Watson医生：请问哪里不舒服？
患者：发烧
Watson医生：（弹出200多个诊断）
患者：最高39度
Watson医生：（删掉十几个诊断，还剩190多）早上、下午还是晚上发烧？
患者：傍晚时候最明显，早上不怎么烧。
Watson医生：（又删掉十几个诊断，还剩170多）咳嗽吗？
患者：不咳。
Watson医生：（又删掉十几个诊断，还剩160多）好的，现在请您检查 血常规、尿常规、大便常规、肝功能、肾功能、血糖、血电解质、凝血功能、超敏C反应蛋白、降钙素原、免疫全套、抗核抗体、抗中性粒细胞胞浆抗体、血沉、感染四项、血培养、痰培养、尿培养、头部CT、胸部CT、上腹部CT……等检查
患者：你，你还有没有医德？！
Watson医生： Warning！Undefinedwords!
上面这段奇怪的对话看似是科幻小说中的情节，实则不然。Watson医生是认知技术发展到一定阶段的产物，是指计算机通过模拟人脑的理解、推理和学习能力，不仅能“回答问题”，甚至能“提出问题”和“解决问题”的过程。有这样的机器助手帮忙，人类医生能在数日内吸收平时数月甚至数年才能读完的医学著作和论文中的有效信息，在遇到疑难病症时，机器助手会按相关性和出现频率等条件将所有相关资料和证据呈现在人类医生眼前，大大提高诊断或科研效率，节约时间、人力及物力成本。
参与、探索和决策
很长一段时间里， IT技术在医疗行业都充当着验证诊断或科研结论工具的角色，而现在认知技术在医疗健康领域的发展，已经让我们看到了这一行业被颠覆的曙光。
根据分析智囊机构经济学人智库（Economist Intelligence Unit）对全世界范围内800多名高管的调查，以及IBM商业价值学院（IBMInstitute for Business Value)的研究，医疗健康业的领导者已经在以下几方面迎接突破性认知技术并投资认知能力。
1）参与：当今的消费者希望对自己的健康有更多话语权，也有更加个性化的需求。尽管调查中大部分医疗保健行业的高管都理解这些需求，但却无能为力。行业分析表明，合格医疗从业人员的缺口将在2035年达到1300万人，54％的人表示他们没有有效地满足个性化医疗服务，63％的人认为没有成功提供自助服务的选项，54％的人对他们全面和迅速解决消费者和患者难题的能力感到不满。
认知系统能彻底改变人机沟通方式，并能在学习利用人类专家优势的基础上，大幅延伸和增强人类的能力。通过积累深厚的专业洞察，认知领域能及时为人类提供自然流畅和实用的建议。
在这类情况下，认知系统不再是单纯的验证工具，而是成为真正的人类助手，但它不需要任何睡眠，能处理海量结构化和非结构化信息，能匹配模糊数据甚至厘清自相矛盾的数据，还能自我学习。因为可以参与人类对话，认知系统能根据既往病史来了解患者并根据上下文和证据进行分析推理。
2） 探索：三分之二参与调查的高管正在积极寻求产品与服务创新。然而，他们认为面临的最大阻碍是：技能不足，组织自满不前，以及缺乏分析工具。僵化和孤立的分析平台以及对专业技能，比如健康数据科学家的依赖，拖累了创新、效率和动力。过去10年间，研发新药的成本增加到了原来的145％，尽管如此，医学知识依旧呈爆发式增长，在1980年代，医学知识翻一番需要7年，而今天只需要不到3年，而每个人一生中能产生100万GB的医学数据，相当于3亿本图书的信息容量，其中蕴藏着无尽的潜在价值。
认知系统能帮助用户发现可能最聪明的人脑都无法参透的奥秘。在医学研究等存在海量信息的领域，认知系统已经发挥出了某些探索能力，极大减少了研究和发现的时间——从数月降低至几分钟。此外，认知系统能够把医生从处理海量医疗和患者数据中解放出来，让他们有更多时间花在患者身上。
3）决策：对任何行业而言，有效的决策都至关重要，尤其是在关乎生死的医疗行业，提高决策的速度和精准度更是重中之重。调查中的高管对其组织的决策能力反映不一。三分之二的人对其组织的节约成本的决策没有信心，而超过一半的人对战略和开支决策缺乏信心。
通过提供基于证据的选项，认知系统能提供决策帮助，并减少人类决策中的偏见。认知系统基于新信息、结果和行动而进步，目前的认知系统更像人类的顾问，为用户提供一系列选择，在不远的未来，认知系统或将成为最终决策者。
认知医疗先行者
