人工智慧（AI）究竟可如何改善人類生活？該項技術目前已經被應用於許多產業中，但若是要說「嘉惠」於人類，那麼必定非醫療領域莫屬；看好人工智慧在醫療領域中的應用，IBM、微軟（Microsoft）等大廠皆已將AI導入醫療領域中；如今Google也欲透過該公司的TenserFlow機器學習技術，以辨識糖尿病患者視網膜影像，降低罹患該項病症患者失明的可能性。

Google台灣區分公司總經理簡立峰認為，目前影像辨識是人工智慧這個深度學習領域裡面最成功的部份，且在醫學領域中有相當大的應用潛力。

Google研究團隊產品經理、醫學博士彭浩怡舉例，在印度有高達45％的糖尿病患，因為缺乏專業眼科醫生，所以在視網膜病變確診之前早已失明；但糖尿病視網膜病變其實是可預防的，只需要有足夠的專業醫生，並透過視網膜眼底圖像即可判斷病患的視網膜是否已產生病變。

彭浩怡表示，若是運用機器學習技術，即可縮短醫生判讀的時間，篩檢出有問題的視網膜影像。為此，該公司團隊聘請54名美國食藥監局（FDA）認可的眼科醫師與相關專業人士，取得13萬張眼底圖像，最終標記出超過88萬個確診症狀，利用這些資料讓機器可進行判讀作業。

據了解，彭浩怡的團隊建立了26層的深度卷積神經網路（Convolutional Neural Network），標記好素材後再對機器進行訓練。隨著真實資料量日益豐富，再加上運算能力較過往強大數千萬倍，使得神經網路表現較以往其他的網路更好。

除了糖尿病視網膜病變的判斷之外，彭浩怡也表示，該公司的TensorFlow機器學習技術目前也用於判讀乳癌或前列腺癌等切片影像中，希望未來可協助相關醫生進行病症判斷。

Google台灣區分公司總經理簡立峰也認為，目前影像辨識是人工智慧這個深度學習領域裡面最成功的部份，且在醫學領域中有相當大的應用潛力，值得台灣相關領域關注；再加上台灣糖尿病盛行率為世界第二，僅次於日本，所以國內也有相當龐大的相關資料量。

最後，彭浩怡也表示，未來深度學習將往臨床驗證、建立醫療團隊的信任感，以及機器辨識流程符合醫生工作需求等三大方向進行。由於要使醫界願意信任且採用新技術有一定的難度，且新式工具是真正可協助醫生進行診斷的利器，這些層面，都是未來深度學習需要克服的挑戰。