正文
而一旦计算机的“深度学习”网络建成，它便可在短时间内，自主阅读所输入给它的大量医学论文及病例，且夜以继日，不眠不休。
以Watson为例，它可以在17秒时间内阅读3469本医学专著、248000篇论文、69种治疗方案、61540次实验数据以及106000份临床报告，并最终提出三个最优选的治疗方案。而一名医疗人员，平均每年最多只能阅读200至300份医疗文献著作。
Watson的认知计算有着比深度学习更广阔的外延，陈黎明解释说：认知计算能够实现大规模学习、针对问题的推理和思考，进行自然语言交互，增强和扩充人类在专业知识方面的学习能力，与人类合作解决人类和机器无法单独解决的问题。认知创新代表了信息技术未来的发展方向，是开启商业和社会发展新时代的钥匙。
不过，IBM并不打算用Watson取代人类医生。它只负责给出建议，最终的决策，仍需要医生负责。
“人工智能的概念是增强人类的智能。”IBM公司董事长、总裁及CEO 罗睿兰解释说，正如蒸汽机增强了人类的体力，电话增强了人类的通话能力，计算机增强了人类的计算能力，“机器的协助并没有取代人类的活动，它只是扩展了人的技能和专业水平。”
IBM认知物联网驱动的超级赛车，通过Watson IoT平台和其他工具来操控赛车，防止赛道碰撞，实现轻松驾驶。图/受访者供图
“训练”Watson
将Watson训练成一个医疗专家，花了整整12年。
2005年，IBM研究院意识到，十年之后，医疗和机器学习的结合将会成为重要的研究领域。他们从心血管疾病和乳腺疾病的医疗影像识别开始做起，后来聚焦在癌症的诊断上。
据统计，2015 年全球新增的癌症病例为1410 万，死于癌症的人数高达820 万人。由于环境恶化、寿命延长等因素，预计未来20 年，全球内新发病例的增加幅度将高达70％。
计算机曾以显示影像、符号等方式，对医疗服务给予帮助，但要真正成为给出诊断的医生，它首先需要学习的是如何阅读这些影像。
试想一下，一名医学院的学生是如何学习理解这些医学影像的：他们先从书本或教材中获得病症的特征，然后在不断的实践中，将这些知识与现实情况加以对应。遇上疑难问题，他们依靠老师、前辈和医学病例，反复对比和讨论，直至得出结论。
但计算机的理解方式完全不同。它不会因为有人告诉它“这是一只猫”，就在遇到下一张相同或类似影像时，立该意识“这也是一只猫”。
它的理解方式是机械的。它首先需要大量阅读同一类型的影像，从中提取出同质的特征，记忆、保存，直至它可以在遇到同类影像时，立刻做出识别。
但深度学习或者认知计算最大的不同，是计算机有能力自主地处理这一过程。人们需要做的，只是输入数以百万计的分类过的影像信息，然后等待它宣告学习完成。放在人类社会中，它就是一名优等生，无须老师和家长的督促，也能自觉、快速地完成所布置的作业。错误自然也会出现，但在一次次类似“考试”的检测之后，准确率便会随之提高。
为了训练和培养Watson在癌症诊断方面的能力，IBM与美国纪念斯隆-凯特琳癌症中心合作，为Watson提供了最前沿的教材：医院100多年来的癌症临床治疗方面的实践经验，以及基于美国国立综合癌症网络而编制的治疗指南。此外，还有美国44家医疗机构的历史癌症治疗案例。
Watson的主攻方向包括：肺癌、乳腺癌、胃癌、结肠癌、直肠癌、子宫颈癌等高发癌症。“培训”12年后，它已掌握了超过 290 种医学专业期刊的全部内容，超过200本肿瘤专著，超过1500万页的论文数据，还有字典、百科全书、新闻、文学以及其他可以建立知识库的参考材料。
但“培养”一名机器医生也不是一帆风顺的。2011年时，Watson的医学知识水平还与医学院二级学生的水平相当。3年后，Watson的疾病诊断率达到73％。
2017年，为检验Watson的诊断水平，北卡罗来纳大学教堂山分校的耐德·沙普利斯博士研究了1000余名患者的数据，发现在99％的病例中，Watson提出了与分子肿瘤专家团相同的治疗建议。IBM旗下沃森健康（Watson Health）副总裁史蒂夫·哈维（Steve Harvey）先生介绍说，在30％的案例中，Watson还发现了癌症专家错过的一些细节。
弥补资源不均的局限
帕姆66岁，患转移性膀胱癌8年，尝试过许多不同的疗法，一直没有痊愈。她已经没有什么选择了。
医生提出用Watson来帮忙，试图去发现诊断中的一些医生可能会忽略的东西。对于帕姆来说，也许，机器人医生能带来奇迹。
Watson看了上万张肿瘤扫描的图像，它们来自不同的病人。最后，在帕姆的肿瘤扫描片中，Watson标出了一段突变的基因。这是医生之前没有发现的。他们根据这个发现制订了新的诊疗方案。
如今，这套使用在帕姆身上的方案已经引入中国。中国是癌症发病和死亡大国。全国肿瘤登记中心统计显示，2015 年中国因癌症死亡的病例超过200万例，新增400余万例，平均下来，每天的新增癌症诊断病例约有1.2万例。
“中国医疗健康领域面临的一个突出挑战是，优质健康医疗资源配置不均，除了要在政策和体制上想办法之外，我们更要向科技创新要解决方案。”
陈黎明算了下，“一个好的医生的培养需要25到30年左右，但选择工作时，他会首先选择去大城市的三甲医院工作，老少边穷地区的医疗问题依然不能得到解决。”
