医学博士 Nathan Levitan 针对 Watson for Oncology 的观点分享

IBM Watson for Oncology（WfO，Watson 肿瘤解决方案）认知计算系统可利用人工智能算法生成治疗建议，但在过去两年中，据称其未达到为癌症患者提供最先进的个体化治疗的预期，并且提供了「不安全和不正确」的建议，因此受到一些误读。

1 WfO自2012年起开始接受纽约纪念斯隆-凯特琳癌症中心(MSK)的肿瘤学家们密集的医疗训练，旨在了解与癌症患者相关的关键数据，例如血液检测结果、详细描述肿瘤类型、大小和位置的病理学和影像学报告，以及是否存在基因突变等。

随后，为了给特定患者提供循证治疗建议，该项目梳理了大量医学文献。到目前为止，WfO 已经经受过相应的训练，可以为乳腺癌、肺癌、前列腺癌、结肠癌、膀胱癌、子宫内膜癌、甲状腺癌、直肠癌、肝癌、胃癌、卵巢癌、食道癌、宫颈癌13种癌症提供治疗决策支持，此外WfO还将在不久之后开始接受几种不同淋巴瘤（Lymphomas）的训练。

除了WfO之外，IBM还推出了几款针对加快实现对肿瘤患者个体化治疗的产品。这些产品包括 Watson for Genomics、Watson Genomics from Quest Diagnostics (一款由 Watson 支持的基因组测序服务)，以及能够利用自然语言处理来提高临床试验匹配过程的效率和准确性的 IBM Watson for Clinical Trial Matching。

Nathan Levitan

医学博士、工商管理硕士、IBM Watson Health Oncology and Genomics首席健康官 Nathan Levitan 表示，Watson for Oncology及其与肿瘤相关的产品已被全球十多个国家的数百家医院和医疗系统采用。在接受 The ASCO Post的采访中，Levitan博士讨论并回应了关于WfO的不实声音，并探讨了WfO如何影响治疗决策，以及认知计算在医疗领域内的伦理考量。

技术挑战

有新闻报道称，WfO 向医生用户提供了不准确的治疗信息。Watson在训练方面存在问题吗？这些问题已解决了吗？

首先，请允许我从一个更高的层面开始讨论这个问题。我们要明确 Watson Health 在协助癌症治疗时关注哪些具体的难题？基于技术的工具能够解决这些难题的方式又有哪些？

癌症是全球第二大死因。2018 年，估计有 960 万人死于癌症。2 癌症死亡率上升的问题可以通过两种方式得到缓解：筛查和预防，以及确保癌症患者获得最先进的医疗服务。

医学文献表明，在提供最先进的治疗服务方面，无论是在美国还是在全球范围内都存在着相当大的差异。造成这种差异性的原因之一在于，癌症治疗通常是跨学科的，跟上众多学科更新的步伐对医生是一大挑战。其次，与癌症相关的出版物数量激增。当然，在一些国家，资源有限也是一个因素。

我持乐观态度，认为可以利用 WfO 等认知计算系统的技术解决方案来缓解其中一些难题。Watson Health有幸与MSK的临床合作伙伴以及每天使用 WfO 的医生合作，并向他们学习。

曾经确实有一家媒体报道声称Watson输出的数万条建议中包含个别有误差的治疗建议 1。这实际是我们在严格质量管理的测试环节中自己发现并改正的问题，患者并未接触到此类建议。

「我们有一个全面的质量管理体系，会对每种产品发布前的每一个版本进行测试，而且会对相关领域用户针对系统性能提交的每份报告作出反馈。」

与任何医疗质量体系一样，我们的质量管理体系能够主动、迅速地对问题作出反馈。

提供治疗决策支持

因为 MSK 正在利用医院的治疗数据系统训练 Watson，有批评者认为 Watson 提供的信息倾向于 MSK 的癌症治疗方法，可能会为其他国家或地区的患者和在美国其他癌症机构接受治疗的患者提供不当建议。您对此有何回应？

WfO 能够运用基于 MSK 肿瘤各亚专科医师掌握的专业知识所提供的临床决策支持，同时整合了 MSK 肿瘤学家推荐的参考文献、人工智能驱动的资料管理功能所检索到的相关文献，以及临床试验匹配结果。

我们不断为 WfO 添加美国和亚洲地区均采用的肿瘤指南，其中包括由美国国立综合癌症网络（NCCN，National Comprehensive Cancer Network）、中国临床肿瘤学会（CSCO,Chinese Society of Clinical Oncology）等机构提供的癌症指南。

当用户在除美国以外的其它国家和地区使用 WfO 时，为适应当地环境，我们会对各项建议进行本地化处理，例如，药物可及性、计量单位和语言翻译。我们知道全球医生的需求各不相同， Watson 会给医生提供最适合这位医生患者需求的信息。每次发布 WfO 新版本时，我们都会增加临床内容并增强用户功能。

WfO 旨在为肿瘤医生提供信息。我们希望保留医生在作出医疗决策时的自主权，让肿瘤医生能够为患者、与患者一起作出最佳治疗决策。

改善中低收入国家国民的医疗水平

在2019年ASCO年会上，IBM Watson Health 发布了22项研究，展示了Watson for Oncology 和 Watson for Genomics 在全球范围内的应用进展。在一项随机研究中，在对印度 1000 名乳腺癌、肺癌和结肠直肠癌患者的诊断中，曼尼帕尔医院（Manipal Hospitals）的多学科肿瘤诊疗专家团队根据 WfO 提供的信息，改变了针对 13.6% 的病例的治疗决策。3 请谈谈这一发现及其对肿瘤治疗的潜在影响。

