人工智能技術的應用將為醫學影像判讀提供更加可靠的數據和技術支撐，從而節約醫療資源和成本，從EBM公司最近建置的應用案例所收集的意見及數據，可以讓我們對人工智能給予影像判讀的幫助有更直觀的了解。
六家綜合醫院同時上線人工智能判讀
從2019年3月份開始，EBM先后在臺灣振興醫院、三軍總醫院、恩主公醫院、馬偕醫院、奇美醫院、高雄榮總六家醫院上線AI智能分析系統。
這六家醫院都已經上線PACS系統多年，所以AI與PACS系統的整合至關重要，六家醫院中有三家使用的是EBM PACS, 通過建置AIIE（人工智能推理引擎）來將AI技術整合到PACS中，從而在日常診斷流程中起到作用。
同品牌及不同品牌PACS系統導入人工智能分析系統的區別
本次上線的六家醫院中，有三家使用的是EBM PACS,在導入人工智能判讀體系時，只要將選擇好的影像送至AI Server，便可自動偵測及運算，然后通過EBM UniWeb來瀏覽人工智能判讀過的結果。
人工智能判讀結果呈現
而針對不同品牌的PACS系統，以此次上線的振興醫院為例，在導入EBM人工智能體系時，則需要再建置 EBM 的UniWeb，然后通過UniWeb聯機至AI Server即可瀏覽結果，簡化醫師需要適應新系統的過程，短短兩個月的時間，總共有585筆的影像產生量，醫師使用率逐漸上升達到71.1%，代表醫師逐漸相信AI所帶來的判讀。
云膠片導入人工智能判讀
依托EBM云膠片平臺，人工智能判讀也可以應用在遠程影像判讀中，當病人的影像上傳至云膠片系統后，系統可以使用AI進行運算，經由AI運算后產出的報告，再回傳至云膠片信息系統中，最終至終端用戶。
人工智能運算結果呈現
每日監測應用數據 收獲醫生使用好評
自從2019年3月份在多家醫院上線EBM的人工智能引擎，整個技術團隊密切關注該系統的使用情況和效果。
以振興醫院為例，目前該院有19位放射科醫師和2位健檢中心醫師，每日在獲得病人影像后對AI的使用率平均在70%，由于剛剛接觸AI, 醫生們還是習慣先自己判讀，然后再用AI做二次確認，在這個過程中，醫師們發現AI對肺結節的標注準確率達到95%以上，因此醫師開始從對AI的懷疑不適應到慢慢接受和信任這個智能助手。
引用振興醫院吳美翰主任的話來說：EBM的AI表現不錯，難找的小結節幾乎都有標示出來，當然偶爾還是有漏掉一兩個，不過醫師自己看要花30分鐘，AI只需2分鐘。
方詩珺主治醫師則認為：AI的導入增加了醫師看到結節的信心，但適應AI介入還需時間。
對AI使用最積極的是振興醫院的健康管理影像醫學科曾蕓軒主任，曾主任認為因為健檢報告有1小時完成的壓力，在導入AI后于醫師而言打報告時可以多一個二次確認，有效提高了出報告的效率，并且有助于和病人解釋病情。
目前EBM技術團隊仍在不斷改進和完善該人工智能系統，并不斷收集使用醫師的意見，力求提高智能判讀的準確率和使用便捷性，幫醫師緩解看診壓力，同時給病人帶去良好的就診體驗。
