先想像一個場景
你住在台東的偏鄉部落，最近的眼科在市區，開車要一個多小時。阿公最近看東西越來越模糊，但他說「老了就這樣」，不想大老遠跑去看醫生。
如果這時候，衛生所的護理師掏出一台比手機大不了多少的裝置，對著阿公的眼睛拍一張照，5秒後螢幕上就跳出「疑似糖尿病視網膜病變，建議轉診」——這不是科幻片，這是**晉弘科技（MiiS）**已經在做的事。
晉弘科技是誰？
晉弘科技成立於2004年，從交通大學育成中心起步，專注於開發數位醫療診斷設備。他們的核心產品是數位眼底鏡（Digital Fundus Camera），後來逐步擴展到五官鏡（耳鏡、鼻鏡、喉鏡等）、AI診斷平台、遠距醫療系統，甚至智慧傷口照護。
他們的產品已經賣到超過50個國家，是台灣醫療器材外銷的隱形冠軍之一。
眼底到底在看什麼？——視網膜的秘密
視網膜：大腦的延伸
視網膜（retina）位於眼球最內層，是一層非常薄的神經組織。它其實是胚胎發育時從大腦突出來的一部分，所以從發育學的角度來說，視網膜就是大腦的延伸。
視網膜上有幾種重要的細胞：
- 感光細胞（photoreceptors）：分為**桿細胞（rods）負責暗處視覺，和錐細胞（cones）**負責彩色視覺
- 雙極細胞（bipolar cells）：接收感光細胞的訊號並傳遞
- 神經節細胞（ganglion cells）：其軸突匯集成視神經（optic nerve），將視覺訊號送進大腦
為什麼醫生愛看眼底？
視網膜是人體唯一可以不開刀就直接觀察血管和神經的地方。透過眼底檢查，醫生不只能看眼睛的問題，還能發現：
- 糖尿病：微血管出血、滲出物
- 高血壓：動脈硬化、血管扭曲
- 腦壓升高：視神經盤水腫
- 黃斑部病變：視力下降的主因之一
所以眼底鏡不只是「眼科儀器」，更是全身健康的一扇窗。
數位眼底鏡的技術突破
傳統 vs 數位
傳統眼底檢查需要先點散瞳劑（mydriatic），讓瞳孔放大後醫生才看得進去。但散瞳劑會讓病人畏光好幾個小時，非常不方便。
晉弘的數位眼底鏡採用免散瞳設計（non-mydriatic），利用紅外線對焦和特殊的同軸照明系統，在自然瞳孔大小下就能拍出高解析度的視網膜影像。
光學設計的關鍵
眼底拍攝的核心挑戰是：你要把光送進眼睛、照亮視網膜，再把反射回來的影像接收下來，而且進去的光和出來的光走的是同一條路徑——都要經過瞳孔。
晉弘使用**環形照明（ring illumination）**搭配中央成像的設計，讓照明光和成像光巧妙分開，避免角膜反光干擾影像品質。這是光學工程上非常精巧的設計。
模組化五官鏡：一機多用
晉弘另一個創新是模組化設計。同一個主機可以更換不同的鏡頭模組，變身成：
- 耳鏡（otoscope）：檢查耳道和鼓膜
- 鼻鏡（rhinoscope）：觀察鼻腔結構
- 喉鏡（laryngoscope）：查看喉部和聲帶
- 皮膚鏡（dermatoscope）：放大觀察皮膚病灶
- 眼底鏡（funduscope）：拍攝視網膜
這對偏鄉和基層診所特別有價值——買一台設備就能做五種檢查，大幅降低醫療成本。
AI + 邊緣運算：讓機器學會「看病」
深度學習怎麼判讀眼底影像？
晉弘在設備中嵌入了AI影像辨識模型，基於**卷積神經網路（Convolutional Neural Network, CNN）**的深度學習架構。
訓練過程大致是這樣的：
- 收集大量眼底影像：包含正常和各種病變的標記資料
- 特徵學習：CNN自動學會辨認微血管瘤、出血點、滲出物等特徵
- 分類輸出：模型判斷這張影像屬於「正常」「輕度病變」「中度病變」還是「需轉診」
