麻醉的發明是醫學上最重要的發展之一，也是促進外科進步的關鍵因素，在三國故事中，關公接受刮骨療傷，在沒有麻醉的情況下，還可以氣定神閒的與馬良下棋，但是現實中的一般人，沒有麻醉不可能忍受手術的巨大痛苦，丁乾坤說明，過去麻醉醫師只能靠自己的經驗來實作，現在有了AI科技的輔助之下，就可以大幅降低麻醉風險，提高醫療品質。

發現未滿足的醫療需求是研發的起點

傳統麻醉科醫師在執行硬脊膜外麻醉，是依靠麻醉科醫師的經驗和手感來替病人打針，缺乏客觀的科學方法，硬脊膜外麻醉常用於無痛分娩、術中半身麻醉以及術後急性疼痛控制，然而硬脊膜外腔為極窄小空腔，因為體型年紀不同有寬度差異，最窄處大概只有1-2mm，若不慎刺穿使腦脊髓液(龍骨水)流失，會造成患者急性頭痛，使得住院時間被延長；也可能因為穿刺部位錯誤造成藥物進入靜脈而導致顛癇及心律不整，抑或注入蛛網膜下腔的腦脊髓液中，將會造成藥物過量導致血液動力學不穩等併發症，目前人工方法的失敗率為2-5%，並有0.01%的機率造成永久的神經損傷甚至癱瘓。

丁乾坤教授發現了這個硬脊膜外麻醉的未滿足醫療需求，尚未有好的解決方法，從2004年開始投入研發光學導引硬膜外針，迄今花費十數年，過程中不斷與時俱進結合最新科技，終於在近年結合AI科技的輔助之下，讓研發成果能夠成功達到100%的準確率。

結合新科技跨越商品化門檻

從剛開始的雷射光方法，將光纖放入針頭進行偵測，準確率能夠達到90%，創新成果被刊登在國際權威麻醉期刊，不過丁乾坤教授認為只有90%的準確率還不夠，因為人工手感的準確率可以達到95-98%，2011年加入AI去識別訊號，準確率提升到95%，2014年OCT技術(光學同調斷層掃描術)出現，可以將雷射光的訊號重組，讓影像由2D變成高解析的3D影像，不過影像產出後還是用人工去判斷，準確率只有提升至96%，終於到了2017年，隨著AI的發展，丁乾坤教授與台大數學系合作光學影導式探針系統，透過光學探頭裝置即時對針頭周圍造影，再利用紅外光斷層影像導引系統取得2D影像資訊，並將擷取影像的特徵值丟到deep learning去跑，終於完成100%準確的麻醉醫療輔助系統，未來將有益於提供麻醉醫師客觀的醫療輔助。

市場規模上看百億元

丁乾坤教授表示透過deep learning改善系統準確率，讓影像不需要很高的解析度也能有100%的準確率，因高解析度影像費用昂貴，如此一來便成功降低了商品化成本，目前正在為商品化進行醫療器材驗證，已通過前臨床的階段，即將進入人體臨床試驗，丁乾坤教授分析，硬脊膜外阻斷術市場規模1年可達到75億，並且還可以應用到其他的疼痛治療市場，像是周邊神經阻斷術、神經內外科、急診、婦產科等，預估全球有百億的市場機會。