引子：一个价值数十亿美元的「墓碑」
2022年1月，IBM悄悄将Watson Health出售给一家私募基金，交易金额据传不到10亿美元。而在2011年到2021年的十年间，IBM在Watson Health上的总投入超过50亿美元。
这可能是医疗AI史上最昂贵的「失败」——但不是最没价值的失败。
因为这场失败让整个行业明白了一个道理：AI不该替医生做决策，而是帮医生做更好的决策。
这一章，我们从Watson的墓碑上读起，一直读到2024年新一代临床决策支持系统（CDSS）正在长成什么样。
36.1 IBM Watson Health：一场十年的豪赌
36.1.1 从「Jeopardy冠军」到「肿瘤专家」的梦
2011年，IBM的AI系统Watson在美国电视问答节目Jeopardy中击败了人类冠军。这给了IBM一个大胆的想法：如果Watson能回答「莎士比亚是哪一年出生的」，它也应该能回答「这个肺癌患者应该用什么治疗方案」。
同一年，IBM成立了Watson Health部门，第一个主攻方向就是肿瘤。合作伙伴是MD Anderson癌症中心——全球最好的癌症中心之一。
36.1.2 十年大事记：投入越大，失望越大
| 时间 | 事件 | 状态 |
|---|---|---|
| 2011 | Watson Health成立，与MD Anderson合作 | 雄心勃勃 |
| 2013 | Watson for Oncology首次商用 | 媒体热捧 |
| 2016 | MD Anderson因效果不佳中止合作 | 开始掉头 |
| 2017 | 内部文件显示Watson给出「不安全」的治疗建议 | 信任动摇 |
| 2018 | 大幅裁员，多位高管离职 | 危机爆发 |
| 2020 | IBM宣布停止Watson for Oncology开发 | 放弃 |
| 2022 | Watson Health整体出售 | 低价离场 |
36.2 Watson为什么失败了？——三个致命错误
36.2.1 错误一：用美国指南，推中国方案
Watson for Oncology的底层知识库主要是美国NCCN（美国国家综合癌症网络）指南。当海外医院使用Watson时，系统给出的治疗建议经常与当地的标准方案「打架」。
一个经典案例：Watson建议某东南亚医院给一位胃癌患者使用贝伐珠单抗（一种靶向药），但该药物不在当地的医保目录中，而且当地指南推荐的是另一种方案。医生看着Watson的建议只能说：「理论上对，但在这里行不通。」
36.2.2 错误二：医生的不信任
这不是心理层面的「医生抵触AI」，而是实实在在的工作流问题。
Watson的输出方式：输入患者病历 → 等待几分钟 → 得到一长串建议和文献引用。医生的反应是什么？「我没时间等，也没时间看。」
一位MD Anderson的肿瘤科医生说出了很多人的心声：「我知道Watson读的文献比我多，但它不会告诉我『这个患者今天早上看起来比昨天好多了』——而这恰恰是我做决策最重要的信息。」
36.2.3 错误三：技术过度承诺
2011-2015年，IBM的营销机器火力全开。广告和公关稿中，Watson被描绘成「能诊断所有癌症」「能读懂百万篇论文」的超级AI。
但实际产品远没有这么神奇。它本质上是一个基于规则的文本匹配系统，加上一些早期的ML算法。当时的AI技术储备，根本支撑不了IBM营销所承诺的能力。
当现实追不上宣传，结果只有一个：信任崩盘。一次不信任，十年难修复。
36.3 新一代CDSS的崛起：从Watson的灰烬中
36.3.1 大语言模型改变了游戏规则
2023年以后，以GPT-4和Med-PaLM 2为代表的大语言模型，给CDSS带来了完全不同的技术底盘。
