人工智慧（AI）究竟可如何改善人类生活？该项技术目前已经被应用於许多产业中，但若是要说「嘉惠」於人类，那麽必定非医疗领域莫属；看好人工智慧在医疗领域中的应用，IBM、微软（Microsoft）等大厂皆已将AI导入医疗领域中；如今Google也欲透过该公司的TenserFlow机器学习技术，以辨识糖尿病患者视网膜影像，降低罹患该项病症患者失明的可能性。

Google台湾区分公司总经理简立峰认为，目前影像辨识是人工智慧这个深度学习领域里面最成功的部份，且在医学领域中有相当大的应用潜力。

Google研究团队产品经理、医学博士彭浩怡举例，在印度有高达45％的糖尿病患，因为缺乏专业眼科医生，所以在视网膜病变确诊之前早已失明；但糖尿病视网膜病变其实是可预防的，只需要有足够的专业医生，并透过视网膜眼底图像即可判断病患的视网膜是否已产生病变。

彭浩怡表示，若是运用机器学习技术，即可缩短医生判读的时间，筛检出有问题的视网膜影像。为此，该公司团队聘请54名美国食药监局（FDA）认可的眼科医师与相关专业人士，取得13万张眼底图像，最终标记出超过88万个确诊症状，利用这些资料让机器可进行判读作业。

据了解，彭浩怡的团队建立了26层的深度卷积神经网路（Convolutional Neural Network），标记好素材後再对机器进行训练。随着真实资料量日益丰富，再加上运算能力较过往强大数千万倍，使得神经网路表现较以往其他的网路更好。

除了糖尿病视网膜病变的判断之外，彭浩怡也表示，该公司的TensorFlow机器学习技术目前也用於判读乳癌或前列腺癌等切片影像中，希??未来可协助相关医生进行病症判断。

Google台湾区分公司总经理简立峰也认为，目前影像辨识是人工智慧这个深度学习领域里面最成功的部份，且在医学领域中有相当大的应用潜力，值得台湾相关领域关注；再加上台湾糖尿病盛行率为世界第二，仅次於日本，所以国内也有相当庞大的相关资料量。

最後，彭浩怡也表示，未来深度学习将往临床验证、建立医疗团队的信任感，以及机器辨识流程符合医生工作需求等三大方向进行。由於要使医界愿意信任且采用新技术有一定的难度，且新式工具是真正可协助医生进行诊断的利器，这些层面，都是未来深度学习需要克服的挑战。