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
主讲人简介 张冲,海归统计学硕士,CDA 认证数据分析师,前云南白药集团资深数据分析师,自媒体 Python 讲师,全网课程播放量破 ...
2026-04-10在数据可视化与业务分析中,同比分析是衡量业务发展趋势、识别周期波动的核心手段,其核心逻辑是将当前周期数据与上年同期数据进 ...
2026-04-10在机器学习模型的落地应用中,预测精度并非衡量模型可靠性的唯一标准,不确定性分析同样不可或缺。尤其是在医疗诊断、自动驾驶、 ...
2026-04-10数据本身是沉默的,唯有通过有效的呈现方式,才能让其背后的规律、趋势与价值被看见、被理解、被运用。统计制图(数据可视化)作 ...
2026-04-10在全球化深度发展的今天,跨文化传播已成为连接不同文明、促进多元共生的核心纽带,其研究核心围绕“信息传递、文化解读、意义建 ...
2026-04-09在数据可视化领域,折线图是展示时序数据、趋势变化的核心图表类型之一,其简洁的线条的能够清晰呈现数据的起伏规律。Python ECh ...
2026-04-09在数据驱动的时代,数据分析早已不是“凭经验、靠感觉”的零散操作,而是一套具备固定逻辑、标准化流程的系统方法——这就是数据 ...
2026-04-09长短期记忆网络(LSTM)作为循环神经网络(RNN)的重要改进模型,凭借其独特的门控机制(遗忘门、输入门、输出门),有效解决了 ...
2026-04-08在数据分析全流程中,数据质量是决定分析结论可靠性的核心前提,而异常值作为数据集中的“异类”,往往会干扰统计检验、模型训练 ...
2026-04-08在数字经济飞速发展的今天,数据已渗透到各行各业的核心场景,成为解读趋势、优化决策、创造价值的核心载体。而数据分析,作为挖 ...
2026-04-08在数据分析全流程中,数据处理是基础,图形可视化是核心呈现手段——前者负责将杂乱无章的原始数据转化为干净、规范、可分析的格 ...
2026-04-07在数据分析与统计推断中,p值是衡量假设检验结果显著性的核心指标,其本质是在原假设(通常为“无效应”“无差异”)成立的前提 ...
2026-04-07在数字经济深度渗透的今天,数据已成为企业生存发展的核心资产,企业的竞争本质已转变为数据利用能力的竞争。然而,大量来自生产 ...
2026-04-07Python凭借简洁的语法、丰富的生态库,成为算法开发、数据处理、机器学习等领域的首选语言。但受限于动态类型、解释性执行的特性 ...
2026-04-03在深度学习神经网络中,卷积操作是实现数据特征提取的核心引擎,更是让模型“看懂”数据、“解读”数据的关键所在。不同于传统机 ...
2026-04-03当数字化转型从企业的“战略口号”落地为“生存之战”,越来越多的企业意识到,转型的核心并非技术的堆砌,而是数据价值的深度挖 ...
2026-04-03在日常办公数据分析中,数据透视表凭借高效的汇总、分组功能,成为Excel、WPS等办公软件中最常用的数据分析工具之一。其中,“计 ...
2026-04-02在数字化交互的全场景中,用户的每一次操作都在生成动态的行为轨迹——电商用户的“浏览商品→点击详情→加入购物车”,内容APP ...
2026-04-02在数字化转型深度推进的今天,企业数据已成为驱动业务增长、构建核心竞争力的战略资产,而数据安全则是守护这份资产的“生命线” ...
2026-04-02在数据驱动决策的浪潮中,数据挖掘与数据分析是两个高频出现且极易被混淆的概念。有人将二者等同看待,认为“做数据分析就是做数 ...
2026-04-01