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 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15