Watson Health ha lottato per la quota di mercato negli Stati Uniti e all’estero e attualmente non è redditizia.
Secondo diverse notizie , IBM sta riflettendo sulla vendita della sua business unit Watson Health sulla scia del piano del CEO di IBM Arvind Krishna di concentrarsi maggiormente sul cloud computing.
Il frutto dell’ingegno di IBM, Watson, è un sistema informatico in grado di rispondere a domande poste in linguaggio naturale. Nel 2011, Watson ha catturato l’immaginazione del pubblico quando ha battuto i rivali umani su Jeopardy.
Subito dopo la sua apparizione in TV, IBM ha detto che la prima offerta commerciale di Watson sarebbe stata lanciata nei prossimi due anni.
Tuttavia, le cose non sono andate come previsto. In questo articolo, proviamo ad analizzare cosa è andato storto e perché l’adozione dell’IA nel settore sanitario è un enorme punto dolente.
Causa ultima
Watson Health ha lottato per la quota di mercato negli Stati Uniti e all’estero e attualmente non è redditizia. IBM inizialmente lo ha promosso come motore di crescita, ma più recentemente ha messo da parte la divisione a causa delle crescenti sfide aziendali, dei cambiamenti di leadership e dei licenziamenti.
Nel quarto trimestre di IBM, i ricavi delle applicazioni cognitive , che include Watson Health, si sono attestati a $ 1,5 miliardi, con un calo del 2% anno su anno. Nel 2018, IBM ha licenziato i dipendenti della divisione Watson Health. Complessivamente, il fatturato di IBM lo scorso anno è stato di $ 73,6 miliardi, in calo rispetto a $ 100 miliardi nel 2010.
Nel frattempo, DeepMind di Google ha lanciato diverse iniziative relative alla salute incentrate sulle condizioni di salute croniche. DeepMind ha anche registrato perdite significative negli ultimi anni, da £ 470 milioni nel 2018 a £ 477 milioni nel 2019.
Mentre l’IA sta facendo progressi nel settore sanitario per sviluppare applicazioni specifiche per attività, i risultati di Watson e DeepMind potrebbero rappresentare una lotta più ampia nella ricerca di modi per utilizzare l’IA per la diagnosi / trattamento di condizioni mediche complesse.
Problemi di diagnosi
“La diagnosi è un processo complesso anche per i medici. Sulla base dei sintomi espressi dai pazienti, i medici cercheranno di sondare più a fondo e raccogliere informazioni rilevanti tramite la raccolta dell’anamnesi, l’esame e l’indagine. Dopo l’analisi di tutti questi dati disponibili, i medici escogitano molteplici diagnosi possibili e suggeriscono una particolare linea d’azione “, ha affermato il dottor Uday Phadke , medico senior e direttore del dipartimento di diabete ed endocrinologia del gruppo ospedaliero Sahyadri.
“Data la complessità del corpo umano, spesso non c’è una risposta giusta, ma un approccio scientifico, sistematico e clinico. Sono sicuro che questo approccio clinico potrebbe essere automatizzato dall’intelligenza artificiale a un certo punto, tuttavia a questo punto non sono sicuro di come sarà utile. Ci deve essere maggiore chiarezza su chi dovrebbe usarlo e quando dovrebbe essere usato “, ha detto.
IBM ha compiuto molti sforzi per sviluppare una tecnologia medica intelligente negli ultimi due anni, ma molti sforzi sono falliti o si sono dimostrati inefficaci. L’azienda ha speso miliardi di dollari su Watson per renderlo un brillante dottore di intelligenza artificiale in grado di diagnosticare e curare il cancro, anche se invano.
“La sanità è un campo molto vasto e quel livello di completezza non è stato raggiunto nell’IA. La maggior parte dei modelli di intelligenza artificiale funziona molto bene per attività ben definite. Ma questo non si traduce in valore se guardiamo al quadro più ampio “, ha affermato Viraj Kulkarni, Chief Data Scientist di DeepTek.
