相似案例
AI企業應用案例集
← 案例
泰國醫療與生命科學2018 – 進行中

泰國公共衛生部（Thailand Ministry of Public Health，全國糖尿病視網膜病變篩檢計畫）

與 Google Health 合作建置、用於基層診所的深度學習眼部篩檢

AI 眼部篩檢工具在 7,651 名泰國患者中表現與視網膜專科醫師相當，但偏鄉診所護理師面臨影像品質與連線緩慢問題

進行中獨立研究

問題

糖尿病視網膜病變可能導致失明，泰國患者經常需等四至五週，才能取得眼科醫師的判讀結果。每年接受篩檢的糖尿病患者不到半數。

做法

在泰國全國篩檢計畫中，Google Health 的深度學習系統評估基層診所護理師拍攝的視網膜照片，並由視網膜專科醫師逐張複核，以確保安全。一項前瞻性研究於 2018 年 12 月至 2020 年 3 月間，在九處據點進行。另一項實地研究則觀察巴吞他尼府及清邁十一家診所的護理師。

主要數據

91.4% vs 84.8%前瞻性研究中，深度學習系統與複核影像的視網膜專科醫師，對威脅視力疾病的敏感度獨立研究[1]
7,651九處基層醫療據點符合分析資格的患者人數（31.5% 接受轉診）獨立研究[1]
200 to 100TechCrunch 依據實地研究報導，一家診所在網路中斷兩小時後，當日完成篩檢的患者人數獨立研究[3]

啟示

系統在診所仍維持準確度，但實地研究發現，缺乏足夠昏暗的房間、影像模糊及網路不穩，限制了工具使用。研究作者表示，擴大推行前，工作流程必須配合各場域調整。

分類

業務職能
生產與品質
創新類型
流程創新
AI技術
電腦視覺
依據
獨立研究

來源

  2. A Human-Centered Evaluation of a Deep Learning System Deployed in Clinics for the Detection of Diabetic Retinopathy
    ACM CHI Conference on Human Factors in Computing Systems (via Google Research)2020年研究論文或報告

來源摘要

[1]The Lancet Digital Health (via Google Research)2022年

研究人員於 2018 年 12 月至 2020 年 3 月間，在泰國九處基層醫療據點進行前瞻性研究。接受篩檢的 7,940 名患者中，7,651 名符合資格。針對威脅視力的疾病，系統敏感度為 91.4%、特異度為 95.4%，視網膜專科醫師則分別為 84.8% 與 95.5%。研究作者表示，系統表現與專科醫師相當，擴大推行時須重視工作流程。

[2]ACM CHI Conference on Human Factors in Computing Systems (via Google Research)2020年

研究人員觀察並訪談泰國十一家診所的護理師。資源有限的診所難以產出符合模型品質門檻的影像，篩檢流程與患者體驗也影響工具表現。

[3]TechCrunch2020年4月27日

TechCrunch 彙整這項實地研究指出，僅兩家診所有足夠昏暗、可拍攝良好影像的房間；連線緩慢時，影像上傳需 60 至 90 秒；一次兩小時斷網，使一家診所的篩檢人數從 200 人減半至 100 人。系統會拒收模糊或過暗的影像，令護理師感到挫折。

詳細內容請參閱原始資料。

收錄日期 2026年10月25日 · 更新日期 2026年10月25日
開啟案例頁面 ↗