DeepMind以光學相干斷層掃描(Optical coherence tomography，OCT)視網(wǎng)膜圖像，進行眼睛疾病診斷的機器學習訓練，該產(chǎn)品由DeepMind和英國Moorfields眼科醫(yī)院合作，可進行OCT視網(wǎng)膜圖像實時分析，并透過AI判讀患病緊急程度與診斷結果，但此人工智能系統(tǒng)產(chǎn)品原型尚處試量產(chǎn)階段。

　　透過OCT圖像進行機器學習，較能達成具眼睛疾病診斷功能的AI系統(tǒng)

　　截至2017年，美國FDA核準的AI醫(yī)療影像軟件醫(yī)材僅個位數(shù)，2018年增至11項，多數(shù)產(chǎn)品以「輔助診斷」為主，其中僅有IDx-DR是無需臨床醫(yī)生就能提供糖尿病視網(wǎng)膜病變醫(yī)療「診斷」功能的AI系統(tǒng)。OCT是目前醫(yī)院眼科進行眼部疾病診斷的主要依據(jù)，相較眼底鏡，OCT能提供微米等級的更高分辨率和三維眼底細節(jié)圖像。

　　不同于DeepMind與IDx，百度也嘗試將AI導入眼部疾病的輔助診斷，但百度是透過眼底鏡圖像進行算法訓練，藉此判讀疑似病灶的位置與疾病風險，然眼底鏡圖為二維圖像，僅靠眼底鏡圖像無法準確厘清病灶形狀、大小與準確位置等問題，尚須倚賴OCT，因此眼底鏡于AI醫(yī)療影像應用較難達成疾病的診斷功能。

　　具備醫(yī)療診斷功能的AI技術尚難以取代醫(yī)生專業(yè)

　　DeepMind透過Moorfields提供近1.5萬份OCT掃描圖像，且有醫(yī)生輔助進行病變區(qū)域標記，使其算法開發(fā)可掌握海量、有效且干凈的數(shù)據(jù)，跨越最關鍵步驟。AI影像產(chǎn)品要能提供診斷功能，需產(chǎn)生可信且準確的分析結果，據(jù)2018年發(fā)表于《Nature Medicine》研究成果，經(jīng)DeepMind算法判斷患者疾病緊急程度的準確度與專科醫(yī)生相差不遠，表示其診斷結果尚未超越醫(yī)生的專業(yè)，這也顯示AI技術距離取代醫(yī)生診斷功能還相當遙遠。

　　事實上具備醫(yī)療診斷功能的AI技術目前較難普及，除法規(guī)限制、多數(shù)影像設備售價昂貴，加上AI分析尚屬先進技術外，若未能與AI兼容則需采買新設備，增加相關建置成本，且AI導入若無法達到實質性的輔助篩檢，或其診斷效果未被專業(yè)人員認可，則難以被醫(yī)院采用。

　　就現(xiàn)階段來講，具備醫(yī)療診斷功能的AI分析技術，若未與特定醫(yī)院或設備商合作，其適用途徑多半還是以偏鄉(xiāng)醫(yī)療與非專科項目的應用為主，但也需考量相關設備建置成本與售價是否為偏遠區(qū)域醫(yī)療院所可負擔的范圍。