IBM Watson for Oncology:为什么一个声称能给出肿瘤治疗方案的 AI 系统,最后被医生弃用、被公司卖掉?
把演示效果当成临床能力,用少量专家病例去支撑一个需要海量真实世界的判断
IBM Watson for Oncology:巅峰期以认知计算为核心打造的医疗 AI 产品线,曾被宣传为能辅助医生制定肿瘤治疗方案,并通过沃森健康业务与多家顶级医疗机构合作;终局是内部文件与媒体报道指出其给出的治疗建议存在不安全或错误内容,训练数据来源有限,产品使用率低迷,相关业务于 2022 年被拆分出售。
About this link:网站返回 HTTP 404,页面已不可用。
公开报道整理 待核查 Figures as of 2022 2 sources What do these mean?
How to read this bar
This bar states plainly what we know and what we have checked, so you can judge it yourself.
· Review status: “pending” means no editor has checked it against the sources yet; “checked” means key facts match the sources.
· Figures as of: the year the numbers are current to; later changes are out of scope.
· Sources: listed one by one at the bottom of the page. “Primary” means official filings, annual reports or regulator documents.
· Corrections: every change and its basis is published — nothing is edited silently.
Editorial policy → Editorial policy: the full inclusion rules, verification process, AI disclosure and correction promise.
以认知计算为核心打造的医疗 AI 产品线,曾被宣传为能辅助医生制定肿瘤治疗方案,并通过沃森健康业务与多家顶级医疗机构合作
内部文件与媒体报道指出其给出的治疗建议存在不安全或错误内容,训练数据来源有限,产品使用率低迷,相关业务于 2022 年被拆分出售
4,456 votes cast
1 plans · 1 insights
投稿会先进入待审,通过后才进入公开目录和站点地图。
Root Causes Consensus Poll
Vote for the primary fatal error that caused this enterprise to collapse.
训练数据的规模与代表性不足
用少量专家病例与文献训练,无法覆盖真实患者的复杂情况
产品能力被市场宣传夸大
演示场景的可控性与临床实际差距很大,医生试用后信任度迅速下降
没有嵌入医生原有的工作流
系统输出与现有诊疗流程脱节,增加而不是减少了医生的负担
商业化路径依赖少数大客户项目
收入来自有限的合作机构,缺少可复制的付费模式
Timeline: peak to collapse
项目启动
以认知计算进入医疗领域,推出辅助诊疗方向
高调宣传
与多家顶级医疗机构合作,媒体广泛报道其肿瘤治疗建议能力
内部质疑
内部文件显示系统曾给出不安全或错误的治疗建议,训练数据被指有限
拆分出售
沃森健康相关业务被拆分出售,医疗 AI 的旗舰项目就此终止
Four-Dimensional Retrospective Breakdown
Background & Golden Era
公司把人工智能作为战略方向,推出面向医疗的认知计算产品线,宣传其可以读取医学文献并为肿瘤科医生提供治疗建议,与多家著名医疗机构达成合作巅峰期的成绩单是:以认知计算为核心打造的医疗 AI 产品线,曾被宣传为能辅助医生制定肿瘤治疗方案,并通过沃森健康业务与多家顶级医疗机构合作。此时的它拥有渠道、品牌与资本的合力,看起来没有任何理由会输。
Fatal Turning Point Miscalculation
系统的训练数据来自少量专家病例与文献,缺少真实世界诊疗数据与效果验证,产品在真实临床中的建议质量与演示相差很远底层架构的缺陷被增长掩盖了很多年,真正爆发时表现为线上事故、体验崩塌与迭代停滞,修复成本远高于当年重做的代价。
Internal Culture & Bureaucratic Hubris
技术决策长期被短期交付目标绑架,「先上线,以后再改」变成永久状态,没人对架构健康度负责。
The Collapse & Aftermath
内部文件与媒体报道指出其给出的治疗建议存在不安全或错误内容,训练数据来源有限,产品使用率低迷,相关业务于 2022 年被拆分出售。IBM Watson for Oncology的结局不是某一次意外,而是上面这些判断在数年里不断叠加、又始终没有被纠正的必然结果。
Battle-Tested Actionable Survival Rules
Distilled practical DOs and DONTs forged from costly corporate catastrophes.
在专业领域里,演示效果与真实能力可以差出一个量级
越是复杂的判断,越需要真实场景的验证。
- •在专业场景中把真实使用效果作为唯一验收标准
- •产品必须嵌入现有工作流而不是另开一套
- •不要把内部演示当作产品成熟度
- •不要在验证不足时扩大宣传口径
Revival Simulation: If you were the CEO at the inflection point, how would you save it?
History cannot be rewritten, but executive decision-making can be honed. Propose decisive divestitures and strategic bets, and let entrepreneurs & VCs vote on feasibility.
