IBM verkoopt delen van Watson Health-divisie voor gezondheids-AI

IBM doet belangrijke delen van zijn Watson Health-divisie van de hand. Het bedrijf lijkt er niet in geslaagd te zijn om de divisie voor kunstmatige intelligentie voor de gezondheidssector winstgevend te maken.

IBM verkoopt onderdelen met betrekking tot gezondheidsdata en -analyse van Watson Health aan investeringsbedrijf Francisco Partners. Onduidelijk is wat er met het resterende deel van Watson Health gebeurt. IBM wil alleen kwijt dat het bedrijf 'toegewijd blijft aan Watson, onze bredere AI-business, en aan de klanten en partners die we met gezondheidszorg-IT ondersteunen'.

The Wall Street Journal schreef vorig jaar al dat IBM Watson Health wilde verkopen. De divisie had een jaarlijkse omzet van een miljard dollar, maar was niet winstgevend. IBM startte in 2015 met Watson Health in een poging zijn Watson-AI commercieel in te kunnen zetten. De dienst zou artsen en andere gezondheidsmedewerkers moeten assisteren met analyses op basis van data.

Watson kreeg in 2011 grote bekendheid door in het tv-spelletje Jeopardy twee menselijke spelers te verslaan. Pogingen om de kunstmatige intelligentie vervolgens rendabel te maken, waren weinig succesvol. Juist de inzet voor de gezondheidszorg moest hier verandering in brengen, hoopte IBM in 2014.

Reacties (29)

[appel00]

Ben benieuwd naar een meer in-depth analyse hierachter. Was het de technologie? Was het de implementatie binnen de gezondeidszorg? Was het competitie?

Meestal mislukt het omdat het scalen van technologie binnen de gezondheidszorg flink tegen valt, overal andere zorgsystemen, processen, gekoppeld met mensen die niet van nature affiniteit met IT hebben.

[juke1349]

Het (Duitse) ziekenhuis waar ik aan verbonden was (als bioinformaticus/datamanger) heeft 4 jaar geleden een proef gedaan met Watson.

Een van de grootste punten waar het op misging was het toegankelijk maken van alle informatie.
Die moest uit meerdere verschillende IT-systemen komen (specialistische databases voor vakgebieden, een paar zelfs in-house ontwikkeld).
Het ziekenhuis had niets de menskracht om dat te doen, en Watson niet de interesse om voor iedere losse afdeling een integratie te maken.

Er zijn wel een paar standaardprotokollen (bijvoorbeeld HL7, PACS) voor data-uitwisseling, maar ieder ziekenhuis codeert daarbinnen anders, en meestal zelfs inconsequent (afhankelijk van drukte, en drift over de jaren).
Niemand heeft (of krijgt) de tijd/geld voor fatsoenlijke documentatie-personeel en professionele studie-nurses, die je nodig hebt om uit duizenden losse akten een vergelijkbaar, omvattend dossier te maken.

Ik kreeg de indruk dat IBM hoopte op een pasklare, gestandaardiseerde dataset, waar "alleen eventjes" een adaptertje voor geschreven werden moest, en daarna wereldwijd te verkopen zou zijn.
Toen eenmaal duidelijk werd dat dat echt hard werk is, dat nauwelijks van ziekenhuis tot ziekenhuis herbruikbaar is, vlakte de interesse snel af.

En dan hebben we het nog niet eens over de gezichten die de databeschermers trokken, toen IBM voorstelde dat we de (Duitse) patientenakten in de (Amerikaanse) IBM cloud zouden uploaden, zodat de trainingsservers er mee aan de slag konden.
IBM had niet echt een concept voor on-prem verwerking van hyper-gevoelige data, en daar merkte je echt de cultuurverschillen tussen supersterke Duitse patientenprivacy en Amerikaanse "!alles Cloud!" data-stofzuigers.

Tl;Dr cultuurverschillen patientenprivacy<->cloud-everything, en Ziekenhuis-IT is overal een fragmentarische, ad-hoc verzameling eilandjes.

[Reactie gewijzigd door juke1349 op 23 juli 2024 04:23]

[appel00]

Interessant! Ik zie inderdaad risico's met privacy, maar ook security.

En je noemt inderdaad twee extra categorieën: data kwaliteit en het verbinden van datasets. Volgens mij wordt er wel langzaamaan geïnvesteerd in het tweede punt.