| 维度 | Watson(2011-2020) | 新一代LLM CDSS(2023+) |
|---|---|---|
| 知识来源 | 人工录入的指南和文献 | 海量医学文献+教科书+临床数据 |
| 推理方式 | 规则匹配→推荐方案 | 上下文理解→生成建议 |
| 交互方式 | 结构化输入→结构化输出 | 自然语言对话 |
| 更新速度 | 人工更新，数月周期 | 模型更新，可实时 |
| 本地化能力 | 极弱 | 可通过Prompt/微调适配 |
| USMLE成绩 | 未公开（据说未通过） | GPT-4达90分位 |
36.3.2 Med-PaLM 2（Google）：专为医学而生的LLM
2023年，Google发布了Med-PaLM 2，在USMLE（美国医师执照考试）中取得了86.5%的高分——这是AI首次在医学专业考试中达到「专家级」水平。
更关键的是Med-PaLM 2的安全性评估。Google组织了一批临床医生对AI的回答进行评分，不是看「对不对」，而是看「会不会伤害患者」。在「回答中不存在潜在危害信息」这一项上，Med-PaLM 2的通过率是92.6%，而普通GPT-4是81.3%。
这说明Google不是简单地把通用大模型拿来问医学问题——而是针对医学场景做了专门优化。
36.3.3 GPT-4在医学上的表现
GPT-4在USMLE上的成绩是90分位——超过了绝大多数人类医学生。而且GPT-4在多轮对话中表现更加自然，医生可以用口语化的问题提问，不需要结构化输入。
但其安全问题也不容忽视。2023年一项《JAMA》研究测试了GPT-4对60个常见医学问题的回答：正确率86%，但有7%的回答存在「可能造成伤害」的风险（如药物剂量超标、忽略禁忌症）。这也说明，直接拿通用大模型做临床决策支持是有风险的。
36.4 CDSS的三种模式：从简单到复杂
36.4.1 模式一：知识驱动（规则引擎）
代表产品：UpToDate、Drugs.com交互检查、早期Watson原理：人工将医学知识和临床指南编码为规则。输入患者信息 → 匹配规则 → 输出建议。
优点：逻辑透明、可解释性强、出错可溯源。
缺点：覆盖面窄（只有被编码的知道）、更新慢、不会处理规则外的复杂情况。
36.4.2 模式二：数据驱动（机器学习预测）
代表产品：Epic Sepsis Prediction Model、各种风险评分模型原理：从历史临床数据中学习模式和关联，给出概率预测（如「该患者未来24小时脓毒症风险：73%」）。
优点：能发现人类注意不到的关联、可处理高维度数据。
缺点：黑箱化（难以解释为什么是这个概率）、依赖训练数据质量、可能学到数据中的偏见。
36.4.3 模式三：混合驱动（LLM+知识图谱+RWD）
代表产品：新一代CDSS（如Med-PaLM 2、GPT-4+医学RAG、国内惠每科技等）
原理：大语言模型负责理解问题+生成回答，医学知识图谱保证事实准确性，真实世界数据（RWD）提供本地化校准。
优点：兼顾自然交互+事实准确性+本地适配。
缺点：技术架构复杂、成本较高、仍在早期验证阶段。
36.4.4 三种模式对比
| 维度 | 知识驱动 | 数据驱动 | 混合驱动 |
|---|---|---|---|
| 核心引擎 | 人工规则 | 统计模型 | LLM+KG+RWD |
| 可解释性 | ★★★★★ | ★★☆☆☆ | ★★★☆☆ |
| 覆盖面 | ★★☆☆☆ | ★★★★☆ | ★★★★★ |
| 更新速度 | ★☆☆☆☆ | ★★★★☆ | ★★★★★ |
| 准确性保障 | 高（已知范围内） | 中（依赖数据质量） | 中高（多引擎互校） |
| 交互友好度 | ★★☆☆☆ | ★★☆☆☆ | ★★★★★ |
