首先肿瘤是一个非常恶性的疾病，目前很多肿瘤也没有什么好的办法，但是危害非常大的。以中国为例，每年新发的肿瘤大概超过 400 万，有一些特定的肿瘤，比如与消化道相关的食管癌胃癌发病率很高，全世界每年新发胃癌有超过40%是在中国。同时，肿瘤治疗很困难。一方面疾病本身比较困难，另一方面治疗方法层出不穷，各种靶向药物，各种新的治疗方法不断的出现。如果想要做一个好的肿瘤医生，每月要读超过1万篇与肿瘤相关的新的科研文献，这是不可能的。这个解决方案的核心技术是运用自然语言理解技术，让机器去代替人去读书。这个系统读了两千多万篇文献，应用自然语言理解抽取里面的疾病症状、诊断治疗、患者病情，然后构成非常复杂的知识图谱。基于这样的知识图谱，当患者问诊，系统会自动从患者所有的既往病历信息中，包括检查报告、片子、检验结果、病史的描述，自动抽取上百项的关键信息，借助后台的知识图谱进行一个很复杂的推理过程，给出治疗的推荐治疗方案，包括不同的方案与患者的契合度，这样的信息可以帮助肿瘤科医生更好地用最新的最好的治疗方案，为患者提供个性化的治疗。Watson Genetics从基因维度切入，与前面解决方案一起解决肿瘤治疗。

　　因为肿瘤本质上是一种基因变异导致的恶性疾病，医生们就想能不能通过直接用药物打靶，靶向作用到变异的基因来控制肿瘤。

　　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。

　　Watson先读了很多书，包括300本期刊，200多本教科书，几千万的文献。这就是实际系统使用的界面，来了一个患者之后系统会推荐，每一行是一个治疗方案，绿色的是最好的治疗方案，包括放疗、化疗、手术治疗、药物治疗、各种不同的治疗。同时，每一种治疗方案，系统会给出更多的信息，比如治疗方案，愈后效果，是否有毒性，毒性是什么样的。这些信息并不靠医生手工提前录入，而是由系统自动从几千万份文献中，利用自然语言的理解技术，把这些关键信息抽取出来构造成一个知识库，然后推送到医生面前。

　　其实，很多医院进行肿瘤治疗时，会请很多专家给出自己的治疗意见，包括治疗方案的优缺点。这个系统就相当于一个读了所有的最新文献的专家，把不同的治疗方案包括副作用、不同治疗方案药物之间的相互作用，生成了一本大概有三四十页的报告，提交给医生，帮助医生去做出针对患者最有利的一个治疗方案。

　　医学影像

　　下面想介绍的案例是现在非常火的医学影像。医学影像极大地推动了医疗的发展。最早医生看病通过听诊器诊断，后来出现了X光，然后出现了更复杂的像核磁、超声等各种简单诊断设备。这些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。

　　影像对医学的作用太大了，所以在03年的时候，发明核磁共振的一个物理学家和一个化学家竟然得了诺贝尔医学奖，核磁共振极大的颠覆了医疗诊断和治疗。影像也是多模态数据。有一些比较常见的二维影像，比如眼底影像，皮肤癌影像，或者消化道的胃镜肠镜；还有一些是三维影像，比如ct或者核磁通过向切片扫描的方式，对人体进行上百次的扫描，生成一个完整的三维影像。能够很好地用来做各种诊断和治疗；还有一类是这种病理影像，主要做很多肿瘤的治疗，它需要从疑似肿瘤的部位取一个组织，然后进行切片，放在高倍显微镜下，都是几万*几万像素的高分辨率的影像。往往一张病历影像的片子可能就有3G-4G的大小。这些影响虽然可以提高医疗水平，但是分析同样很困难。协和医院想去约一个核磁或者ct可能需要一周甚至一个月的时间。机器其实是不休息，人要休息，看不过来。现在影像分析面临的一个很大的问题——三甲医院的医生的话有大量片子他看不过来。同时，有一些消化道影像，比如胶囊机器吞到肚子里，一次拍一个视频出来，做一次检查生成3万到5万张影像，有病变的部位不超过30张，要从3万张中间去找到那30张，那就是大海捞针，就要靠医生花大量的时间去过滤掉那些无效的片子。所以影像技术的进步对医生来说最迫切的需求就是，怎么样利用识别技术自动发现病噪，提高他看片的效率。