Maar dan heb je nog altijd kwaliteit van de data:
Ik ben een keer betrokken geweest bij een project waar 8 weken langdeen massieve dataset van verschillende klinische studies 'schoongemaakt' werd door statistici en modelleurs. Om vervolgens in een paar dagen een mooi model te coderen. Toch geen efficiënt gebruik van de brainpower.

[juke1349]

.. een project waar 8 weken langdeen massieve dataset van verschillende klinische studies 'schoongemaakt' werd door statistici en modelleurs. Om vervolgens in een paar dagen een mooi model te coderen...

Oeh, ik voel je pijn, ik voel je pijn zo hard!

Het was, als datamanager,al een sisyphus-werk dat de doctoranden bestandsextensies correct gebruikten.
Ja, VCF (variant call format) heeft een formele specificatie, en nee, je mag daar geen extra kolommen aanhangen en de verplichte header strippen, zodat je het makkelijker in R/Perl kan verwerken (die strijd heb ik overigens verloren.. Mocht een student drie jaar later proberen terug te converteren, zuuuucht)

[XO101]

Eigenlijk wel bizar, een paar jaar geleden werd praktisch op elk zorg congres wel een keer een verwijzing gemaakt naar Watson. Met AI gekoppeld aan diagnostiek kon de arts 'samen' met Watson opzoek naar welke aandoening iemand had. Daarna kon er samen met Watson, die 'alle medische peer reviewed artikelen gelezen had' een behandel plan gemaakt worden, met meerdere scenario's en een rudimentair 'slagingskans' verhaal. Watson niet als vervanging van de arts, maar als een soort meedenkende bibliotheek aan kennis achter de arts, die immers niet alles kan weten.

Ik had er toen goed hoop op dat dit zeer snel zijn weg binnen de zorg zou gaan vinden, zeker in een land als Nederland waar de zorgverzekeraars toch echt belang hebben bij de juiste behandelstrategie (als die maar goedkoper is...) maar de praktijk is dan toch weerbarstiger.

Ik heb nooit echt goede onderbuik gevoelens bij investeringsbedrijven, nu maar hopen dat geheel tegen de verwachting in, deze club de techniek wel naar de massa kan brengen.

[Iblies]

Het gros die binnenloopt bij een huisart die heeft soortgelijke klachten. Je hebt daar extra computerkracht voor nodig.

Een groot probleem in de VS is vb overgewicht/obesitas. Daaruit ontstaat vb diabetes 2, hoge bloeddruk, slijtage van gewrichten, mentale klachten, slechter slapen door apneu, etc, etc.


Het advies van Dr Watson zal dan toch soortgelijk blijven,
beetje minder eten 🙂


Wie of wat is vb verantwoordelijk als Dr Watson al die symptomen gaat behandelen ipv overgewicht, werkt je systeem dan wel, is het oprecht en doe je dan niet meer schade, etc, etc.

[XO101]

Het advies van Dr Watson zal dan toch soortgelijk blijven,
beetje minder eten 🙂

En iets meer bewegen, dan heb je de gootste 2 drivers van gezondheidsklachten wel getackeld, maarja, het is een industrie, en die moet wel blijven draaien.

Van wat ik gezien heb was Watson vooral sterk in behandelplannen opstellen voor bijzondere combinatie ziektes, wat als je ziekte a hebt en ziekte b, waarbij de standaard behandeling voor a gevaarlijk is met ziekte b. Daarvoor had de AI van watson eindeloos kunnen grasduinen in allerlei onderzoeken, en zodoende kon hij de behandeld arts helpen. Ik zie het nog niet zo snel naast de huisarts staan.

[juke1349]

Watson had inderdaad een heel gaaf initiatief tegen kanker met het Texaanse MD Anderson.
Dat probeerden ze ook als prototype op te zetten bij mijn vorige baan (kanker-afdeling Duits ziekenhuis).
Dat is op veel punten mis gegaan, en achteraf ben ik ook blij dat het niet gelukt is:
Health-news review: MD Anderson Cancer Center’s IBM Watson project fails, and so did the journalism related to it.
Achteraf bleek het allemaal vaporware..

