又一科技巨擘，在医疗AI行业面前铩羽而归。
一度被视作里程碑式项目、准备借助AI在医疗领域的谷歌健康，被美国媒体BI曝光正陷入重重危机之中，不得不大规模裁员重组。
此时，距离谷歌当初合并DeepMind健康业务、成立健康部门，并挖来盖辛格医疗中心CEO领军仅仅过去了三年时间。
当初IBM的沃森医疗陷入困境被群嘲，没想到谷歌也逃不过类似的命运。
实际上，国内诸多的明星AI独角兽，也相继陷入了裁员、倒闭、资金链断裂等窘境之中。
医疗AI赛道全球范围内的大溃败还在继续。
2018年11月，谷歌成立谷歌健康部门（GoogleHealth），合并了DeepMind旗下的健康部门DeepMindHealth、和负责推进StReaMs医疗app的团队。
对于部门合并，DeepMind创始人表示，这将是一个重要的里程碑。
而当时的舆论媒体，对于谷歌健康也非常看好。
据FoRbes当时发表的一篇文章预测，谷歌健康将会在医疗健康的5个领域大展身手：
促进家庭健康，包括管理用户健康状况、监控独居老人等；
通过运输解决医疗保健问题，包括自动驾驶业务对医疗领域的支持；
利用大数据对抗疾病，通过算法让人们更容易获取健康信息；
发明下一代可穿戴设备和跟踪器，扩大相关市场份额；
成为医疗AI的领导者，将AI引入医疗保健中。
没错，当时媒体普遍认为，在AI领域已经成为巨头的谷歌，同样能将AI完美地应用到医疗中，并实现引领行业的目标。
加上谷歌还从盖辛格医疗中心挖来了DavidFEINbeRg就任主管，后者是全美最好的成人专科医院之一。
有着UC伯克利学历加持的DavidFEINbeRg，曾经主持了整个宾夕法尼亚卫生系统GeisingeR的成立，并统一了这个系统在医疗领域的各个分散项目。
当时，行业普遍认为，DavidFEINbeRg的加入能让谷歌在医疗健康领域如虎添翼。
但现实情况是，直至2021年，谷歌与医疗AI相关的创新业务也没有做起来。
谷歌最新一期2021Q1季度财报显示，谷歌包括人工智能DeepMind、智能医疗VeRily在内的创新业务，仍然处于亏损状态。
具体到业务上来看，一项名为糖尿病视网膜病变筛查的业务，一直是谷歌健康对医疗AI重点宣传的核心。
谷歌此前发表在美国医学会期刊上的研究显示，AI算法在这一研究中起到的作用极大，使得这一工具的准确率达到了90%，理论上几秒就能出结果，足以和眼科专家的诊断结果相媲美。
然而，这一工具在实际应用中却出现了水土不服的情况。
2020年，谷歌与泰国公共卫生部门合作，在泰国的11所诊所安装了这一工具。
由于算法对检查照片的要求极高，导致准确率不如预期；此外，当地医院的网络信号不好，从上传照片到出结果往往需要相当长的时间，病人更愿意找医生诊断。
即使如此，这次在重组时，DavidFEINbeRg还是宣传了这一核心项目：
当我们在谈全球影响力时，我指的不是收入，而是让糖尿病视网膜病变筛查这样的产品，在印度和泰国以外的其他世界地区也能得到推广。
对于这次变动，DavidFEINbeRg回应：
这将提高部门的影响力和执行速度，我们重点考虑的不是营收。
消息传递的信号，其实已经非常明确——
谷歌这个成立近3年的健康部门，根本不赚钱。
这次的谷歌健康部门重组，再次把医疗AI推上了舆论浪尖。
毕竟，不止是谷歌，知名科技公司的医疗AI业务，面临重组、收购的情况还有很多。
国内某家在2017年B轮获2亿投资成为AI医疗影像领域亮眼明星的公司，还没有挺到C轮就在2019年底左右面临资金链断裂。
医疗影像辅助诊断是当时医疗AI公司扎堆投入的领域。这家公司最大的卖点肺结节诊断，则是红海中的红海。
一家医院接入4、5家AI肺结节诊断产品成了司空见惯，曾有影像医师笑称：
中国人的肺结节都不够用了。
以免费提供的形式进入医院只是一张入场券，迟迟找不到盈利路线的这家公司，靠烧钱最终无以为继。
另一家知名AI独角兽，虽然医疗不是全部业务，但之前声势浩大，一度前景光明，可最近也传出收缩业务、相关团队整组整组地调整。
IBM的WatsonHealth部门，是IBM布局医疗AI的窗口，主要利用AI帮助医院，保险公司和制药商管理数据、辅助诊断。
但成立6年，年收入才为10亿美元，占公司总收入2%以下，至今尚未获得盈利。然而之前，IBM光是收购Waston就花了40多亿美元。
与谷歌健康几百人规模不同，WatsonHealth在2016年甚至达到过一万人的规模。
然而，据IEEESpectRuM统计，2011-2019年期间，IBMWatson与其他机构合作的25个具有代表性的项目中，却仅有5个合作项目推出了AI医疗产品。
不仅如此，在2018年，Watson还被曝出给患者开错了药物，严重的话可能会致人死亡。
IBM的路线不是医学影像，而是用NLP去理解医学文本。就连图灵奖得主YoshuaBengio，也不看好IBM的这种模式，他认为：
在医学文本文件中，人工智能系统无法理解其模糊性，也无法了解人类医生注意到的微妙线索。
事实上，据动脉网调查，在医疗AI领域中，目前真正落地并成功上市的公司，基本都处在大数据管理和语音录入这两个方向。
然而，这两个方向对于技术的要求，其实都与医疗本身没有直接关系。
关系到患者隐私的临床数据分散在各个医院难以互通共享，是AI医疗发展面临的最大障碍。
除了数据归属权问题，行业内目前也缺少数据的标准化规范，在训练数据上的投入是AI医疗公司一大成本构成。
吴恩达2020年在斯坦福HAI研讨会的演讲中也分析过，医疗领域AI研究的算法难以投入到生产，因为以部分数据训练出的模型，难以泛化到其他情况。
吴恩达的这话，多少有点反思的意味。
毕竟想当初，他可是最看好AI变革医疗的大牛之一啊。
所以医疗AI这件事，之前或许都太乐观了。
你怎么看？