2011年，超级电脑Watson战胜了美国智力问答《危险边缘》（Jeopardy）的两名人类总冠军，标志着认知时代的来临。此后，智慧医疗迅速崛起，具有久远医疗业积淀的百年老店IBM走在认知技术的前沿，为医疗业注入强心针。自1957年发表第一篇与医疗相关的研究报告以来，IBM一直致力于突破IT与医疗的边界。而2013年2月，在与美国斯隆凯特琳癌症中心和美国最大健康险公司Wellpoint的协力合作下，Watson实现了首次商业应用：管理治疗肺癌的医疗服务的使用情况。据IBM Watson相关高管透露，该领域中90%的护士现已遵照Watson的指导行事。
Watson主要有三种能力，从中延伸出认知系统的多套应用和解决方案。发现顾问（Watson Discovery Advisor）意在通过自然语言处理找出数据中的正确答案并提供近似于人类的交流和互动。分析师（Watson Analytics）可以帮助用户检索分析清理数据，建立可视化数据图像，并在其平台上讨论数据和交换资料。探索者（Watson Explorer）通过统一视角帮用户发现并分享数据驱动的洞察。
2015年4月，Watson健康（WatsonHealth）业务部成立，利用认知系统进一步加速在智慧医疗产业中的布局。目前，认知系统在医学影像、生命科学和制药、全程医疗护理、肿瘤与基因以及医疗支付等五大领域拥有多套解决方案，用以提高医学研发效率、改善临床结局、精简管理流程和促进医患互动。
深度挖掘数据。相对于此前只能处理结构化数据的编程系统而言，认知系统最大的突破之一，是具有理解计算机科学家称之为“非结构化”数据的能力，能够跟上现代世界巨量、复杂和不可预测的信息。这也是Watson为什么被视为重大数据创新的原因。非结构化数据占全世界数据80%。类似地，医疗领域充斥着大量庞杂的非结构数据：包括药物、症状、既往病史、家族病史等等，其中蕴涵着宝贵的医学信息。没有这些高质量的数据作为基础，目标就无法实现。
据IBM 中国研究院认知医疗研究总监谢国彤博士介绍，能为认知系统所用的医学及健康信息共分为3类：医院的临床数据、基因数据和大健康数据。2014年，国际权威卫生期刊Healthaffairs发布了这3类数据与健康关系的报告，发现临床数据对健康影响占10％；基因对健康的影响达30％；而对健康影响最大的，则是最庞杂的大健康数据，包括职业、饮食、运动、生活习惯等等。
临床数据诊断疾病和管理健康。在临床数据方面，2015年，IBM收购了拥有超过5000万份美国患者电子病历的医疗数据公司Explorys，以及美国的领先医疗影像公司Merge，其云端上存储有几十亿张医学影像。通过研究这些可交易、去隐私的医学数据，Watson系统现在已经能自动识别皮肤癌、乳腺癌、肺癌，并形成影像报告。以皮肤癌为例，认知系统会使用数据学习哪种皮肤特征和模型是最常见的黑素瘤，然后在影像中识别出皮肤癌，并评估出具体的皮肤癌级别，评估每张图片的时间不超过1秒。在超过3000例黑素瘤及其他皮肤损害的受控测试中，Watson能以95%以上的精确度，识别皮肤癌病例的良性与恶性，而人类取得的最高水平仅为84%。而Watson最终目标是，能够通过美国影像科医生资格考试。
除了帮助诊断疾病，认知系统利用临床数据进行患者健康管理和制定健康计划，从而降低发病风险，减少医保理赔。近年来IBM与 Wellpoint合作，利用认知风险管理工具，Wellpoint的每名医疗管理师可以同时管理众多客户，极大提高了工作效率。以管理糖尿病人为例，由于糖尿病并发症多达20余种，根据发病轻重不同，治疗成本可能相差数倍。而风险管理工具按性别、年龄、并发症史等指标建立多达7个管理模板，管理师通过认知协作平台，能够清晰地看到每位患者的健康状况，并及时为其安排全科医生和专科医生，大大降低了住院和重症急诊就医的风险，不仅促进了患者的健康，也为公司节约了大量成本。
基因数据加速攻克癌症。在挖掘基因数据方面，Watson主要与纽约基因中心等医学研究机构合作，重点研究导致肿瘤的基因——这一基因靶向治疗是最具潜力的领域（某种癌细胞的生成、分裂受某些致癌基因的调控，找出癌症生成过程中的“罪魁”基因，再针对这一基因进行靶向治疗，就有可能从根本上治疗该癌症）。 3年来，认知系统和纽约基因中心合作，利用基因助手工具（Watson Genome Adviser）分析基因测序结果以及患者的基因变异情况。认知系统学习了2300万篇文献，构建出复杂的知识图谱，从中寻找出基因、蛋白质和药物间的复杂关系。