這跟你用手機辨識貓狗的原理類似，只是這裡辨識的是視網膜上的病理特徵，而且準確度要求高得多——因為這攸關病人的健康。
什麼是邊緣運算（Edge Computing）？
一般AI運算需要把資料上傳到雲端伺服器處理，但在偏鄉，網路可能斷斷續續。邊緣運算的概念是：把AI模型直接塞進設備裡面的晶片，所有運算在設備端完成，不需要網路。
晉弘使用的是經過**模型壓縮（model compression）和量化（quantization）**處理的輕量級模型，讓原本需要強大GPU才能跑的深度學習模型，塞進一顆小小的嵌入式處理器裡。
這就像把一個需要超級電腦才能回答問題的AI老師，濃縮成一本隨身攜帶的口袋書——雖然內容精簡了一些，但核心判斷力還在。
遠距醫療平台：連結偏鄉與都市
光有設備還不夠，晉弘還建了一套遠距醫療平台（telemedicine platform）。運作方式是：
- 偏鄉衛生所的護理師用數位眼底鏡拍攝影像
- AI在設備端做初步篩檢
- 影像同步上傳到雲端平台
- 都市醫院的眼科專科醫師遠端判讀、給出診斷建議
- 需要的話，安排病人轉診
這套系統讓偏鄉居民不必長途跋涉就能得到專科等級的診斷。在COVID-19疫情期間，這類遠距醫療的需求更是爆發性成長。
智慧傷口照護：另一個戰場
除了眼底，晉弘也把AI影像分析技術應用到傷口照護。糖尿病患者常有慢性傷口不易癒合的問題，傳統評估靠醫護人員目視判斷，主觀且不精確。
晉弘的智慧傷口系統可以：
- 用標準化方式拍攝傷口
- AI自動測量傷口面積和深度
- 追蹤傷口隨時間的變化趨勢
- 輔助醫護人員判斷治療是否有效
這背後用到的技術包括語義分割（semantic segmentation）——讓AI把影像中的傷口區域精確地框出來，像是幫影像中的每個像素（pixel）標上「這是傷口」或「這是正常皮膚」的標籤。
數位孿生的概念延伸
晉弘的技術方向其實隱含了**數位孿生（digital twin）**的思維：透過持續收集病人的眼底影像、傷口照片等資料，在數位世界建立病人眼睛或傷口的「虛擬分身」，追蹤病程變化，甚至預測未來的發展趨勢。
雖然目前還沒做到完整的數位孿生，但從連續影像追蹤到AI趨勢預測，這條路正在慢慢成形。
為什麼要學這個？——未來職涯的交叉點
晉弘科技的故事告訴我們，現代生醫產業需要的不是單一專業，而是跨領域的整合能力：
- 生物醫學工程：設計光學系統、理解人體組織光學特性
- 資訊工程 / AI：訓練深度學習模型、做邊緣運算優化
- 臨床醫學：了解疾病、知道什麼樣的AI輔助才有臨床價值
- 公共衛生：設計遠距醫療流程、推動偏鄉健康照護
- 商業管理：醫療器材的法規認證（FDA、CE Mark）、市場策略
如果你對生物和科技都有興趣，不需要二選一。像晉弘這樣的公司，正需要同時懂生物、懂工程、懂臨床的人才。
未來選系的時候，生物醫學工程、醫學資訊、電機工程、資訊工程搭配生物輔修，都是很好的路徑。而最重要的是——保持對跨領域問題的好奇心。
本文重點整理
| 主題 | 關鍵概念 |
|---|---|
| 視網膜 | 大腦的延伸，唯一不開刀就能觀察血管的部位 |
| 數位眼底鏡 | 免散瞳、環形照明、高解析度影像 |
| AI診斷 | CNN深度學習，自動辨識視網膜病變 |
| 邊緣運算 | 模型壓縮後在設備端運算，不需網路 |
| 遠距醫療 | 偏鄉拍攝→AI初篩→專科醫師遠端判讀 |
| 智慧傷口 | 語義分割技術測量和追蹤傷口變化 |
延伸概念：植物胚胎發育 · 深度學習在生物 · 神經組織 · 機器學習在生物資訊 · 糖尿病藥物 · 水腫 · 原核細胞結構 · 細胞壁結構 · 自然殺手細胞
