[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。

隨著 AI 工具逐漸普及，真正拉開差距的，已不只是技術或算力的強弱，是企業能否整理資料、重新設計流程，並把 AI 融合既有工作方式，持續轉化為營運價值。

Amazon Web Services（AWS）將於10月23日於高雄舉辦「2026 亞馬遜港都 AI 創新日」邀請 OpenAI 與製造、金融、交通、零售及運動育樂等領域的實務代表，從技術趨勢、資料治理、流程設計與組織轉型等面向，拆解 AI 落地前必須處理的現實問題，協助企業重新檢視自身的導入條件與下一步布局。

企業下一步，不只是再導入一套 AI 工具，而是讓 AI 進入日常營運

模型可以採購，系統可以建置，但資料是否整理到位、流程能否重新設計、組織是否清楚由誰負責，才是決定技術能否持續發揮價值的關鍵。

高雄近年推動數位轉型，同樣面對這項核心課題。亞灣周邊聚集扣件、石化、鋼鐵等傳統產業，場域複雜、既有系統眾多，正因如此，更能檢驗一套 AI 導入方法是否具備複製與擴大的條件。城市發展也從建置算力基礎，進一步走向讓技術真正進入產業與治理現場。

AWS 連續六年深耕高雄，今年以「雲騰智慧大南方齊創 AI 好未來」為主軸，將討論重心從雲端與算力基礎，推進到應用全面升級，協助城市從「有 AI」走向「AI 有感」。

政府治理是否更即時、產業流程是否真正改變、市民與使用者能否感受到服務提升，才是「AI 有感」的具體檢驗。延續「高雄試點、全臺普及、雲端出海國際」的發展路徑，10月 23 日登場的亞馬遜港都 AI 創新日要談的不只是企業「有沒有 AI」，而是導入之後企業的真實改變。

OpenAI 重磅講者親臨高雄，從技術前沿看見企業的關鍵課題

今年活動特別邀請 OpenAI 東南亞暨台灣合作夥伴總監 Mark Jeffrey，以「前瞻 AI 如何助力產業領袖開創新局」為題，分享在 AI 技術快速演進之下，企業應如何重新思考未來布局。

面對 AI 能力邊界持續擴張，哪些應用已具備規模化條件？哪些仍需要更完整的資料、治理與組織準備？這是正在規畫下一階段 AI 投資的企業必須先回答的關鍵課題。

上午議程將從資料、組織與金融三個面向，拆解 AI 落地前必須處理的現實問題。「數據為本，AI 啟航」先回到資料基礎：外部模型跑得再快，若企業自身的欄位定義、存取權限與資料品質尚未整理到位，技術仍難以轉化為可靠判斷。

「打造 AI-Ready 組織的關鍵布局」論壇則聚焦組織當責。AI 專案通常橫跨資訊、營運與管理部門，真正困難的不只是把系統建起來，而是由誰推動流程改造、由誰認列成果，以及當 AI 產出的判斷出現問題時，責任最後應由誰承擔。公部門、製造業與雲端服務業者如何從不同角色處理這些問題，對其他組織同樣具有參考價值。

金融創新論壇將討論 AI、虛擬資產與企業轉型。金融場域對資料安全、合規、風控與可追溯性的高度要求，也提醒企業：效率不能取代治理，AI 更不能成為責任模糊的理由。能否在高監管、高風險環境中建立清楚邊界，將直接影響 AI 應用能不能被長期採用。

從六種產業場景，看 AI 如何走進真實流程

真正具備參考價值的 AI 案例，不只要說明「做了什麼」，還要回答幾個更實際的問題：解決哪一段流程、使用哪些資料、在哪個節點交給 AI、誰負責最後判斷，又如何確認投入確實產生價值。

下午議程規劃橫跨智慧支付、製造、媒體科技、智慧交通、零售製造與運動育樂六種產業場景。每個場景面對的資料條件、即時要求與風險門檻都不相同。

產業場景	議程規劃與關鍵課題
智慧支付	藍新金流運用 AWS AI 自建智能 KYC 與交易監控；處理身份辨識、交易監控與風險判斷
製造	以語意層串接資料孤島，讓 AI Agent 正確理解分散在不同系統的資料
媒體科技	會說台語的 AI Agent：從醫院櫃台到第一線的落地實戰
零售製造	零售製造轉型；把技術接進實際營運與使用者體驗

這些差異進一步說明，AI 沒有一套可以直接複製到所有產業的標準答案。企業真正需要的，不只是更多案例，而是看見不同產業如何依資料條件、即時要求與風險門檻，把 AI 融入實際營運與使用者體驗。

現場同步打造「產業賦能走廊」，邀集超過 15 組雲端生態系夥伴設置展示攤位，聚焦智慧製造、金融科技與城市治理的真實痛點與解法。無論企業目前卡在技術、資料、治理，還是組織協作，不同問題點，都能找到對應的解方。

10 月 23 日，從智慧製造的產線優化、金融科技的風控升級，到運動產業的會員體驗創新，看 AI 如何從概念走進產業現場，成為百工百業轉型升級的實際動能。

「2026 亞馬遜港都 AI 創新日」，掌握 AI 賦能百工百業、領航產業升級的實務趨勢
立即報名