MKC Logo
瀏覽數:500

艾歐資訊》隱私權0爭議 自造AI防跌、測呼吸

關鍵字:

【文/劉映蘭】

  在某家大型醫院,一位年約70歲的住院病患,夜間起來上洗手間,不慎摔了一跤,因為沒有家人隨侍在側,又發生在醫護人員巡房過後,被發現時已經過了1個小時,病患陷入昏迷狀態⋯⋯類似的情形在各個醫院天天上演,「醫院跌倒」一直是每間醫院極力預防的意外之災,因為跌倒很可能讓病患原有的病痛加劇,或造成新的傷口,對於正在服用抗凝血劑藥物的患者而言,更擔心因跌倒而帶來的出血受傷,因此各醫院一直致力於解決此一問題。

被動-公告防跌須知

  在搶救生命最前線的醫院,大都採取預防性措施,向病患及家屬宣導留意跌倒問題,於是可看到電梯或者佈告欄中張貼「防跌須知」。雖然隨著醫院拚命宣導,跌倒的嚴重性已經深入人心,也降低部分風險,但根據衛福部委託醫策會建置台灣病人安全通報系統(Taiwan Patient safety Reporting system, TPR)統計分析,每4件病安事件就有1件是跌倒,而2018年內醫事機構通報的跌倒件數更高達1萬7,360件,也就是每小時就有2個人發生跌倒問題,在醫院的安控問題排名更是只比藥物事件低,成為醫院、病人以及家屬的痛。進一步分析病人發生跌倒的情境,可以分為行走、上下床移位、進出浴廁、如廁及變換姿勢時;跌倒的原因則以自身因素為最大宗,高達1.4萬多件,其次才是環境及用藥因素。

  對於艾歐資訊來說,現行透過公告「防跌須知」來防止已經遠遠不足。隨著高齡化社會的到來,醫病失衡的比例將更加嚴重,艾歐資訊總監李佳欣更是深有同感。他談到在IBM的工作經驗,讓他了解跌倒事件的嚴重性。當時李佳欣負責為醫院建置各種資訊軟體系統、平台,他發現許多院方常為病患在院內跌倒的事件所苦,他坦言病患家屬多半會認為是醫院沒有善盡照護責任,但另一方面醫院也會覺得很委屈。

  李佳欣認為,這是必須解決的痛點及商機,於是動員人脈找來利凌科技的策略長許家雄和艾陽科技的執行長林鼎,一起構思如何用科技降低醫院內跌倒發生後的處置風險,也就是建立一套快速讓醫護人員判讀有人跌倒的系統,能在第一時間發出警訊,縮短被發現的時間,讓醫護人員把握黃金救援或醫治的時期。

主動-AI照護辨識

  軟硬結合可以說是艾歐資訊贏在起跑點的優勢,在安控大廠的利凌與聚焦人工智慧(Artificial Intelligence, AI)影像辨識的艾陽科技的合資下成立,擁有利凌的監視器技術及艾陽專業影像管理技術。李佳欣認為也因為這樣的DNA,所以能快速發展自己的「AI照護服務辨識系統」品牌,推出各類型整合性解決方案,其中保命防跌系統即是艾歐創建的第1項新技術。

  艾歐保命防跌系統透過飛時測距(Time of Flight, ToF)科技,並且加上AI演算,開發出「iToF」。李佳欣拿著巴掌大小的產品解釋,藉由設備上打出去的LED光線,以折返時間計算和物體之間的距離,測量出物體的遠近與深度,再以點狀成形顯示形體輪廓;同時經過AI深度學習,可以判別不同的人體姿勢,如果偵測到人類倒臥或跌跤等姿勢超過設定的時間,系統就會發出警訊,提醒相關人員到場查看,他也不無得意地表示,這套系統的判讀準確率已經達到8成。

  至於為何艾歐要特別開發出「iToF」來應用於保命防跌系統,而不是傳統照護系統使用的CCTV等監視器,李佳欣表示對於傳統照護系統來說,傳統監視器除了建置成本高,而且通常只能在事件發生過後調閱影像作為佐證,無法在當下將傷害降低,加上傳統的畫面以RGB成相,恐有侵犯隱私權之虞。

  李佳欣指著螢幕上的成像說:「這樣是不是認不出來誰是誰?也因為這樣所以不怕有隱私權問題,可以裝在更多地方。」由於透過非記名式的點狀成形,並非我們觀念中的影像,只顯示身體動作輪廓,並沒有將人物的實體影像呈現出來,如此一來,可解除大家對侵犯隱私的疑慮。目前台北榮總已完成初步的評估,將開始導入概念驗證(Proof of Concept, POC)的建置。

