近來有許多醫院導入 AI 裝置，包含林口長庚推脊椎量化 AI，或者與科技廠合作推出 AI 應用，例如臺大醫院與科技廠輝達（Nvidia）聯手，推出針對心血管疾病的「心臟主動脈鈣化／脂肪」AI 模型，或者與健保署合作的胰臟癌 AI 偵測模型。

當去年（2019）健保署正式開放產學界申請「去識別化醫療影像」後，更有許多醫療團隊與科技公司、醫材新創合作，開發出越來越多加速 X 光判讀的 AI 應用，協助醫生更快地從醫學影像中抓出疾病病灶。

令人振奮的是，隨著研究推進，科學界發現 AI 的潛力不僅如此。除了醫學研究、影像判讀上，AI 能實際走進醫療現場、輔助臨床診斷的機會漸漸浮現。

邊緣運算能協助醫院打造更符合「效率」、「減輕醫護壓力」、「提高醫療水準」的智慧醫院，是智慧醫療勢必不可少的關鍵。

「胸悶」是臨床上常見到的狀況，如果還伴隨呼吸劇烈疼痛，呼吸或咳嗽出現呼嚕聲，就有可能是「氣胸」。

氣胸的症狀可大可小，嚴重起來，比如說「張力型氣胸」，發作起來 可是會讓人隨時致命！

醫生一般會透過觀察胸腔 X 光片， 遵循影像法則或仰賴過去經驗來 觀察兩片肺葉的位置，但如果症狀來得突然，或患者忍痛指數不一導致敘述不夠明確，就很有可能讓醫生無法做出最恰當處置。

從平均數據來看，醫生檢測出氣胸的時間大約需要 8 小時；為了降低這個時間，美國聯盟醫療體系 Partners HealthCare（PHI）跟奇異（GE）公司旗下的 GE Health 合作，推出架在邊緣運算平台的重症監護套件（Optima XR240amx）。

這個套件的優點是，可以先用 AI 篩選出「危急」的 X 光片，準確率高達 96%，將診斷時間縮短為 15 分鐘！

AI 需要用大量資料餵食才能在機器學習下跑出能夠決策的演算法，有如 Facebook 需要大家在上面製作原生貼文後才能按照個性化推送 News Feed；同樣地，在沒有邊緣運算之前，AI 的運行都是集中在伺服器端管理，但「醫院」這個場所不一樣，很多人命關天的時候沒辦法讓資料「回報總部」，這時候就需要能夠當下進行運算的 AI 馬上協助醫師做出決策，邊緣運算的技術就是要做到這點。

在不久的未來中，搭載了專業效能的晶片，能整合重症病房內的裝置，比如生理監視器、呼吸器、點滴注射幫浦，連上網路，以及進行本地端的初步分析。

「即時、重症照護需要在邊緣端運行的 AI。」GE 醫療的核磁造影影像部門（Magnetic Reasoning）的總經理 Jason Polzin 強調，此設備為跟 Nvidia 共同開發，這樣醫療與技術的合作在新時代是必要的、持續進行的。