这项研究的结果很重要，因为它们表明决策支持工具不仅能提供治疗信息，还可以影响决策。在这次调查中，肿瘤委员会之所以决定对那些治疗方案进行修改，是因为 Watson 提供了支持新治疗方案（55%）、更加个性化的替代方案（30%）的最新证据，或者它从基因型、表型数据以及不断发展的临床经验中获得了新的洞见 (15%)。

利用人工智能提高临床试验参与度

2018 年，一项研究评估了 Watson for Clinical Trial Matching 在临床试验匹配方面的能力。在评估期间，Watson for Clinical Trial Matching 把在明尼苏达罗切斯特 的梅奥诊所接受治疗的乳腺癌患者与一项适当的临床试验进行了匹配。研究发现，在 18 个月的时间里，参加试验的人数平均增加了84%。4 而目前，只有不到 5% 的癌症患者参加临床试验。5 Watson如何能够提高临床试验的参与度?

正如你所言，在美国，临床试验的患者入组率很低，而且，不同人群的入组率存在差异。影响临床试验入组率的一个因素是忙碌的肿瘤学家很难为每名患者找到合适的临床研究。第二个因素是没有足够的时间为患者办理入组事宜。第三个因素是在各地进行的临床试验的种类和数量不同，患者所在地未必有临床试验。

Watson for Clinical Trial Matching 能够获取有关数千项公开的临床试验信息，提取资格要求，然后将患者与试验进行匹配。在梅奥诊所的研究中，在使用该系统之后的18个月内，每月有6.3名患者加入一组乳腺癌试验，而在使用该系统之前，每月仅有3.5名患者参加试验。

在另一项针对社区内乳腺癌和肺癌患者进行的研究中，Watson for Clinical Trial Matching 能够将患者筛查所需的时间减少78%：人工管理需要1小时 50 分钟，而Watson仅需24分钟。6

肿瘤医疗领域的人工智能伦理

虽然人工智能技术为我们提供了提高医疗服务的效率和患者医疗质量的机会，但是，也许带来了伦理风险，包括潜在危及患者隐私、患者知情权和患者自主权。还有人担心算法所用的数据可能包含偏见，例如：关于患者支付特定治疗费用能力或保险状况数据，这种情况可能对临床建议产生影响。您对这项技术及其在肿瘤医疗领域的作用有伦理方面的担忧吗?

只要是在 IBM 所服务行业，IBM 就在该行业的数据安全领域都是处于领先地位，而且非常认真地对待数据责任问题。早在几年前， Watson Health 在深耕肿瘤领域的过程中，IBM 就利用自身技术和专业知识将患者隐私、HIPAA 合规（医疗保险便携性和问责法案， Health Insurance Portability and Accountability Act）和数据安全等问题考虑在内。

机器学习技术通常是根据过去的经验、从数据集学习，然后创建一个算法来分析新的数据点。当系统使用一组包含偏差信息的现有数据进行训练时，系统就可能出现偏差。WfO 并不是采用这种方式进行训练，因此，避免了发生此类偏差的潜在风险。

由于数据科学的进步，人工智能和机器学习为我们提供了一个既能为循证医疗提供支持，又能保持肿瘤学家的自主性、充分利用肿瘤学家的技能，并让患者参与共同决策的机会。

这类解决方案有潜能能够在全球范围内获得推广，致力改善全球的肿瘤治疗。通过技术能够推动高质量的癌症治疗服务，我们有理由为此感到兴奋。

(原文于 2019 年 9 月 10 日刊登于 The ASCO Post, 作者 Jo Cavallo，略有编辑。)

参考文献

1、 Ross C, Swetlitz I: IBM’s Watson supercomputer recommended 「unsafe and incorrect」 cancer treatments, internal documents show. STAT. July 25, 2018. Available at www.statnews.com/wp-content/uploads/2018/09/IBMs-Watson-recommended-unsafe-and-incorrect-cancer-treatments-STAT.pdf. Accessed August 26, 2019.

2、 World Health Organization: Cancer: Key facts. Available at www.who.int/news-room/fact-sheets/detail/cancer. Accessed August 26, 2019.

3、 Somashekhar SP, Sepúlveda MJ, Shortliffe, et al: A prospective blinded study of 1,000 cases analyzing the role of artificial intelligence: Watson for Oncology and change in decision-making of a multidisciplinary tumor board from a tertiary care cancer center. 2019 ASCO Annual Meeting. Abstract 6533. Presented June 1, 2019.

4、 Haddad TC, Helgeson J, et al: Impact of a cognitive computing clinical trial matching system in an ambulatory oncology practice. J Clin Oncol 36(15 suppl):6550, 2018.

5、 Unger JM, Vaidya R, Hershman DL, et al: Systematic review and meta-analysis of the magnitude of structural, clinical, and physician and patient barriers to cancer clinical trial participation. J Natl Cancer Inst 111:245-255, 2019.

6、 Beck IT, Vinegra M, Dankwa-Mullan I, et al: Cognitive technology addressing optimal cancer clinical trial matching and protocol feasibility in a community cancer practice. J Clin Oncol 35(15 suppl):6501, 2017.