• Het systeem kon alleen maar Amerikaanse standard-of-care aanbevelingen. Dat in Europa/Duitsland misschien andere, afwijkende best-practices golden, kon IBM niet mee omgaan. Het was de voorverpakte standaard, of niets
• de data moest uit het ziekenhuis-netwerk geupload worden naar de IBM cloud. Veto van de databeschermer.
• ons ziekenhuis had/heeft een zeer gefragmenteerde IT (handenvol, niet-gekoppelde) databases, dus het was niet echt te doen om daarmee te integreren, zodra het om ziekte-specifieke dingen ging.

[Beta]

Opzich werkte Watson bij mijn weten goed; volgens de verwachtingen van IBM. Bijvoorbeeld voor het opsporen/detecteren van borstkanker kon het helpen.
Alleen de zorgsector beweegt zeer langzaam en dit soort nieuwe technologieën worden niet over een nacht ijs aanbesteed. Ik denk ook dat de healthcare sneller naar erkende bedrijven gaan (Sectra bv) dan naar IBM.

[Iblies]

Laat borstkanker nou juist een van de makkelijkere op te sporen kankers te zijn,

maar ook in het algemeen is kanker net wat makkelijk op te sporen omdat het een afwijking is in cel groei. Dat zijn foto’s vergelijken en heeft weinig met echt “AI” te maken. In de afgelopen decennia zijn daar prachtige fotoboeken van gemaakt.

Zo zijn bepaalde ziektes die zichtbaar worden via het oog,
wederom foto’s vergelijken.


Een andere tak van sport zijn zogeheten biomarker controleren maar ook dat heeft weinig met “AI” te maken. Dat zijn vb wat bloed proefjes waarvan je de resultaten bij wijze van in een excel-sheetje stopt.


Het is weliswaar een stukje automatisering maar heb je geen computers nodig met veel capaciteit.

[juke1349]

zogeheten biomarker.. Dat zijn vb wat bloed proefje

Oef, dat is wel heel kort door de bocht voor de heilige graal der kanker-diagnostiek..
Bij prostaatkanker is dat supergoed gelukt (vraag iemand boven de 60 maar eens naar "PSA-waarde", prostate-specific antigen; ben je zelf boven de 50? Ga in vredesnaam naar de screenings. Vroeg-herkende prostaatkanker is een eitje om te behandelen, laat-herkende een half doodvonnis! ).

Voor andere kankers is het helaas zeer moeilijk. Het zijn tenslotte allemaal lichaams-eigen organen, die normale, lichaams-eigen processen uitvoeren (groeien, repareren, etc), maar "alleen maar" iets te "enthousiast".
er wordt vooruitgang geboekt om lekkend tumor-DNA, met mutaties, in de bloedsomloop te herkennen, maar dat is echt nog wel in een academisch onderzoeksstadium.

[Iblies]

Biomarkers worden vaker gebruikt bij oa genetische afwijkingen en neurologische aandoeningen, niet zozeer kanker.


Als de ouders daarmee al bekend waren is de kans bij kinderen groter,
maar ook als blijkt dat reguliere behandelplan(ben) niet gewenste resultaat geeft kan er worden gekeken naar alternatieven.

Genotypering wordt vb steeds vaker gebruikt als medicatie soms niet werkt of bijwerkingen zo hevig dat het averechts werkt.


edit; genotypering wordt gedaan om die biomarkers op te zoeken.

[Reactie gewijzigd door Iblies op 23 juli 2024 04:23]

[betwetor]

Maar zelfs dat excel sheetje wordt niet gebruikt.

[Anoniem: 450173]

Denk dat het zoals bij elke vorm van huidige AI/DML is:
Kennis over Healthcare is belangrijker dan kennis over de techniek.
Waardoor andere partijen het beter doen.

[cariolive23]

Opzich werkte Watson bij mijn weten goed; volgens de verwachtingen van IBM. Bijvoorbeeld voor het opsporen/detecteren van borstkanker kon het helpen.

Maar het werkte het ook beter, sneller én goedkoper dan andere/huidige methoden?

Ik ken IBM (en Watson) vooral als goede verkopers, maar leveren, ho maar. Een proof of concept lukt nog wel, maar iets in productie brengen en onderhouden, dan begint de ellende. Bij iedere vraag die je stelt, komt eerst het contract op tafel om te kijken of ze de vraag wel écht moeten beantwoorden. Waardeloos bedrijf. Maar dat is mijn mening. En niet alleen die van mij, ook ex-medewerkers die graag voor een multinational wilden werken met een grote naam, zijn stuk voor stuk binnen 2 jaar daar weer vertrokken.