例如，p53是对一半已知癌症种类具有抑制作用的重要基因，Baylor医学院的研究人员使用Watson的发现顾问功能，在短短几周时间内阅读了 7万篇与p53有关的论文，并准确地锁定出能够改变p53抑制癌症功能的7类蛋白质。而在过去30年里，科学家仅发现了28种此类蛋白质。 Baylor医学院分子和人类遗传学教授奥利佛·里奇塔吉（Oliver Lichtarge）博士表示：“科学家平均一天能阅读1到5篇研究论文。即使每天阅读5篇，也需要近38年时间才能了解目前所有的研究成果。
现在认知系统可以辅助医生对癌症患者进行治疗，根据患者基因变异的情况推荐药物给医生，并在每种推荐下面附上相关研究证据。目前全世界有包括东京医学院在内的14家顶尖肿瘤机构在用基因助手，在其中一些机构，基因助手已经成为和验血、X光等必经的标准诊疗步骤。
移动终端和可穿戴设备采集大健康数据。由于涉及领域最广，数据种类最为庞杂，认知系统与生态圈中的其他伙伴互惠合作，才能使大健康数据奏效。
2015年，IBM与苹果和日本邮政合作，启动一个向百万日本老年人提供iPad的项目，向他们发放安装有智能应用和自然语言解析技术的iPad，为他们提供服药、运动和减肥提醒服务，提高健康水平。预计到2020年，这款健康智慧应用能促进500多万日本老年客户的健康生活品质。此外，IBM的健康云和Watson认知计算技术更好地分析移动健康应用HealthKit中的健康信息，以期为苹果的终端用户提供更智能的健康管理服务：苹果可以向企业市场出售更多的终端设备，IBM也可以在移动市场挖掘更多的大健康数据价值。
2016年初，IBM和美敦力合作推出了一款糖尿病监测应用。此前，美敦力和IBM对600名匿名患者进行了一个移动设备试点项目，通过分析这些患者在美敦力糖尿病监测设备（胰岛素泵和血糖监测仪）上的数据来找出低血糖症的预兆因素。通过对这些数据的分析，Watson系统可以在低血糖发生前3小时就做出预测，其间完全来得及采取预防措施，方便用户的生活，预计此应用将于2016年夏季面世。
此外，Watson的认知计算技术还与可穿戴设备结合，帮助运动和减肥发烧友合理控制体重，当用户各方面健康指标发生变化时，应用会根据采集到的数据，提示他们如何调整运动、睡眠、以及饮食等生活方式才能实现健康目标。基于这一功能，美国运动装备品牌安德玛（Under Armour）近日与IBM宣布了战略合作关系，创造并提供数据支持健康检测，成为运动员的私人健康顾问、健身教练和助手。
中国认知医疗生态圈渐成型
随着认知技术和互联网＋在中国的兴起，越来越多的本土IT企业也意识到了认知医疗的巨大潜在价值。随着医疗生态圈的扩展，以及新参与者的跨界合作，无论是服务提供方、支付方、社会和政府机构、还是零售商，都在积极合作，寻找创造价值的新途径。
一方面，以数据分析为生命线的大型互联网公司在与政府和医院签署合作协议，努力进入医疗数据挖掘、医疗支付等领域；另一方面，传统医疗业务管理系统供应方也在试图延伸到大数据分析领域，在积极寻觅认知技术人才。此外，借力互联网思维的健康咨询在线平台也如雨后春笋涌现，但由于缺乏对大数据分析技术的积累和对医疗行业的深度理解，其未来发展方向还是未知数。
自1934年，北京协和医院安装了第一套商用处理机，到2005年12月在北京发布了《迎接2010：中国医疗卫生事业前景展望》白皮书，再到2015年4月，Watson健康独立业务部门的成立，IBM在中国的医疗布局日渐清晰——通过产学研合作，建立生态圈，提供全面的硬件架构、系统软件和中间件，以及具体的行业解决方案，推动医疗健康行业在战略与发展、运营和流程、认知技术应用不同层面的发展。例如，天健科技集团自2010年起就与IBM开展了长达7年的伙伴合作，推进中国区域医疗信息化建设，并将云计算架构应用于区域医疗解决方案信息化方案中。天健表示，采用云计算架构可以让医院或公共卫生系统的用户节省大约30%的信息化投资。
任重而道远。每年，全世界大企业的研发投入高达6000亿美元，大型药企和医疗机构尤甚。比如，辉瑞2014年收入约496亿美元，研发投入占收入20％；而同年大众收入超过2000亿欧元，研发仅占收入5％。认知技术在医疗研发节约成本的过程中，蕴含着巨大潜力。但由于医疗行业具有特殊性，涉及化学研究、临床试验、和批准上市中的多个环节，过程往往长达数年之久，认知技术在其中扮演的角色目前还很难看到立杆见影的效果。
认知技术不能代替科学家的基础调研工作，也不会取代研究机构，但却能在更短时间内推荐给科学家们更多选择。科学家还需要通过批判性思维和专业知识对这些选择作出判断。一个恰当的比喻是：认知计算是一座桥梁，它连接起数据数量和数据洞察，增强了患者、医疗服务提供者和支付者间的互动，从而成为了研发和创新的强大助推器。（钮键军| 编辑）