  一邊解釋這項技術背後的科技,李佳欣一邊實際帶採訪團隊在螢幕前觀看艾歐資訊所建立的3D感測影像,由點雲圖(Point Cloud)顯示被攝物的立體樣態,搭配AI演算法,針對人體骨架、姿勢、移動軌跡等智慧化電腦視覺進行演算辨識,用來即時偵測及判別無記名受偵測者的動作,例如:判別跌倒、離床等行為;並能在最短的時間內發出警示訊息或通報,讓專人能及時前往現場進行問題排除。

遠距-偵測呼吸心跳

  「醫療人力短缺已經越來越嚴重了。」李佳欣認為AI的輔助將是未來的趨勢,透過保命防跌系統以3D感測的醫療影像解決隱私權的問題,在提高醫院安全防護等級的同時,也無須提高醫護人力的配置或工作量。而像這樣3D感測等醫療影像輔助決策等應用,預計在今年底開始,醫療市場將進入相關的測試與建置階段。據《富比世》(Forbes)雜誌的推估,在未來2、3年之內,將有10%到15%的成長率。

  「其實,不只是醫院有興趣,甚至有政府部門考慮引進,而且用在我們當初沒想到的地方。」李佳欣表示,因為它去識別化的優勢,不至於有侵犯隱私權的限制,所以可以應用於公廁,並且加入統計使用頻率的功能,「未來,公廁的打掃不再只是固定每2個小時打掃一次,而是依照使用的頻率來清掃,甚至可以透過大數據統計來安排人力。」他認為這真的是當初完全沒有想到的應用,而未來也不排除應用於其他領域,例如:工廠、車聯網、長照中心、交通、建築物及智慧家庭等多種場域也可以適用。

  「除了防跌系統外,我們也看到夜班護理人員的辛苦。」李佳欣感慨地說,病患數量多,護理人員要處理的事情也不在少數,畢竟人不是機器,一旦疲勞,對於病患的生理訊息就不容易精準掌握。於是艾歐資訊不只開發防跌系統,甚至將目光瞄向解決護理人員的需求,透過毫米波雷達開發出「遠距精準量測系統」,即使不用接觸,也能偵測病人的呼吸、心跳等生理數據。現今的3D光達、雷達的運用,主要應用於車用,很少運用於醫療照護,十分可惜,李佳欣認為主要是因為全球的晶片或硬體設備廠都缺乏AI深度學習(Deep Learning)的開發人員,所以只能將產品應用在偵測用途。

多元-辨識引擎DIY

  「我們公司人數不多,但可以說得上是臥虎藏龍,成員各自的強項有資工、系統控制、通訊甚至數學與統計。」李佳欣認為,成員多元化的團隊也是發想導入AI來解決問題的原動力。有別於其他AI的開發廠商,他坦言「現在看到許多做AI的廠商是用最簡單、缺乏差異性的技術。」進一步說明在技術開發上的差異,其他廠商大多直接採用AWS等雲端服務商提供的開源性演算法、開發模型,但艾歐資訊不直接採用標準開源性的演算法或模型,「因為開源性的模型就像是一個黑盒子,影像丟進去後的產出,沒人會知道其黑盒子中的詳細內涵與準確度。」為了強化精準度,艾歐的辨識引擎採用多重的演算法、模型,所有使用的數學函數,都是根據應用而自行設計,團隊中的多元人才也能進行精準度調校。

  AI的深度學習需要有龐大的資料作為依據的基礎,在這點上,團隊的工程師下足了工夫。以毫米波雷達而言,他們將晶片原始訊號跟醫療儀器進行比對,建立了近5萬多筆的Dataset,包含不同身形、年齡與性別的資訊。因此,大幅提昇了單一硬體設備的可用性與原始數值精準度。而艾歐資訊還因為在AI開發上的努力,剛獲得台北市電腦商業同業公會的「2019 AI+新銳選拔賽」特優廠商,在數十家廠商中脫穎而出。

  相較於傳統偵測呼吸心跳,不是戴偵測面罩,就是貼心律貼片,隨著科技進步,透過穿戴裝置雖然可以測量脈搏心跳數,但呼吸的數據卻依舊是推估的,所以準確率有待商榷。「其實有些人不喜歡穿戴裝置被束縛的感覺,而且會有脫落的情形發生。」李佳欣分享,透過艾歐的遠距精準量測系統,不需要接觸,只要透過雷達利用傳輸和反射訊號間的延遲,計算系統與物體之間的距離,並可通過測量相應的相位差來確認物體的速度,加上高性能雷達系統可以追蹤不同速度和軌跡移動的多個目標,所以適合運用於醫院病床監測。而且因為其偵測範圍廣、精準度高、不受天候影響的特性,應用範圍相當廣泛,或許在不久的未來,將可以看到艾歐資訊的產品不只在醫學、居家照護領域發光發熱,交通安全與治安防護領域也將是它們的目標。

 

【完整內容請見《能力雜誌》2019年9月號,非經同意不得轉載、刊登】


您可能會有興趣的課程

資料讀取中...

您可能會有興趣的出版品

資料讀取中...

能力雜誌

資料讀取中...
輔導諮詢