[betwetor]

Heel jammer. Het systeem heeft zich bewezen. Computers zijn een veel sterkeren analist dan een menselijke arts. Laat een arts de input doen, en de computer de analyse.

[cariolive23]

Heel jammer. Het systeem heeft zich bewezen.

Is dat wel zo? Behalve wat marketinggeleuter van IBM kan ik geen succes vinden. En het feit dat ze het geen commercieel succes wordt, duidt evenmin op een succes. In de gezondheidszorg is goud geld te verdienen wanneer je diensten goedkoper en beter kunt aanbieden, blijkbaar doet IBM dit niet.

[betwetor]

Ik heb alleen een paper gelezen van een onderzoek naar een zeldzame vorm van kanker. Waarbij Watson niet alleen de kanker patienten uit de groep kon herkennen, het vond ook iemand met de zelfde vorm van kanker in de test groep waarvan ze nog niet wisten dat ze het had.

[cariolive23]

Heb je een link naar dat artikel?

Zonder het artikel te kennen, veel van dit soort onderzoeken zijn hét bewijs dat iets juist niet werkt. Stel dat ze een jaar bezig zijn geweest met voorbereiden, data prepareren, etc etc. en dan een jaar later met een uitslag komen. Dan ben je bijna een jaar te laat. En dat is maar één voorbeeld van problemen met een onderzoeksrapport

[betwetor]

Kijk, dat zou goed kunnen,
De paper was nog ouderwets op papier in de tijd dat mijn vrouw nog studeerde aan het Radboud (dus dat moet voor 2016 geweest zijn). Wanneer je artikelen van voor 2015 leest krijg je wel de gist.
https://www.mddionline.co...ose-cancer-better-doctors bijvoorbeeld.
Verbazingwekkend dat de artikelen die recent gepubliceerd zijn, zo negatief zijn.

[cariolive23]

Wat ik gemerkt heb in de onderzoeken en presentaties van Watson, op een totaal ander werkterrein, is dat "Watson" niet meer dan een sticker is. Een sticker die IBM op ieder onderzoek plakt, om zo Watson te promoten. Of er nou een supercomputer of gewoon een laptopje met wat Python libraries aan te pas is gekomen, alles krijgt de naam Watson. In mijn eigen ervaring bleek ook dat er de nodige bias was, onderzoeken gedaan op reeds gefilterde data. Wanneer bepaalde data door de huidige systemen reeds is gefilterd, kan "Watson" wellicht heel goed aantonen hoe goed het wel is op deze gefilterde data. Maar zodra het zelfstandig aan het werk moet, zakt het opzichtig door het ijs. Dat is ook de reden waarom bij een klant van mij, IBM er met knallende ruzie uit is gegooid.

ML en AI hebben de toekomst, maar zodra ik iets lees met daarin de naam "Watson", neem ik eerst even een flinke schep zout.

[juke1349]

Helaas onwaar: het systeem bleek achteraf nooit gewerkt te hebben zoals de marketing suggureerde:
https://www.healthnewsrev...fails-journalism-related/.
Was allemaal vaporware, en dat dekt ook de indruk die ik kreeg toen IBM het bij mijn vorige baan probeerde op te zetten.

[Reactie gewijzigd door juke1349 op 23 juli 2024 04:23]

[betwetor]

I stand corrected. Heel vreemd, want zo goed hoeft een systeem niet te zijn om echt een meerwaarde te bieden.
Voor garages is er een soort CRM waarin je een foutcode of probleem invoert samen met de eigenschappen van de auto motor type, km stand enz. En dan krijg je een lijstje met info over de foutcode en wat statistisch gezien de waarschijnlijkste oplossing is. Mijn vrouw is inmiddels een tijdje huisarts, ze werken wel met afboekcodes, maar die zijn voor de administratie van de zorgverzekeraar. Wanneer je hulp wil bij de oplossing moet je bij de checklist zijn van de huisartsenvereniging. Welke geenszins gekoppeld is aan het dbc systeem.
Dit systeem zou zo vreselijk veel beter kunnen.
Voorbeeldje, een huisarts moet verplicht studiepunten blijven halen. Maar je kan vrij kiezen met welke studie. Wanneer de cursusavond over Galblaasleiderkneuzinkjes (en hypothetische aandoening) ging, dan werden er veel meer mensen met die verdenking ingestuurd. Mensen worden nu eenmaal sterk op patronen getriggerd, ook als er geen patroon is.
Maarja, IBM heeft het gans met goude eieren dus toch niet. Jammer.
Waar hadden jullie het voor overwogen?