“E questa è una barriera chiave per l’adozione clinica. Se sviluppo un’applicazione AI per un’attività molto specifica, dove ad esempio sono in grado di diagnosticare solo la tubercolosi sulla base dei raggi X, non apporta alcun valore aggiuntivo al processo di diagnosi “, ha aggiunto.
Vice presidente di IBM di ambito medico e scientifico di ricerca, Ajay Royyuru è stato citato dicendo no AI sposterà un professionista esperto in termini di diagnosi, non importa quanto bene si costruisce.
Entro i confini del laboratorio IBM , Watson non mancava mai di stupire. Tuttavia, quando IBM ha cercato di implementare strumenti di intelligenza artificiale per l’assistenza sanitaria nel mondo reale, ha riscontrato una discrepanza fondamentale tra il modo in cui le macchine apprendono e il modo in cui lavorano i medici. Gli informatici pensano anche che l’intelligenza artificiale non sia buona con l’ ambiguità . Significa che le potenziali conseguenze dei differenziali di Watson potrebbero essere la differenza tra la vita e la morte.
Fattori esterni
La maggior parte delle organizzazioni sanitarie non dispone dell’infrastruttura di dati per addestrare gli algoritmi in modo ottimale. I dati dei test di laboratorio provengono principalmente da laboratori medici e non garantiscono necessariamente un’equa rappresentazione demografica. Ciò rende l’algoritmo “non adatto” a popolazioni diverse in quanto potrebbe non essere stato controllato per i pregiudizi.
Inoltre, la raccolta dei dati avviene in frammenti con una mancanza di standardizzazione, che aggrava ulteriormente il problema.
“Con l’evoluzione dell’ecosistema AI, anche l’ecosistema dei dati sanitari si sta evolvendo. I dati dei pazienti sono ancora molto dispersi. Anche ospedali rinomati e affermati non dispongono di sistemi digitali “, ha affermato Kulkarni.
Inoltre, le innovazioni AI di per sé non reingegnerizzano gli incentivi che supportano le modalità di lavoro esistenti. Ciò significa che la semplice aggiunta di AI per sostituire i sistemi esistenti non è fattibile perché molti fattori giocano nel modo in cui viene fornita l’assistenza sanitaria.
“La proposta di valore non è chiara molte volte. Ad esempio, se esiste un’intelligenza artificiale che predice il rischio di mortalità, può portare valore al paziente, ma apporta valore all’ospedale e l’ospedale è disposto a pagarlo? ” disse Kulkarni.
“Si potrebbe immaginare che l’interesse del paziente possa essere l’interesse dell’ospedale, ma nella maggior parte dei casi non lo è. Le applicazioni devono portare valore allo stakeholder corretto “, ha aggiunto.
Sfide
Gli esperti ritengono che una vera comprensione del flusso di lavoro clinico e di come possa funzionare nell’ambiente del paziente sia obbligatorio per implementare l’IA in ambito sanitario. “La soluzione deve essere logicamente completa e dovrebbe affrontare il problema nella sua interezza”, ha detto Kulkarni.
“La tua soluzione non può esistere nelle patch. L’intelligenza artificiale non è ancora in un posto che può fare tutto ciò che fa un medico “, ha aggiunto.
In secondo luogo, è necessario un approccio dall’alto verso il basso e le parti interessate devono essere coinvolte. “Potrebbe non essere nell’interesse di un ospedale promuovere l’adozione, poiché c’è una lacuna nei pazienti e nell’interesse dell’ospedale, ma il governo potrebbe essere investito”, ha detto Kulkarni.
“L’adozione richiede uno sforzo concertato su tutta la linea. Dai governi alle aziende tecnologiche, agli ospedali e infine ai pazienti “, ha detto.
L’idea è di apportare miglioramenti incrementali invece di accettare la diagnosi più complessa. Campi medici come radiologia, patologia o oftalmologia stanno facendo notevoli progressi nello sviluppo di applicazioni.
Gli esperti prevedono che gli investimenti nell’IA nel settore sanitario continueranno se verranno coinvolti gli stakeholder giusti.
