[東京現場]Google與眼科界的「麥當勞」合作，想讓印度盲人重見光明|數位時代 BusinessNext

Google在東京舉辦#MadeWithAI亞太區媒體活動，會中Google展示了在醫療領域的最新進展，並且會後接受媒體採訪，闡述了Google在糖尿病視網膜病變檢測的未來發展想法。

導入機器學習，判斷糖尿病視網膜病變

糖尿病是一種因胰島素缺乏或拮抗胰島素功能的因子出現導致血糖上升的疾病。不論是第一型(胰島素依賴型IDDM)或第二型(非胰島素依賴型NIDDM)的患者，長期血糖上升會引起眼部視網膜微細血管病變，稱之為糖尿病視網膜病變(diabetic retinopathy)。

而Google將機器學習技術，導入糖尿病視網膜病變的圖像檢測中。Google研究產品經理彭浩怡（Lily Peng）指出，Google研究團隊創建了一個開發數據集，聘請54名專業眼科醫師來檢視、評估13萬張以上的圖像進行了88萬次的診斷。

再利用這些經過眼科醫師評估的圖像訓練TensorFlow模型，在這個訓練中所應用的神經網路名為Inception模型，經過充分訓練後，這些模型就能夠在「沒有醫生」診斷的情況下拍攝圖像，並替這些圖像進行五級量表分類。結果顯示：演算法在發現症狀的敏感度和判斷症狀的準確度上，都比人表現的還要好。

透過判斷 9963 張成像所組成的數據集可看出，神經網路演算法(黑色曲線)和8名眼科醫生(彩色點)的辨識結果顯示出高度一致性(中度或更嚴重的糖尿病性視網膜病變或糖尿病性黃斑水腫)。曲線上的黑色鑽石方塊對應了演算法的高靈敏度與高特異性。

圖／ Google

1200萬名印度盲人中，70％只需簡單手術即可治癒

為什麼選擇糖尿病視網膜病變作為研究主題？「這是當地醫院的一大痛點。」彭浩怡說。

根據《哈佛商業評論》，「1200萬名印度盲人中，有70％的人其實只需要簡單的手術就能治癒，但前提是他們要有機會進行手術。」而根據調查印度缺乏近12.7萬名眼科醫生，導致近45%的患者在接受診斷前就已經失明。也就是說，糖尿病視網膜病變是可預防的。

「Google研究團隊與印度的眼科醫院Aravind、Sankara以及美國EyePACS進行臨床試驗，希望未來能把這個技術用在眼科臨床診斷中。」彭浩怡說。

Aravind是世界上最大的眼科醫院，也是世界最大的單一眼科手術提供商。整個Aravind眼科醫療系統專長在白內障的切除，醫院握有豐沛的視網膜攝影數據。而且Aravind本身在醫療流程就以「麥當勞式」創新，做一個眼科手術僅需做一個漢堡的時間，舉世聞名。

與Verily智慧隱形眼鏡計畫有關？

雖然研究成果驚人，但若要談落地談實務應用會遭遇什麼挑戰呢？「我們發現硬體設備是視網膜治療的關鍵障礙。」彭浩怡說。

影像品質是影響機器診斷準確度的重要關鍵，雖然使用現有的視網膜攝影設備就已經得到很棒的研究成果，但還是有一部份照片品質不佳。

因此Alphabet的子公司Verily也與全球知名的視網膜攝影相機廠商Optos（已被Nikon收購）合作共同設計新的攝影硬體，讓新攝影設備可以更容易，更有效率地獲得更高品質的影像。

另外，由於Verily已經與瑞士藥廠Novartis（諾華）旗下的眼科品牌Alcon（愛爾康）合作，用Smart Contact Lens的技術研究糖尿病與老花眼等疾病，希望設計出可以偵測血糖的智慧隱形眼鏡，因此讓人聯想Google將機器學習導入糖尿病視網膜偵測是否和智慧隱形眼鏡有關？

不過，對此彭浩怡否認，「我們的研究和Verily隱形眼鏡計畫沒有關聯，我們也沒有進行相關的專案。」她強調，「視覺對於人來說是非常重要的五官，因此如何大量降低因糖尿病而眼盲是一個很重要的研究方向，這本身就是一件大事。」

商業模式不是重點，目標在於找到潛在病患

Aravind醫院的特殊商業模式很特別，醫院僅向約1/3能付費的病患收費，但2/3的病患為免費的「交叉補貼」制度。那這些沒有財力付費的病患，有福享受機器學習技術讓他們早期發現早期治療嗎？Google有沒有和Aravind醫院討論過可能的商業模式呢？

對此彭浩怡指出，「對我們來說最重要的不是商業模式，而是增加價值的模式，我們不是要從這些病患身上賺到錢。而是找到更多潛在的病患，給予他們更多的醫療機會。」

《哈佛商業評論》指出，「Aravind眼科體系有三分之二的病患獲得免費治療或接受補助，但該醫院仍能夠只靠本身獲利，來支付所有擴張計畫的費用。」因此若機器學習能順利前進Aravind將能成為醫師的重要幫手，這省下來的醫療成本或時間，可以做出更好的運用。

若將生成式人工智慧（GenAI）技術視為改變人與資訊互動的重要分水嶺，Physical AI（實體AI）則讓 AI 真正理解並介入真實世界：從機器人、自駕車到智慧製造，AI 正從「理解內容」走向「理解物理世界」，其中，自駕車被公認是 Physical AI 最具代表性的落地場域，也是目前最能驗證 AI 感知、推理與決策能力的應用，因為，不僅要控制車輛，還必須即時與人流、車流、道路設施及各類載具互動，需要極高的 AI 感知、推理與執行能力。

