來源：量子位

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、準備借助 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，距離谷歌當初合并 DeepMind 健康業務、成立健康部門，并挖來蓋辛格醫療中心 CEO 領軍僅僅過去了三年時間。

當初 IBM 的沃森醫療陷入困境被群嘲，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、資金鏈斷裂……等等窘境之中。

醫療 AI 賽道全球范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），合并了 DeepMind 旗下的健康部門 DeepMind Health、和負責推進 "Streams" 醫療 APP 的團隊。

對于部門合并，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，對于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，包括管理用戶健康狀況、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，并實現 " 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，后者是全美最好的成人專科醫院之一。

△谷歌健康部門主管 David Feinberg

有著 UC 伯克利學歷加持的 David Feinberg，曾經主持了整個賓夕法尼亞衛生系統 Geisinger 的成立，并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，仍然處于虧損狀態。

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，谷歌與泰國公共衛生部門合作，在泰國的 11 所診所安裝了這一工具。

由于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，病人更愿意找醫生診斷。

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。

對于這次變動，David Feinberg回應：

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 年底左右面臨資金鏈斷裂。

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 布局醫療 AI的窗口，主要利用 AI 幫助醫院，保險公司和制藥商管理數據、輔助診斷。

但成立 6 年，年收入才為 10 億美元，占公司總收入 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，也無法了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，目前真正落地并成功上市的公司，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，這兩個方向對于技術的要求，其實都與醫療本身沒有直接關系。

關系到患者隱私的臨床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范，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。