[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。

當許多企業還在討論 AI 能做什麼，富邦人壽更關注：AI 如何被第一線同仁使用？而這也是「理賠智慧助理」能從黑客松發想、走進理賠現場，成為真實工作夥伴的原因。

為什麼富邦人壽會選擇從最複雜、也最不易標準化的環節–理賠–切入、嘗試將AI從「回答問題的工具」轉變成進入核心營運流程的「決策輔助夥伴」？

保險理賠為何難以AI化？答案藏在大量非結構化資訊裡

相較於客服問答或行政流程，理賠工作最大的挑戰在於資訊高度分散且缺乏標準格式：從診斷證明、病理報告、手術紀錄到醫療收據，每份文件不同醫院格式都不同，內容還充滿專業醫療術語；理賠人員不僅必須理解文件內容，還需要同步比對保單條款、法規要求以及醫學知識，才能做出適當判斷。

更複雜的是，就算是相同疾病或手術名稱，不同案件背景也可能導致不同理賠結果，因此，理賠長期被視為高度依賴專業經驗與人工判斷的工作，很難透過傳統自動化工具處理。

近年來，隨著理賠案件量持續增加、醫療技術快速演進，以及新舊世代交替帶來的人才培育壓力，如何兼顧理賠品質、作業效率與知識傳承，成為刻不容緩的議題。

富邦人壽開始思考：如果AI無法取代專業判斷，是否能先協助理賠人員更快掌握資訊、縮短搜尋時間，讓專業人才把時間投入在更高價值的分析與決策工作？這個想法在富邦集團導入微軟Copilot Studio並舉辦黑客松活動後獲得實踐機會，理賠團隊將構想轉化為可驗證的AI提案，並在主管支持與跨部門合作下，於2026年1月正式導入理賠現場。

「黑客松讓我們有機會快速驗證想法，也讓AI應用從概念走向實際場景。」富邦人壽理賠部資深襄理郭乃瑀如是說道。

數位時代為此特別專訪富邦人壽黑客松獲獎團隊「ClaimAIngels」的成員，深入了解這項 AI 專案如何從創新提案一路走進理賠第一線，成為同仁日常工作的決策輔助夥伴。

AI成功落地的關鍵，不只是模型，還有資料與流程重建

從創意發想到實際上線，最大的挑戰不是技術，而是如何讓AI真正符合第一線需求。

富邦人壽理賠部資深襄理林庭樂指出，團隊一開始便深入訪談理賠同仁，發現大家真正需要的並不是AI幫忙做決定，而是協助整理資訊，因此將理賠智慧助理專案聚焦於三大領域：手術等級建議、病理報告判讀輔助，以及國外醫療文件翻譯與摘要，目標是協助同仁降低資料蒐集與查詢時間，讓理賠同仁可以快速掌握案件重點。

但要做到這一步，必須先建立可信任的資料基礎。

由於醫療資料來源眾多且格式不一，團隊投入大量時間整理歷史案件、建立醫療名詞對應關係、標註資料來源與判斷依據，並透過跨部門討論及醫師顧問協作，逐步建立一致的判讀標準。林庭樂表示：「這項工作看似基礎，卻是AI能否提供可靠建議的關鍵，更重要的是，它讓過去散落在資深同仁腦中的經驗知識，逐漸轉化為可被組織保存與運用的數位資產。」

富邦人壽理賠部專員陳子聆便感受到明顯改變。她說：「過去遇到新的手術名稱，往往需要花費一到兩個小時查閱條款、搜尋歷史案例並向資深同仁請教，現在，透過理賠智慧助理協助，資料搜尋時間縮短50%以上，能將更多心力放在案件分析與專業判斷上。」

理賠部理賠審核科資深襄理王羽藍則形容，理賠智慧助理更像是一位隨身秘書。她說：「它會先幫我們整理案件重點，也能提醒是否遺漏重要資訊。無論是判讀國內外醫療文件、核對醫療收據，或分析病理報告內容，都能快速提供參考依據，讓我們把時間投入更重要的專業決策。」

除了資料基礎建設，金融業導入 AI 的另一個關鍵挑戰是風險與合規。

因應金融監理要求以及個資保護需求，團隊在設計理賠智慧助理時建立多層防護機制與使用護欄，並持續優化提示詞設計，以降低AI幻覺、資料外洩與誤判風險，確保AI始終在可控範圍內運作。

不過，對富邦人壽而言，上線並不代表結束，而是優化的開始。

團隊發現，理賠智慧助理初期使用率表現亮眼，但隨著時間推移逐漸下降，為了找出原因，團隊同仁與第一線理賠同仁召開多場討論會議，讓其了解，生成式 AI 並非一次建置完成就能長期發揮效益，必須持續蒐集使用回饋、改善建議，進而調整功能設計。

郭乃瑀表示：「根據同仁回饋，團隊目前正規劃新增實支實付手術給付比例分析等功能，目標是讓AI更貼近實際工作流程、滿足使用者需求。」

從單一專案到組織能力，理賠智慧助理帶來的真正改變

隨著理賠智慧助理逐步成為理賠同仁的日常工作夥伴，其帶來的影響也不再侷限於效率提升，而是開始擴散至組織文化與創新模式的改變。

郭乃瑀表示，過去AI專案多半由資訊部門主導，但這次經驗讓大家發現，真正了解痛點的人其實是第一線同仁，因為只有其最清楚哪些流程最耗時、哪些資訊最難取得，以及哪些環節最適合導入AI。「隨著理賠智慧助理成果逐漸顯現，愈來愈多部門開始主動詢問專案推動經驗，如資料整理、風險控管、流程設計與使用者導入等做法，加速 AI 創新在組織內部的擴散與落地。」

對富邦人壽而言，理賠智慧助理並不只是單一 AI 工具，而是一次工作方式與文化的改變：從第一線提出需求、跨部門共同打造，到持續優化與回饋機制，AI 不再只是科技部門的工具，而逐漸成為工作現場的一部分，也讓數位轉型成為一種持續發生的創新能力。