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《Nature Medicine》研究成果，經DeepMind算法判斷患者疾病緊急程度的準確度與專科醫生相差不遠，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域醫療院所可負擔的范圍。