一度被视作里程碑式项目、准备借助AI在医疗领域「火力全开」的谷歌健康，被美国媒体BI曝光正陷入重重危机之中，不得不大规模裁员重组。來源：量子位
牛牛敲黑板：
又一科技巨擘，在醫療AI行業面前鎩羽而歸。
一度被視作里程碑式項目、準備藉助AI在醫療領域「火力全開」的谷歌健康，被美國媒體BI曝光正陷入重重危機之中，不得不大規模裁員重組。
此時，距離谷歌(GOOGL.US)當初合併DeepMind健康業務、成立健康部門，並挖來蓋辛格醫療中心CEO領軍僅僅過去了三年時間。
當初IBM(IBM.US)的沃森醫療陷入困境被羣嘲，沒想到谷歌也逃不過類似的命運。
實際上，國內諸多的明星AI獨角獸，也相繼陷入了裁員、倒閉、資金鍊斷裂……等等窘境之中。
醫療AI賽道全球範圍內的大潰敗還在繼續。
谷歌健康，「雷聲大雨點小」
2018年11月，谷歌成立谷歌健康部門(Google Health)，合併了DeepMind旗下的健康部門DeepMind Health、和負責推進「Streams」醫療APP的團隊。
對於部門合併，DeepMind創始人表示，這將是一個「重要的里程碑」。
而當時的輿論媒體，對於谷歌健康也非常看好。
據Forbes當時發表的一篇文章預測，谷歌健康將會在醫療健康的5個領域大展身手：
促進家庭健康，包括管理用户健康狀況、監控獨居老人等;
通過運輸解決醫療保健問題，包括自動駕駛業務對醫療領域的支持;
利用大數據對抗疾病，通過算法讓人們更容易獲取健康信息;
發明下一代可穿戴設備和跟蹤器，擴大相關市場份額;
成為醫療AI的領導者，將AI引入醫療保健中。
沒錯，當時媒體普遍認為，在AI領域已經成為巨頭的谷歌，同樣能將AI完美地應用到醫療中，並實現「引領行業」的目標。
加上谷歌還從蓋辛格醫療中心挖來了David Feinberg就任主管，後者是全美最好的成人專科醫院之一。
有着UC伯克利學歷加持的David Feinberg，曾經主持了整個賓夕法尼亞衞生系統Geisinger的成立，並統一了這個系統在醫療領域的各個分散項目。
當時，行業普遍認為，David Feinberg的加入能讓谷歌在醫療健康領域如虎添翼。
但現實情況是，直至2021年，谷歌與醫療AI相關的創新業務也沒有做起來。
谷歌最新一期2021 Q1季度財報顯示，谷歌包括人工智能DeepMind、智能醫療Verily在內的創新業務，仍然處於虧損狀態。
具體到業務上來看，一項名為糖尿病視網膜病變篩查的業務，一直是谷歌健康對醫療AI重點宣傳的核心。
谷歌此前發表在《美國醫學會期刊》(JAMA)上的研究顯示，AI算法在這一研究中起到的作用極大，使得這一工具的準確率達到了90%，理論上幾秒就能出結果，「足以和眼科專家的診斷結果相媲美」。
然而，這一工具在實際應用中卻出現了「水土不服」的情況。
2020年，谷歌與泰國公共衞生部門合作，在泰國的11所診所安裝了這一工具。
由於算法對檢查照片的要求極高，導致準確率不如預期;此外，當地醫院的網絡信號不好，從上傳照片到出結果往往需要相當長的時間，病人更願意找醫生診斷。
即使如此，這次在重組時，David Feinberg還是宣傳了這一核心項目：
當我們在談「全球影響力」時，我指的不是收入，而是讓糖尿病視網膜病變篩查這樣的產品，在印度和泰國以外的其他世界地區也能得到推廣。
對於這次變動，David Feinberg迴應：
這將提高部門的影響力和執行速度……我們重點考慮的不是營收。
消息傳遞的信號，其實已經非常明確——
谷歌這個成立近3年的健康部門，根本不賺錢。
這次的谷歌健康部門重組，再次把醫療AI推上了輿論浪尖。
AI公司在醫療賽道節節敗退
畢竟，不止是谷歌，知名科技公司的醫療AI業務，面臨重組、收購的情況還有很多。
國內某家在2017年B輪獲2億投資成為AI醫療影像領域亮眼明星的公司，還沒有挺到C輪就在2019年底左右面臨資金鍊斷裂。
醫療影像輔助診斷是當時醫療AI公司扎堆投入的領域。這家公司最大的賣點肺結節診斷，則是紅海中的紅海。
一家醫院接入4、5家AI肺結節診斷產品成了司空見慣，曾有影像醫師笑稱：
中國人的肺結節都不夠用了。
以免費提供的形式進入醫院只是一張入場券，遲遲找不到盈利路線的這家公司，靠燒錢最終無以為繼。
另一家知名AI獨角獸，雖然醫療不是全部業務，但之前聲勢浩大，一度前景光明，可最近也傳出收縮業務、相關團隊整組整組地調整。
IBM的Watson Health部門，是IBM佈局醫療AI的窗口，主要利用AI幫助醫院，保險公司和製藥商管理數據、輔助診斷。
但成立6年，年收入才為10億美元，佔公司總收入2%以下，至今尚未獲得盈利。然而之前，IBM光是收購Waston就花了40多億美元。
與谷歌健康幾百人規模不同，Watson Health在2016年甚至達到過一萬人的規模。
然而，據IEEE Spectrum統計，2011-2019年期間，IBM Watson與其他機構合作的25個具有代表性的項目中，卻僅有5個合作項目推出了AI醫療產品。
不僅如此，在2018年，Watson還被曝出給患者開錯了藥物，嚴重的話可能會致人死亡。
IBM的路線不是醫學影像，而是用NLP去理解醫學文本。就連圖靈獎得主Yoshua Bengio，也不看好IBM的這種模式，他認為：
在醫學文本文件中，人工智能系統無法理解其模糊性，也無法瞭解人類醫生注意到的微妙線索。
目前醫療AI公司落地情況
事實上，據動脈網調查，在醫療AI領域中，目前真正落地併成功上市的公司，基本都處在「大數據管理」和「語音錄入」這兩個方向。
△圖源：動脈網
然而，這兩個方向對於技術的要求，其實都與醫療本身沒有直接關係。
關係到患者隱私的臨牀數據分散在各個醫院難以互通共享，是AI醫療發展面臨的最大障礙。
除了數據歸屬權問題，行業內目前也缺少數據的標準化規範，在訓練數據上的投入是AI醫療公司一大成本構成。
吳恩達2020年在斯坦福HAI研討會的演講中也分析過，醫療領域AI研究的算法難以投入到生產，因為以部分數據訓練出的模型，難以泛化到其他情況。
吳恩達的這話，多少有點反思的意味。
畢竟想當初，他可是最看好AI變革醫療的大牛之一啊。
所以醫療AI這件事，之前或許都太樂觀了。
你怎麼看?
編輯/tina
