早在十幾年前，IBM科學家提出一套名為Watson的醫療專家系統，要幫助醫療產業解決許多繁雜的重複性工作，甚至能夠替代醫生擔任一定的諮詢或問診服務，雖然發展到最後因為錯誤率偏高而被IBM所放棄，但這個系統也開啟了人類對於醫療AI應用的潛力探索。

真正推動AI醫療發展的，其實還是來自於近年來深度學習技術逐漸成熟，基於AI的歸納統整與識別能力已經逐漸可以取代人類知識，比如說在自動駕駛領域，系統可以自動判斷道路上的行人與其他車輛的行進方向並自動進行跟隨或迴避動作，同時也能瞭解道路標線的意義，並且讓汽車自動依照標線的指示前進或停止。

而另外一個推動AI醫療發展的重要原因，就是因為人類生活品質的提高，使得老年人口比例大增，不僅醫療成本負擔明顯增加，就連醫療人力也會明顯不足，在這種情況之下，發展AI醫療，已經成為不得不走的方向。

台灣過去在資通訊產業的發展，醫療相關的高精密機械，或者是用來運算醫療圖像的設備或技術，以及相關的半導體元件，都可以在台灣找到非常優質的方案，加上台灣醫療技術在全世界也是屬於一流水準，結合這些優勢，可以說為台灣發展AI醫療打下了非常好的基礎。

要診斷疾病，可能就要牽扯到許多醫療圖像的判讀，過去這些工作都要交由專業醫生來處理，但影像判讀恰好是AI最擅長的能力之一。

Google旗下的DeepMind公司利用大量的視網膜影像，利用機器學習，通過AI演算法建立演疾識別模型，讓AI能夠代替眼科醫生，判讀眼睛疾病，而且精確度和人類醫生相去不遠，而多家公司也利用類似的原理，利用大量X光片或者是超音波圖像訓練AI學習認識不同器官疾病，同樣也獲得非常好的成果，其精確度甚至已經超越人類醫生的判斷。

NVIDIA可以說是這些醫療圖像識別技術的推動者，該公司利用GPU運算加速機器學習，讓一般電腦處理器數個月才能學習完的圖像資料，可以在數小時甚至數分鐘之內就訓練完畢，讓AI模型的建立可以更快速，成本也更低。

詳細內文請參考網址