| 商业化阶段 | 成熟 | 较成熟 | 早期 |
36.5 国内CDSS现状：三足鼎立
公司 核心产品 技术路线 落地医院 特色
嘉和美
康
CDSS临床决策支
持
知识驱动
+AI 数千家 深耕HIS系统，存量优势
大
森亿智
能 森亿AI医助 混合驱动 数百家 自然语言处理见长
惠每科
技 惠每CDSS 知识图谱
+AI
300+三级医
院
Mayo Clinic知识体系本
地化
左手医
生
诊前/诊中智能问
诊 LLM驱动 数百家 从患者入口切入
国内CDSS的发展路径和Watson完全不同：从一开始就强调「本地化」——不是移植国外指南，而是和中国医院的实际诊疗流程融合。他们的核心策略可以概括为三件事：第一，和医院信息系统深度对接，让CDSS嵌入医生工作站而非独立存在；第二，以中国临床指南和专家共识为知识底座，不做「翻译版」的NCCN；第三，先做单一病种（如VTE防控、抗菌药物管理），打穿一个点再横向扩展。
36.6 Watson失败的真正教训：不是「CDSS不可行」
36.6.1 什么错了
很多人看了Watson的结局，得出一个结论：「AI做临床决策太难了，这条路走不通。」
这个结论只对了一半。
Watson失败的原因是三个错误叠加：技术过度承诺 + 忽视本地化 + 忽视医生工作流。其中只有一个和「AI技术」有关。
36.6.2 什么对了
Watson踩中的方向是对的：用AI帮医生处理海量医学信息、在关键时刻提供决策参考。这不是伪需求—— 每个医生都曾被「应该知道但记不住」的知识困扰过。
新一代CDSS正在纠正Watson的三个错误： - 不再过度承诺（承认AI是「助手」，不
是「专家」）：
- 深耕本地化（LLM可微调适配本地指南）
- 尊重医生工作流（自然对
话嵌入诊疗过程，而非独立系统）
36.6.3 「辅助驾驶」而非「自动驾驶」
36.7 对医生的启示
启示一： 不要因为Watson的失败而否定所有CDSS
新技术底盘的CDSS（LLM+知识图谱）和Watson时代的CDSS是两种不同的生物。
就像你不会因为诺基亚的失败而否定所有智能手机。
启示二： 学会区分「好建议」和「看起来好的建议」
LLM的「流畅表达」让它说错话时也显得很自信。这就是所谓的「幻觉」问题。当AI给出的建议和你自己的判断不符时，让AI给出它的依据（Prompt：「请说明你得出这个结论的文献依据」），然后自己核实。
启示三：关注CDSS如何融入你的工作流
一个在你开着电子病历时自动弹出的风险提醒，比一个需要你切换到另一个系统去查的AI助手，有用100倍。选择CDSS时，第一标准不是「它知道的有多多」，而是「它能不能无缝融入我看病的过程」。
36.8 本章小结
| 板块 | 核心要点 |
|---|---|
| Watson兴衰10年投入50亿→低价出售 | 医疗AI史上最昂贵的学费 |
| 失败原因 | 数据不匹配+过度承诺+忽视工作流技术之外的问题杀死了Watson |
| 新一代CDSSMed-PaLM | 2/GPT-4 USMLE 86-90%LLM给CDSS换了全新引擎 |
| 三种模式 | 知识/数据/混合驱动 不是替代关系，是融合方向 |
国内格局 嘉和/森亿/惠每三足鼎立 从第一天就强调本地化核心教训 AI做助手，不做替身 辅助驾驶，不是自动驾驶
36.9 延伸思考
如果你所在的科室要引入CDSS，你最希望它帮你在哪个环节「省力」？（诊断？
用药审核？病历书写？患者宣教？）
Watson的失败有多少是技术问题，有多少是产品思维问题？如果你来做CDSS产品会怎么设计？
当LLM提出一个你不同意的诊断建议，但它用流畅自然的语言引用了三篇文献——你会信它还是信自己？
本章初稿，待浩哥审阅。