DeepMind使用光学相干断层扫描（OCT）视网膜图像进行机器学习训练，以诊断眼部疾病。该产品是DeepMind与英国Moorfields眼科医院之间的合作。它可以执行OCT视网膜图像的实时分析，并通过AI解释患者。该疾病的紧迫性和诊断结果，但该人工智能系统的原型仍处于试生产阶段。通过OCT图像进行机器学习可以更好地实现具有眼部疾病诊断的AI系统。截至2017年，美国FDA批准的AI医学成像软件仅为个位数。在2018年，它增加到11个项目。大多数产品都是“辅助”的。 “诊断”重点是，并且只有IDx-DR是可以提供医疗“诊断”功能的AI系统。没有临床医生就可用于糖尿病性视网膜病的功能。当前，OCT是医院眼科诊断眼病的主要依据。与检眼镜相比，OCT可以提供微米级的高分辨率和眼底的三维细节图像。与DeepMind和IDx不同，百度还尝试将AI引入眼部疾病的辅助诊断中，但百度使用眼底镜图像进行算法训练来确定可疑病变和疾病风险的位置，但眼底镜图像是二维图像。 ，眼底镜图像无法准确阐明病变的形状，大小和位置。仍然需要依靠OCT。因此，眼底镜很难在AI医学成像应用中实现疾病诊断。具有医学诊断功能的AI技术仍然很难取代医生的专长。 DeepMind通过Moorfields提供了近15,000张OCT扫描图像，医生协助标记了病变区域，因此其算法开发可以跨最关键的步骤掌握大量，有效和干净的数据。 AI影像产品需要能够提供诊断功能，并且需要产生可靠和准确的分析结果。根据2018年发表的研究结果，确定患者疾病紧急性的DeepMind算法的准确性与专科医生的准确性相差不远，这表明诊断结果尚未超出医生的专长，这也表明AI技术离取代医生的诊断功能还有很长的路要走。实际上，具有医学诊断功能的AI技术目前难以普及。除了法律上的限制外，大多数成像设备都很昂贵，并且AI分析仍然是先进的技术，如果与AI不兼容，则必须购买新设备并增加相关的结构。如果AI的介绍无法实现实质性的辅助筛查，或者诊断效果未被专业人员认可，那么医院将很难采用它。在现阶段，如果具有医学诊断功能的AI分析技术不与特定的医院或设备供应商合作，则其应用主要在农村医疗和非专业项目中，但也应考虑相关设备的建设。偏远地区的医疗机构是否负担得起购买成本和售价。