對深耕智慧移動多年的勤崴國際而言，Physical AI不只是 AI 技術演進，而是自駕車產業邁向下一個世代的重要轉折：從依賴規則控制（Rule-based）的自駕系統，逐步升級為具備感知、推理、學習與持續優化能力的智慧移動平台，讓全球自駕車產業競爭從單一技術比拚，走向資料、場域、生態系與 AI 能力的全面競賽。

Physical AI讓自駕車從「照規則開車」走向「理解世界」

過去，自駕車依靠高精地圖、光達（LiDAR）、攝影機等感測器，以及大量預先設定好的規則進行判斷，這種作法能處理相對固定的情境，但一旦遇到複雜且快速變化的交通環境，例如大量機車穿梭、行人突然穿越、不同國家的交通規則，系統很容易受到限制。

勤崴國際認為，Physical AI 的出現正改寫自駕車的發展模式：透過更強大的 GPU 算力，結合世界模型（World Model）、數位孿生（Digital Twin）與模擬器（Simulator），AI 能先在虛擬世界完成大量交通情境模擬，再將學習成果快速部署到真實道路，不僅大幅縮短訓練與驗證時間，也讓自駕系統持續學習與進化。

「在 Physical AI 賦能下，自駕車將從依照規則開車轉變成能理解環境、預測意圖，再做出最佳決策。」勤崴國際副總經理林映帆表示，例如當系統看到路邊有人揮手，不只是辨識動作，而是能推論對方有搭車需求；當機車快速切入車道，也能提前預測可能路徑，而非等事件發生後才反應。

這也意味著，自駕車的競爭已從「規則設計」走向「AI學習能力」的競爭：自駕車不僅是智慧移動的新載具，更是觀察 Physical AI 是否真正成熟的重要指標；換言之，Physical AI比拚的不是演算法，而是誰能持續累積真實場域、建立與完善資料庫，讓 AI 在每一次行駛中不斷學習、持續進化，形成下一波智慧移動競爭的關鍵。

七年累積三十個場域，勤崴國際打造台灣智慧移動新能量

相較於 Waymo、Tesla 的優勢來自數百萬輛車持續累積道路資料，勤崴國際的策略是透過不同場域的長期營運，建立屬於台灣的智慧移動資料庫。

自2019年投入自駕車商業化應用以來，勤崴國際不僅持續深耕高精地圖、自駕系統、車聯網及自駕運輸技術、於全台完成超過30個自駕場域部署，累積自駕行駛里程突破38萬公里、服務超過80萬人次，更逐步建立台灣少數具規模的智慧移動資料庫；為進一步加速自駕車產業價值鏈發展，勤崴國際也攜手車廠、路側設備，感測器、AI 平台、車聯網、客運與場域業者打造完整的自動駕駛生態系。

以台積電南科園區的自駕巴士服務為例，由於路線涵蓋園區內外道路，自駕車不僅要與物流車、叉車及一般車流共存，離開園區後更須面對台灣特有的高密度機車交通環境，對 AI 的感知與決策能力形成高度挑戰；截至今日，該服務已累積超過92,435人次搭乘、自駕行駛里程超過83,542公里，接駁率高達96.7%；此外，勤崴國際也於廠區內導入自駕接駁車與自駕載貨車，累積服務超過216,794人次，驗證自駕技術在智慧工廠場域的落地能力。

除了工業場域，勤崴也將自駕技術延伸至觀光應用，例如今（2026）年6月在南投埔里福興溫泉區推出「啡嚐咖心」觀光自駕車服務；林映帆指出，相較於工業場域重視效率，觀光應用更重視人車互動與乘車體驗，遊客只需一鍵即可啟動自駕接駁，系統除了安全辨識行人與周遭環境，也能透過語音互動提升搭乘安心感，證明自駕車不僅適用於產業應用，更可成為偏鄉觀光與高齡化社會的新一代公共運輸解決方案。

接下來，勤崴國際將憑藉著在南部科學園區、南投與新北市的落地運行經驗，攜手產業夥伴、針對未來對自駕公車有需求的城市，協助客運業者解決公車缺工等議題。

林映帆說：「我們的目標是提供自駕全方位解決方案。」在累積物流、廠區接駁、觀光、無塵室搬運等多元場域經驗後，勤崴逐步發展出「一個平台、多種載具、多種場域」策略：將共通技術平台模組化，再依不同客戶需求進行客製化調整，讓每新增一個場域，都成為下一個場域快速且安全部署的重要養分。

勤崴國際副總經理林映帆表示，將以「一個平台、多種載具、多種場域」策略，攜手自駕車產業鏈夥伴，協助AI自駕車等智慧移動落地應用，以及打造「國家隊」前進海外市場。

圖／數位時代

隨著Physical AI的成熟與落地，未來智慧移動的競爭，不再只是比誰擁有更大的模型，而是比誰能持續累積場域、建立完整資料庫，以及串聯完整生態系；在這個關鍵時刻，勤崴國際除因應不同場域客戶需求提供自駕車解方，也希望攜手更多產業夥伴，共同打造具有國際競爭力的智慧移動國家隊，讓台灣在全球自駕與 Physical AI 的新賽局中，占有一席關鍵位置。