HBGF08

▲北榮計畫導入艾歐資訊AI照護影像辨識方案。(圖/吳尚哲攝)

醫療院所的護理人員多半希望有三頭六臂,應付各種突如其來的緊急狀況,尤其病患在醫院裡摔一跤,往往就讓病況加重。艾歐資訊開發的影像辨識新科技,正可以助他們一臂之力。

根據醫院評鑑暨醫療品質策進會編撰的《台灣病人安全通報系統:2018年第4季報表》的統計,僅次於藥物事件,跌倒仍是當前醫療院所面對病患安全的重大威脅,而且發生在病房的比率最高,達8成左右,且幾乎都仰賴護理人員的通報;這對目前正遭遇嚴重護理人力荒的台灣醫療照護環境,不啻為一項值得高度關注的警訊。

產官學合作 優化智慧醫療

台北榮民總醫院醫療品質管理中心主任周元華就坦承:「雖然醫院目前已在病房等重要地點安裝傳統的CCTV監視器,但都僅能在事件發生後,調閱影像作為佐證,無法防患於未然。」

艾歐資訊公司業務總監李佳欣指出:「深入醫院現場時,我們發現,尤其是夜班的護理人員要照護的病患數量更高,因此,頂多能維持慣性的4小時給藥與生理量測的服務,對病患的行動不易掌握。而對許多不宜離床或因藥物影響易跌倒的高危險群病患,也只能囑咐照護者注意或是做入院衛教的說明。過去醫護巡房、家屬或周邊人員發現後告知才能啟動的後續處理,很多時候會造成病患難以彌補的傷害。」

當大家開始思索如何在病患離床時就注意到,防止跌倒或離開失聯事件,人工智慧可以做些什麼呢?創辦人之一的艾陽科技執行長林鼎回憶說,聽到醫療照護現場人員提出的需求後,盤點市面上各項技術的可行性時發現,中距離的飛時測距(iTOF)可行性很高。簡單來說,iTOF是透過紅外線折返時間去計算和物體之間的距離,點狀成形偵測形體輪廓,經過深度學習,的確能判別不同的人體姿勢。該公司當時與科技部、台灣科技大學建立產官學合作的方式,請學術界協助研發iTOF的深度學習與人工智慧演算的架構,掌握核心技術。

偵測病患動作 準確率8成

而在理解iTOF技術方案後,周元華認為:「這套人工智慧3D感測影像辨識方案的導入,會翻天覆地地改變醫療照護的現場,以機器深度學習人體姿勢與移動的訊號,透過演算法判別病患是否正離床、跌倒,在最短的時間發出警示訊息,呼叫現場人員前往處理。」從人工智慧偵測病患離床或跌倒後,能在3秒內立即聯繫後台、發出警示,這樣的自動化事件處理流程,與傳統仰賴醫護發現後再通報的作法迥異,因此能降低跌倒比率或盡速處理,改善醫護環境的病人安全事件。

艾歐所開發的iTOF的人工智慧3D影像辨識技術,以人工智慧深度學習人體骨架、姿勢、移動軌跡,並演算判別跌倒、離床動作等智慧化影像辨識技術,即時偵測判別病患的動作意涵,目前準確率已達8成;同時,由於是點狀成形,成像不成影,只顯示身體動作輪廓而非臉部影像,解除大家對醫療環境中病患管控,可能侵犯隱私的疑慮。

依《富比世》(Forbes)雜誌的推估,隨著醫療體系對數位管理工具流程逐漸熟悉、能夠掌握的數據資料持續增加,像3D感測等醫療影像輔助決策等應用,在2019年底,醫護市場將能很快地接納,進入相關的測試與建置階段,並且在未來2、3年內,有10~15%的成長率。

周元華就不諱言地指出,北榮目前已完成初步的評估,將開始概念驗證(POC)的建置。

艾歐資訊則估算,依衛生福利部公布2018年的醫療院所與照護機構病床數,若成為標準配備,在台灣的醫療照護機構市場需求規模就高達150億元台幣。除了國內榮總體系,尚有多家大型的區域醫院有高度導入的意願;全球領導性的智慧病床製造廠商也正在商談合作的可能性。

本圖/文由「財訊」授權刊登,非經同意不得任意轉載。
原文出處:艾歐人工智慧防跌倒 三秒發警報