IBM做其实医疗，核心只想解决一个问题——怎么样利用数据挖掘和人工智能的技术，从海量的医疗数据中间去挖掘出证据，利用这些证据给患者提供循症的个性化医疗服务。而这基于两点重要的突破，其一就是计算能力方面，CPU的计算技术上有了突破性的发展。其二就是医疗数据的爆炸，算得过来也有数据可算了。从IBM视角来看医疗数据分析包括三大类的数据：临床数据、基因数据和大健康数据。

医疗数据分析就是要从海量的医疗数据中，寻找医学证据，然后利用这些证据提供更加个性化的基于证据的临床治疗。从IBM的视角来看，目前做三件事情：1）做一个医疗数据云，把医疗数据先存起来；2）做analytics，怎么对医疗数据进行深度的计算和分析，把它变成模型，一些API；3）做解决方案，怎么针对不同类型的医疗领域客户，打造客户能够使用的具体软件和解决方案。

在医疗领域，IBM解决两个问题：一是解决多模态医疗数据的存储问题。医疗数据是多模态数据，目前，没有一种单一数据模型能够覆盖这种多模态的医疗数据。第二个问题就是安全和隐私问题，因为医疗数据的话我们有很多知道很多这种关键信息泄露信用卡信息泄露，医疗数据的话是非常隐私的个人数据，怎么样对这些数据进行保护，这是云平台一定要做好的。简单而言，分析层也做两件事情。第一是对多模态医疗数据的分析。第二，分析是与医疗领域相关的，医学里有一些特定的问题。

Watson Genetics从基因维度切入，与前面解决方案一起解决肿瘤治疗。这个系统也很简单。拿到一个患者的二代测序结果后，通过分子的profiling，在患者所有的变异基因全部找到之后，进行很复杂的pathway分析。Pathway主要通过在几千万篇文献中，学习各种药物靶向、基因变异、蛋白质作用过程等方方面面，构成了很复杂的网络，然后推理，给出相应的靶向药物的治疗推荐。前一阶段有个新闻报道，日本东京大学有一个患者得了非常罕见的白血病，然后没有医生没有见过，没有办法确诊，还甚至进行了误诊。借助这样一个系统，很快就找到患者可能得的白血病，同时推荐了一些靶向药物，挽救他的生命。

医学影像

影像设备可以帮助医生，更好地看到患者体内的信息，甚至包括病理，通过组织切片用高倍显微镜看到细胞层次的变化，做出更加准确的一个判断。机器看片原理很简单。首先，用一些比较经典的一些影像分析或者模式识别的方法，模拟一个医生的看片过程，看一些视觉特征。同时，计算机可以利用复杂的卷积网络，在像素层级上看像素的变化，在像素层级上进行计算，比人看得更细致。可以通过构建多层的神经网络去提取那些隐含的特征信息，利用这样的信息做判断。计算机角度不光看影像数据，还看病例信息、基因测序结果，将多模态的信息融合在一起，可以达到一个更好的效果。