理系统和SQL是什么 ...
2026-07-03【核心关键词】运营、企业、核心、客户、新技术、数字化运营、数据分析、传统企业、人工录入、生产系统、技术人员、数据安全、 ...
2026-07-02在产品开发、项目立项、业务拓展、运营优化的工作中,市场调查、竞品分析、需求调研是三大核心基础工作。很多从业者容易将三者混 ...
2026-07-02