雷锋网按：本文作者为利兹大学数据分析研究所负责人Owen A Johnson，来源World Economic Forum，由雷锋网独家编译，未经许可拒绝转载!

近日，东京大学医学研究院利用IBM的人工智能Watson判断一位女性患有罕见的白血病，这项诊断仅需10分钟时间。患者是一名60岁的女性，在四处寻医无果后，她尝试了Watson。Watson首先根据诊断结果显示她患有急髓白血病，并向东京大学医科学研究所提出了适当的治疗方案，为这名女性的康复做出了巨大的贡献。

此次成功诊断不仅展现了人工智能在医疗领域潜力之大，也凸显了IBM的Watson系统强大的实用性。在人工智能领域中，Watson早已名声远播，其第一次“成名”，则是2011年在智力节目《危险边缘》上以自然语言实现深度问答并击败人类对手，从而展示其卓越学习能力。而今，它又在医疗机构合作中推动医学研究人员不断探索认知计算应用。

自从AI系统Deep Blue在1996年打败象棋冠军Garry Kasparov以来，这20年的发展对于AI而言，是一段艰难卓绝的历程。人工智能、机器学习、大数据在医疗中的运用一直备受争议。一方面，大数据等技术带来了医疗上的突破，如FitBit等可穿戴设备为人们健康保驾护航；另一方面，对于机器人的信任不足，以及隐私侵犯和顾虑仍旧存在。

事实上，你或许会惊讶地发现，最早期的一款医疗支持计算机系统已经于1972年出现，由英国Tim De Dombal和Susan Clamp两位杰出的科学家发明。这款AI鼻祖AAPhelp运用Bayesian算法，将腹痛病人的诊断精度提升至与高级医师水平相当。但令人悲伤的是，即便经过40年的发展，此技术仍未被广泛采纳。

要让AI拯救生命，我们必须克服众多障碍。它颠覆着人们对医疗价值观念：机器可以比专业医生更加精确地进行治疗；病人需要通过复杂算法来接受治疗。此类科技创新往往耗时数十年。不过几十年过去了，AAPHelp和IBM's Watson取得巨大成就，让世人明白：计算机也能拯救生命。大数据使用暗示着个人记录、健康信息及个人细节都可以用于训练AI进行诊断，但公众对于个人数据使用非常敏感，同时希望政府出台相关法律法规，以明确标准。此举成为阻碍医疗机器人的发展瓶颈之一。

东京软件工程师林雪婷表示目前面临项目难点主要集中：

首先，要有对照用的完整数据库，比如与纽约基因中心合作；

其次，只能基于HIPPA协议使用统计信息，而非个别患者资料；

再者，就是如何安全有效地导出这些庞大的数据作为样本，这也是一个挑战，因为基因组数据体积庞大。

因此，现在最大的阻碍并非算法问题，而是人们耐心和信赖的问题。在我们利用IBM's Watson分析5000万英国病理放射学报告期间，我们将这一软件带入研究中心，而不是直接将原始数据传输给IBM。

我们采用自然语言处理程序来处理这些敏感性极高的大量报告，使得脑转移瘤、HER阳性乳腺癌以及肾盂积水等疾病识别率超过90%。

接下来两年的目标是在继续开发此项技术，最终使得AI成为常规性的医疗手段。

虽然我们收到了120万英镑投资，但迄今尚未拯救一条生命。而要实现拯救世界人民生命力的愿望，我们需要攻克民众心理思维上的坚硬壁垒，让他们开始接受、慢慢信赖这种新型的疗愈力量。而这一步骤前方还漫长且充满挑战。