把目标从给建议降级为可核查的信息检索
Critical intervention point:2018 年内部文件指出建议存在错误之后
- •停止在任何材料中宣称可提供治疗方案
- •退出与现有诊疗流程不兼容的功能
- •停止按大客户定制的方式交付
- •把产品收敛为文献与指南的循证检索,明确标注来源与证据等级
- •与医院共同建立真实世界效果的对照评估
- •按科室订阅收费,替代一次性大项目
研发投入集中在数据质量与可解释性,销售目标从项目收入改为续费率。
系统成为医生可以信任的辅助检索工具,在明确的能力边界上获得持续使用与稳定订阅收入。
Expert Post-Mortem Insights
Firsthand diagnostic analyses from entrepreneurs, VCs, alumni, and analysts.
系统在可控的演示里表现不错,但真实病人的情况远比病例库复杂,而它的训练数据又主要来自少量专家意见与文献,缺少真实诊疗结果的反向验证。更关键的是,它给出的建议既没有清晰的依据链条,也不承担医疗责任,医生自然不愿意在工作流里增加一个需要自己复核的环节。
专业领域的产品,能力边界与责任边界必须同时说清楚。
Sources
2 sourcesThese are the references used to compile this case; the numbers match the [1][2] marks in the timeline. Primary sources come first, and archive links are kept where possible.
1 of these are overseas sites (Wikipedia, the Internet Archive, etc.) that may be unreachable from mainland China, so domestic sources (Baidu Baike, mainstream financial media, exchange filings) have been added wherever possible.
-
[1]
-
[2]
Business Post-Mortem Memo · IBM Watson for Oncology
为什么一个声称能给出肿瘤治疗方案的 AI 系统,最后被医生弃用、被公司卖掉?
# Business Post-Mortem Memo:IBM Watson for Oncology > 为什么一个声称能给出肿瘤治疗方案的 AI 系统,最后被医生弃用、被公司卖掉? > Period: 2011 - 2022 | Industry: Healthcare & Biotech > Peak: 以认知计算为核心打造的医疗 AI 产品线,曾被宣传为能辅助医生制定肿瘤治疗方案,并通过沃森健康业务与多家顶级医疗机构合作 > Final: 内部文件与媒体报道指出其给出的治疗建议存在不安全或错误内容,训练数据来源有限,产品使用率低迷,相关业务于 2022 年被拆分出售 ## Overview 把演示效果当成临床能力,用少量专家病例去支撑一个需要海量真实世界的判断。巅峰期以认知计算为核心打造的医疗 AI 产品线,曾被宣传为能辅助医生制定肿瘤治疗方案,并通过沃森健康业务与多家顶级医疗机构合作;终局是内部文件与媒体报道指出其给出的治疗建议存在不安全或错误内容,训练数据来源有限,产品使用率低迷,相关业务于 2022 年被拆分出售。 ## Top-voted root causes 1. [Product & Tech] 训练数据的规模与代表性不足 (1,466 votes) 2. [Strategy] 产品能力被市场宣传夸大 (1,231 votes) 3. [Product & Tech] 没有嵌入医生原有的工作流 (997 votes) ## Actionable lessons ### 在专业领域里,演示效果与真实能力可以差出一个量级 > 越是复杂的判断,越需要真实场景的验证。 - ✅ DOs: - 在专业场景中把真实使用效果作为唯一验收标准 - 产品必须嵌入现有工作流而不是另开一套 - ❌ DON'Ts: - 不要把内部演示当作产品成熟度 - 不要在验证不足时扩大宣传口径 ## Revival plans ### 把目标从给建议降级为可核查的信息检索 — 良略编辑部 Intervention: 2018 年内部文件指出建议存在错误之后 - Must cut: - 停止在任何材料中宣称可提供治疗方案 - 退出与现有诊疗流程不兼容的功能 - 停止按大客户定制的方式交付 - Breakthrough moves: - 把产品收敛为文献与指南的循证检索,明确标注来源与证据等级 - 与医院共同建立真实世界效果的对照评估 - 按科室订阅收费,替代一次性大项目 - Expected outcome: 系统成为医生可以信任的辅助检索工具,在明确的能力边界上获得持续使用与稳定订阅收入。 ## Community insights ### 在医疗这种领域,AI 的对手不是别的软件,而是医生的判断和责任。 — 良略编辑部 (工程师) 系统在可控的演示里表现不错,但真实病人的情况远比病例库复杂,而它的训练数据又主要来自少量专家意见与文献,缺少真实诊疗结果的反向验证。更关键的是,它给出的建议既没有清晰的依据链条,也不承担医疗责任,医生自然不愿意在工作流里增加一个需要自己复核的环节。 - Alternative Move if Replayed 专业领域的产品,能力边界与责任边界必须同时说清楚。 --- Source: 良略 · https://www.lianglue.com/c/ibm-watson-health