又一家科技巨头在医疗AI领域遭遇了重大挫折。
曾被视为里程碑的谷歌健康项目，现已陷入困境。根据美国媒体BI的报道，该项目面临重组与大规模裁员的局面。
实际上，自谷歌在三年前合并DeepMind健康部门并设立健康部门以来，这一切的发展令人感到意外。
当IBM的沃森医疗遭到质疑时，谷歌似乎也难逃类似的命运。
与此同时，国内多家知名AI独角兽公司也相继经历裁员、倒闭和资金链断裂的困境。
全球医疗AI赛道的滑坡仍在继续。
谷歌于2018年11月成立谷歌健康部门，将DeepMind健康部门与负责StReaMs医疗应用的团队整合在一起。
DeepMind的创始人曾表示，这一合并标志着重要的里程碑。
当时，媒体普遍对谷歌健康寄予厚望。
FoRbes的一篇文章甚至预测，谷歌健康将在医疗健康的五个领域取得突破：
促进家庭健康，包括管理用户健康与监控独居老人；
通过运输解决医疗保健问题，借助自动驾驶业务支持医疗；
利用大数据对抗疾病，让人们更容易获取健康信息；
研发下一代可穿戴设备和跟踪器，以扩大市场份额；
成为医疗AI的领军者，将AI引入医疗保健。
当时大家对谷歌在AI领域的成功表现充满信心，认为其能够在医疗领域同样取得辉煌成就。
此外，谷歌还从盖辛格医疗中心挖来David Feinberg担任主管，他曾是全美顶级成人专科医院之一的领导者。
拥有UC伯克利学历的David Feinberg曾负责宾夕法尼亚卫生系统的成立，并整合了该系统内的各个医疗项目。
行业普遍认为，David Feinberg的加入将为谷歌医疗健康领域带来强劲动力。
然而，直至2021年，谷歌在医疗AI相关创新业务上却未能取得实质性进展。
其2021年第一季度财报显示，涵盖人工智能DeepMind与智能医疗Verily的创新业务仍处于亏损状态。
其中，糖尿病视网膜病变筛查业务是谷歌健康的重点项目之一。
谷歌在美国医学会期刊上发表的研究显示，该AI算法的准确率高达90%，理应能在几秒内得出结果，与眼科专家的诊断相媲美。
然而，这一工具在实际应用中却未能如预期般顺利。
2020年，谷歌与泰国公共卫生部门合作，在泰国的11家诊所中安装了这一工具。
然而，由于对检查照片要求过高，导致实际准确率不如预期；加之当地医院网络信号不佳，使得从上传照片到结果出具的时间较长，患者更倾向于寻求医生的诊断。
尽管如此，David Feinberg在重组时仍然宣传这一核心项目：
“当我们谈论全球影响力时，我指的不是收入，而是让糖尿病视网膜病变筛查这样的产品能够在印度和泰国以外的地区推广。”
对于此次变动，David Feinberg表示：
“这将提升部门的影响力和执行速度，我们的重点并非营收。”
显然，谷歌健康部门自成立近三年来一直未能盈利。
此次谷歌健康部门的重组，再次将医疗AI推向公众视野。
不仅谷歌，许多知名科技公司的医疗AI业务也面临重组与收购的困境。
国内某家在2017年获得2亿投资成为AI医疗影像领域明星的公司，未能坚持到C轮便在2019年底遭遇资金链断裂。
医疗影像辅助诊断曾是众多AI医疗公司争相投入的领域。这家公司最大的卖点肺结节诊断，竞争异常激烈。
不少医院接入多家AI肺结节诊断产品已成常态，有影像医师曾戏谑：“中国人的肺结节都不够用了。”
以免费形式进入医院只是一张入场券，难以找到盈利模式的这家公司，最终因烧钱无以为继。
另一家知名AI独角兽，虽然医疗并非其全部业务，但曾经势头强劲，如今也传出收缩业务、团队频繁调整的消息。
IBM的Watson Health是该公司布局医疗AI的窗口，致力于利用AI帮助医院、保险公司和制药商管理数据和辅助诊断。
然而，成立六年来其年收入仅为10亿美元，占公司总收入不到2%，且至今未实现盈利，尽管之前IBM为收购Watson支付了超过40亿美元。
与谷歌健康几百人的团队不同，Watson Health在2016年曾达到过一万人规模。
然而，据IEEESpectrum的统计，从2011年至2019年，IBM Watson与其他机构合作的25个项目中，仅有5个项目推出了AI医疗产品。
此外，在2018年，Watson还被曝出错误开药，可能导致严重后果。
IBM的战略并不专注于医学影像，而是通过自然语言处理理解医学文本。然而，连图灵奖得主Yoshua Bengio对此模式也表示不看好，认为：
“在医学文本中，人工智能系统无法理解其模糊性，也无法捕捉到医生关注的微妙线索。”
实际上，根据动脉网的调查，目前在医疗AI领域真正落地并成功上市的公司，基本上专注于大数据管理和语音录入这两个方向。
然而，这两个方向与医疗本身的直接关联并不强。
患者隐私相关的临床数据分散在各医院之间，难以互通共享，是AI医疗发展的最大障碍。
除了数据归属权的问题，行业内还缺乏数据的标准化规范，训练数据的投入成为AI医疗公司的重大成本。
吴恩达在2020年斯坦福HAI研讨会上的演讲中也提到，医疗领域的AI研究算法难以投入生产，因为以部分数据训练出的模型无法适用于其他情况。
吴恩达的这番话，似乎带有反思的意味。
毕竟，他曾是最看好AI变革医疗的一位领军人物。
因此，关于医疗AI的前景，或许我们曾经的乐观预期过于美好。
你对此有何看法？
