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
在统计学分析、实验研究、业务数据复盘过程中,单因素方差分析是检验自变量对因变量是否存在显著影响的核心方法。其中,两个水平 ...
2026-05-26【核心关键词】算法、客户、大数据、互联网、调优、建模、模型优化、机器学习、评分卡模型、模型开发、智能风控、业务场景、数 ...
2026-05-26 很多数据分析师写过无数个 SELECT,但当被问到“新建一张表,该如何定义字段类型来保证数据质量”“创建视图和存储物理表有 ...
2026-05-26在数据清洗、统计分析与数据质量检测工作中,箱型图(又称箱线图、Box Plot)是最直观、最高效的可视化分析工具之一。相较于柱状 ...
2026-05-25在大数据分析、数据清洗、质量管控、风险监测等领域,异常数据识别是保障数据质量、确保分析结论精准、规避业务决策失误的核心基 ...
2026-05-25 很多数据分析师精通Excel函数和透视表,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是什么关系 ...
2026-05-25数字化经营时代,企业的市场竞争早已从经验决策转向数据决策。门店营收、用户转化、产品销量、成本损耗、存量资产等所有经营行为 ...
2026-05-22在MySQL数据库日常运维、业务数据校验、数据迁移与数据清洗场景中,自增主键ID的连续性校验是一项基础且关键的工作。MySQL的Auto ...
2026-05-22 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-05-22【核心关键词】大数据、可视化、存储、架构、客户、离线、产品、同步、实时、数据仓库、数据分析、数据可视化、存储数据、离线 ...
2026-05-21在电商流量红利消退、公域获客成本持续走高的当下,存量用户深度挖掘已成为店铺增收增效的核心抓手。相较于付费投放获取的陌生新 ...
2026-05-21 很多数据分析师每天盯着几十个指标,但当被问到“这套指标要支撑什么业务目标”“指标之间是什么逻辑关系”“业务变化时如何 ...
2026-05-21在数据驱动决策的时代,数据质量直接决定分析结果的可靠性与准确性,而异常值作为数据清洗中的核心痛点,往往会扭曲分析结论、误 ...
2026-05-20 很多数据分析师每天盯着GMV、DAU、转化率,但当被问到“哪些指标在所有行业都适用”“哪些指标只对电商有意义”“二者如何搭 ...
2026-05-20Agent的能力边界,很大程度上取决于其掌握的Skill质量和数量。传统做法是靠人工编写和维护Skill,但这条路很快会遇到瓶颈。业务 ...
2026-05-20在统计分析中,方差分析(ANOVA)是一种常用的假设检验方法,核心用于分析“一个或多个自变量对单个因变量的影响”,广泛应用于 ...
2026-05-19 很多数据分析师每天盯着GMV、DAU、转化率,但当被问到“什么是指标”“指标和维度有什么区别”“如何定义指标值的计算规则和 ...
2026-05-19想高效备考 CDA 一级,拒绝盲目刷题、冗余学习?《CDA 一级教材知识手册》重磅来袭!以官方教材为核心,浓缩 13 章 103 个核心考 ...
2026-05-19在数据统计分析中,卡方检验是一种常用的非参数检验方法,核心用于判断两个或多个分类变量之间是否存在显著关联,广泛应用于市场 ...
2026-05-18在企业数字化转型的浪潮中,很多企业陷入了“技术堆砌”的误区——上线了ERP、CRM、BI等各类系统,积累了海量数据,却依然面临“ ...
2026-05-18