在醫療影像領域，人工智能不僅提升了診斷效率與準確性，更讓醫療服務從醫院延伸至社區甚至家庭。香港理工大學智齡研究院院長、梁顯利生物醫學工程教授、生物醫學工程講座教授鄭永平教授及香港理工大學生物醫學工程學系助理教授（研究）林世傑博士，在節目中深入探討人工智能如何融入醫療影像，並推動診斷革新。
從經驗判斷到數據量化 成為醫生的「第三隻眼」
在傳統超聲波檢查中，醫生需一邊操作探頭，一邊對影像進行判斷，不但需時較長，且依賴醫生的經驗。鄭永平教授指出，科技正改變這一模式，將過去難以量化的觀察，如組織彈性、脂肪含量或器官變化，變成可透過人工智能進行精準分析，使醫療判斷從「經驗主導」轉向「數據為本」，提升診斷的客觀性與一致性。同時，更能將專家知識轉化為可複製的技術，讓不同經驗水平的醫護人員獲得接近專家的判斷能力。
林世傑博士指出，人工智能的核心價值在於從大量數據中挖掘出肉眼難以察覺的細微徵狀。在早期病變階段，即使經驗豐富的醫生也可能遺漏異常病徵，但人工智能可透過分析隱藏徵狀，提前辨識風險。香港理工大學團隊已開發多項應用，包括自動分析腫瘤特徵、協助判斷病變性質，以及支援影像分割技術等，使人工智能成為降低誤診風險的重要工具。
從身體外到內 用AI進行精準診斷
在實際應用方面，人工智能已廣泛應用於青少年保健、癌症診斷及老年病症管理等，為醫療發展帶來莫大裨益。鄭永平教授介紹了青少年脊柱側彎檢測系統，透過三維超聲波結合人工智能，可自動提取數據並測量，避免X光檢查所帶來的輻射風險。另一項重要應用是肝臟疾病檢測，相關技術已發展為手持式設備，並取得美國食品及藥物管理局（FDA）及歐盟CE認證。林世傑博士亦分享了透過人工智能結合超聲影像，進行柏金遜症早期風險評估，以及整合多種數據來源協助前列腺癌的精準診斷，減少不必要的穿刺程序。
走進家庭與日常生活 邁向普及化健康管理新時代
人工智能與超聲技術的結合，正推動醫療服務走向個人化與日常化方向發展。鄭永平教授舉例，未來可透過便攜式裝置在日常生活中進行身體掃描，即時測量脂肪與肌肉含量，對監測老齡化相關疾病尤其重要，讓疾病監測從被動就醫轉變為主動預防。
然而，要將人工智能應用於手持式醫療設備，仍面臨多項挑戰。首先，設備須兼顧計算能力與設備體積，因此需開發更高效的演算法。其次，醫療應用對實時性要求高，人工智能須即時分析影像並提供結果。此外，隨著設備從醫院延伸至社區及家庭，不同場景對網絡環境的依賴程度各異。透過將演算法直接部署在手機、物聯網裝置或汽車上執行，讓資料在本地即時分析與決策，無須依賴遠端伺服器在本地完成數據處理。
從提升醫學診斷的準確度，到推動醫療設備普及化，乃至實現家庭健康管理，人工智能令醫療服務邁步向前，同時，隨著各學科不斷加強合作，相信未來醫療將更加智能、普及，及朝以人為本的方向發展。
