雖然醫界早先對於 AI 技術充滿質疑與不信任，甚至擔心 AI 可能會取代人類，不過在當前醫療資源有限的情況下，有越來越多醫療院所開始嘗試導入 AI 改善醫療流程，且這樣的情況在台灣醫界影響力也越來越顯著，台灣最大醫療體系的長庚醫院就自 2018 年導入 AI ，並在 5 月成立長庚醫院人工智能核心實驗室，當前已經導入 4 套 NVIDIA 的 DGX-1 作為醫療 AI 硬體，搭配 NVIDIA 醫療 AI 解決方案。
醫療影像的判讀一向是費時又費力卻又重要的環節，判讀醫療影像需要一定的經驗才能降低誤判機率，不過也會隨著判斷的影像數量增多、時間增長，醫師也會因為疲倦或是其它因素影響判斷力，加上現行醫療人手不足，更使得醫院對於基於 AI 的醫療影像判讀有相當高的需求。醫療影像牽涉個人隱私，且做為案例的影像又需要一定的數量才能用於訓練，對小規模的醫療體系不易有足夠的藍本，這也是身為台灣最大醫療體系、同時又早期投入醫療影像數位化的長庚體系的優勢。
不過即便有充裕的醫療數據藍本，醫療專業與 AI 專業又屬不同領域，即便醫院有心成立 AI 相關組織，兩種不同專業的人才不易溝通，而跨界人才難以培養，也使得過去醫療院所對 AI 僅止於觀望；不過隨著深度學習技術因為 GPU 加速得以實踐，又再度為 AI 醫療影像判讀帶來一盞明燈，而 NVIDIA 與產業界的合作，更使醫院團隊從原本需要兼顧 AI 開發與使用，現在僅需專心做為 AI 技術使用者即可。
▲長庚醫院人工智能核心實驗室的基礎設施基於 4 座 DGX-1
根據長庚醫院人工智能核心實驗室負責人郭昶甫教授的說法， AI 的目的並非取代醫師的專業領域，而是做為改善醫療流程的手段， AI 是作為解決第一線尋找病因的助手，使醫師能專注在他們專業的問診與醫療，醫師的專業判斷能力也能作為向家屬證實 AI 判斷無誤的擔保。而郭教授選擇 NVIDIA AI 平台的關鍵，是由於 NVIDIA 提供自硬體、軟體到開發環境的完整解決方案，使得醫師僅需以他們的專業選擇合適的樣本， AI 平台就可依據樣本進行訓練，醫師不需要專精 AI 框架與技術開發，亦能獲得 AI 技術訓練而來的成果。
長庚醫院人工智能核心實驗室也事先自消費級的產品進行測試，早期以 GeForce GTX 1080Ti GPU ，搭配 CNN 卷積神經網路技術以及 Inception V3 架構與 10 層深度學習網路架構建立測試環境，以血球型態作為研究項目，將萬筆資料以 5-6 天建立初步模型，發現準確率已經能達到 92% ，後續投入 6.5 萬筆資料後達到 99% ，也促成長庚醫院大舉投資 AI 平台。
長庚醫院評估需求後，以四套 DGX-1 搭配 Pure Storage 的 AI-Ready 建構基礎架構，相較原本消費級 PC 主機大幅提升模型訓練速度與可容納更大規模的模型訓練，目前長庚醫院投入包括免疫螢光、血球型態、骨折影像判讀等主要項目，亦有多樣的 AI 醫療專案正在執行中。
為了使長庚各院所都能受惠 AI 技術，長庚醫院人工智能核心實驗室也著手規劃建構基於 NVIDIA GPU 架構的 HPC 系統，以及作為基礎設施部屬、基於 Tesla T4 的推論節點，實現醫療 AI 落地的願景。
