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
平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-08-24 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-08-21在数据分析与数据可视化工作中,直方图是展示数据分布特征、离散程度、集中区间的核心图表,能够直观呈现数值数据的频次分布规律 ...
2026-08-20在数据分析领域有一句核心准则:垃圾数据进,垃圾数据出。数据清洗是数据分析、数据建模、数据可视化之前的必经前置工序,也是保 ...
2026-08-20 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-08-20在Python数据分析与数据清洗工作中,Pandas是最核心的数据处理库,DataFrame是结构化数据的标准存储格式。在实时数据采集、循环 ...
2026-08-19在零售行业大数据分析与精细化运营领域,纸尿裤旁摆放啤酒是最经典、最具代表性的商业案例。两种看似毫无关联的商品,一个是婴幼 ...
2026-08-19 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 ...
2026-08-19在数据分析、业务监控、质量检测与风险管控工作中,数据波动性是衡量数据稳定性、业务健康度、结果可信度的核心依据。数据波动代 ...
2026-08-18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导致 ...
2026-08-18在数据分析、业务评价、产品评级、用户分层与综合决策场景中,单一指标往往无法全面、客观地评价事物整体水平。现实中的评价对象 ...
2026-08-18在数理统计、假设检验、数据分析与机器学习领域中,卡方分布(χ²分布)是继正态分布、t分布之后最重要的连续型概率分布之一。 ...
2026-08-17在Python数据清洗、文本校验、账号密码规则校验、脏数据过滤、字符串规整化处理中,正则表达式是最高效、最常用的文本匹配工具。 ...
2026-08-17 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。 ...
2026-08-17手游行业具备用户迭代快、竞争激烈、用户粘性易流失的典型特征。随着新游持续上线、玩家审美升级、玩法疲劳等问题出现,存量用户 ...
2026-08-14在数字化产品运营、商业数据分析、业务增长管理中,零散的指标统计无法支撑系统性的业务决策。单一的点击率、转化率、销量数据只 ...
2026-08-14 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 ...
2026-08-14在数据库数据分析、数据清洗、报表统计与业务查询场景中,日期时间是最高频、最核心的基础字段。数据库中存储的日期格式多样,包 ...
2026-08-13