[juke1349]

Bij ons zou het ook de kanker-module geweest zijn.

De AI is ook best degelijk, het probleem zit 'm in de dataset waar je 'm op loslaat.
De borstkanker-foto's zijn relatief "makkelijk", omdat je iedere foto los van elkaar kunt beoordelen.
Trainingsdata (foto + diagnose in icd-10 code) is ook makkelijk uit één systeem (PACS) in één afdeling (histologiie) te halen.

Als je daarentegen "universeel" aan de slag gaat moet je aan de slag met de intake-notities van arts A, met de cel-histologie van afdeling B (arts C), de MRI van afdeling D (techicus E), het follow-up gesprek 3 maanden later met arts F, doorverwijzing-akte uit ziekenhuis G (slecht gescand en daarna gefaxt..) , etc...

Als de ene arts dan (in doctors-hanepoten) "verm rect str." ("vermoed rectale strooiing") en de andere "mogelijke metastases in de einddarm") schrijft, kan je naar patroonherkenning fluiten.

Edit: daar komt nog bij dat 'kanker' honderden verschillende ziektes zijn.
een hersenkanker type 1 kan meer te maken hebben met een maagkanker type 3 dan met een hersen-typ 2, afhankelijk van de genetische basis en wat er kapot is in de patiënt.. (ik was datamanager in de genetische afdeling, waar precies diie dingen gezocht werden).

Edit2: wat je beschrijft met auto's, is vermoedelijk haalbaar omdat de verzekeraars en de fabrikanten deze data al heel lang, en heel gestructureerd, verzamelen.
daarnaast zijn er duidelijk minder auto-types op de weg, dan organen in je lichaam
De huisarts-ervaring van je vrouw klinkt zeer typisch voor wat ik zelf ook in de gezondheidszorg meemaakte.
(specifiek afreken-codes zijn natuurlijk ook ontworpen om de diagnose een beetje te camoufleren, zodat de zorgverzekering niet alle details over je te weten komt. Voor diagnose en AI wil je juist super-gedetailleerd werken)

[Reactie gewijzigd door juke1349 op 23 juli 2024 04:23]

[betwetor]

Natuurlijk is een lichaam ingewikkelder dan een auto.
Maar de winst zit hem in de wil te verbeteren. Welke beroepsgroep heeft als symbool een instrument van 200 jaar geleden, en gebruikt deze nogsteeds dagelijks. Verder alleen kappers denk ik.
Hoe ver zouden we komen als ze alleen al een paar miljoen bloedsamples zouden analyseren van random burgers. En daar de medische geschiedenis aan knopen.
Dat je naar de huisarts gaat, drupje bloed afnemen, en dan verder met je gesprek.
Zelfs als de oorzaak psychisch is, verwacht ik dat er chemische verschillen zijn te achterhalen.
Of welke prachtige data is er uit ons microbioom te halen.
Mijn handen jeuken al jaren.

[juke1349]

Hoe ver zouden we komen als ze alleen al een paar miljoen bloedsamples zouden analyseren van random burgers. En daar de medische geschiedenis aan knopen.

U vraagt, de EU draait
1 million genome project

[betwetor]

Genome is nog wat ingewikkelder dan een bloed sample afnemen, maar inderdaad. Nu de artsen nog meekrijgen

[-=bas=-]

Ik durf te wedden dat Watson dat niet had kunnen voorspellen.
Voor heel veel dingen werkt AI gewoon domweg niet.

[Rgwrgw]

Deep Blue / Watson hebben opmerkelijke dingen laten zien. AlphaZero ook. Er zijn terreinen waarop dit soort systemen onverslaanbaar zijn zoals het optimaliseren van code. Als je weet dat heel veel code tenminste 3000 x sneller kan en met aanzienlijk minder fouten, bijvoorbeeld windows, office, etc. De AI's hebben geen moeite met machine code e. d. waar mensen veelal niet optimaal kunnen opereren. Tijd voor nieuwe, geoptimaliseerde code van operating systems en processoren, ook virtuele en ris types. We gebruiken slechts een fractie van de potentiële capaciteit. Hierin valt nog enorm veel winst te behalen. Heel zonde dat dit nog niet gebeurt.