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

　　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

　　截至2017年，美國FDA核準的AI醫療影像軟件醫材僅個位數，2018年增至11項，多數產品以「輔助診斷」為主，其中僅有IDx-DR是無需臨床醫生就能提供糖尿病視網膜病變醫療「診斷」功能的AI系統。OCT是目前醫院眼科進行眼部疾病診斷的主要依據，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醫療影像應用較難達成疾病的診斷功能。

　　具備醫療診斷功能的AI技術尚難以取代醫生專業

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

　　事實上具備醫療診斷功能的AI技術目前較難普及，除法規限制、多數影像設備售價昂貴，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人員認可，則難以被醫院采用。

　　就現階段來講，具備醫療診斷功能的AI分析技術，若未與特定醫院或設備商合作，其適用途徑多半還是以偏鄉醫療與非?？祈椖康膽脼橹鳎残杩剂肯嚓P設備建置成本與售價是否為偏遠區域醫療院所可負擔的范圍。