人工智慧(AI)的其中一個分支是機器學習(Machine Learning, ML)，目前應用的領域十分廣泛，此技術由於在現代硬體條件的升級後變為更加可行，且定將會改變人類現行的行為模式。透過機器學習技術可以優化許多流程，利於商業內部決策或效率提升皆具備顯著成效，因此世界各國無不積極發展AI導入企業機構，試圖強化運作效能與進步轉型，當然，除此之外，另一個備受關注且極度看好未來前景的應用就是醫療端產業，利用ML演算法可以輔佐醫療疾病的篩檢辨別、預測病情的發展狀況等，勢必會對當今的臨床環境和醫療服務作業帶來極大顛覆性的改變。

但究竟ML如何整合應用到醫療情境之中呢？以評估中風後的恢復狀況為例，根據科學性的文獻指出利用合適的ML演算法能夠達到預測急性中風後中長期(3month)的恢復水平。簡要的來說，此研究利用大量過去的紀錄資料，數量約2604位個案，挑選眾多相關的預測變數，如缺血性中風病患的基本資料、NIHSS(中風神經學評估量表)、病發後至到院時間，依據檢傷分類的中風亞型、病史、藥物和生化數據等多達38個變數來決定三個月後的失能程度，也就是量測mRS的分數，結果顯示經過ML演算法分析比對一開始輸入的38個相關變數因子後，能夠準確的推估得到急性中風患者三個月後對應的mRS分數，即預後的失能程度指標。再者，因為此研究其實共使用了三套不同的演算法進行預測，發現其中deep neural network的準確度最佳，其準確度甚至高於現行的標準預測模型(Acute Stroke Registry and Analysis of Lausanne score)

如以下圖所示

根據ROC曲線作圖顯示，藍色標記：deep neural network曲線下的面積最大，顯示其預測的精準度優於其他演算法。

因此，我們不難想像，當一個病人在一開始因為急性中風住院，在例行的檢測之下，產生出各式各樣的評估數據，這時，只要輕易的把這些已經評估好的指標輸入進ML預測模型，就可在彈指之間得知病人在3個月後的失能情況，如得到mRS分數為1，代表良好的預後(mRS共分為6級，0-2代表無障礙或輕度障礙，2-5代表中度障礙以上)，如此有利於掌握病患接下來的恢復狀況，並依據此推估結果給予對應的處置計畫和擬定最佳的醫療決策。畢竟，傳統醫師是無法這麼精準且迅速背出所有指標對應的預後結果，也難以將所有的變化因子周全考量進去，這是人力的極限，但對ML而言，只要資料庫數據夠龐大，預測結果就愈加精準，可信度也愈高，無疑讓醫師降低誤判或彌補邏輯漏洞的最佳解方！

參考資料：

Heo J, Yoon JG, Park H, Kim YD, Nam HS, Heo JH. Machine Learning-Based Model for Prediction of Outcomes in Acute Stroke. Stroke. 2019;50(5):1263-5.

智慧醫療的時代已來臨，復建也不例外，龍骨王致力於開發互動式的復健系統，企圖將在醫院等級的服務，透過簡易的設備、虛擬化的軟體內容，複製轉移到照護機構，未來甚至成為居家治療師或長照人員有利、隨行的復建工具，真正落實遠距復建的願景，在地方就可直接接受復健檢測和運動訓練。

龍骨王亦十分期待因為創新醫療模式和科技技術的應用，為醫療院所帶來翻轉和改變，如此不僅能強化臨床人員的專業和最佳化資源利用效率，更能協助基層照護人員，減輕其負擔與長期復健所耗用的成本，更能符合整體社會利益，以龍骨王的智慧復建的解方對症下藥，滿足未來超高齡化社會面臨照護上的挑戰與龐大的需求。

以實踐遠距復建的訴求和方向來看，龍骨王期盼偕同各界有力人士一同在地方建置復健網，構想可以先從當地的一間大型的醫院據點作為總指揮中心，藉由彼此遠距連線，由各地的區域型醫療或社區服務站接收指令，再進行該療程的復健計畫或運動處方，如此不但能克服時空上的限制，不必頻繁的舟車往返於醫療院所，就地就能接受復健指導，促進恢復的趨勢，以達到最大化醫療的效益。當然，也能夠同時收集大量的個案數據，並系統化的管理、追蹤普查，掌握當地居民的健康狀況，兼顧疾病預防和延緩固有醫療問題或減少併發症發生的風險。

根據臨床作業準則，中風後期經常性的評估有其必要性，如此才能了解病患目前的健康和復原程度，並適時的調整復健計畫，如提高訓練強度或選擇更有效的策略方式，以確保能在有限的黃金復健期，達到最佳的治療效果，因此反覆且精準到位的評估檢查是一切醫療處置的源頭、基石，所有後續對應的療項安排皆有賴於每次高品質和零失誤的評估結果，然而，目前對中風最標準、精細的診斷模式還是著重在大型的昂貴儀器，如MRI等影像學或用於實驗層級的多台光學攝像鏡頭組成的感測系統來分別檢查結構病理上和動作障礙方面的損傷特徵。可想而知，無法真的適用於一般的醫療照護環境與作為後期追蹤快速掃描診斷的可行通用方針。

另一方面，即使身在科技發達的現代，評估中風的功能表現，仍然停留在古老時代，以人力徒手量測和使用量表評估的方式進行，非但耗時、無法迅速分析，且存在人為認知的偏差和個體間施測的差異。

總結以上的問題論點，大致可以收斂為3個方向

1.評估中風臨床功能的方法曠日廢時並停留在古老時代的作法：量表、肉眼觀察

2.若要進行疾病精確診斷和清楚定位損傷程度，則須仰賴高度精密影像學設備，如MRI等，費用昂貴且操作程序繁複

3.受限於專業知識技術隔閡，無法跨領域快速篩檢識別，造成後續及時的臨床決策能參考客觀基礎不足。

因此，在現今的醫療場域中，極需一個更為客觀、迅速、精準的評估工具來有效率的協助醫療人員了解病患的功能狀況，同時立刻產出類比精密儀器取得的分析結果，回饋給病患和形成往後一切臨床決策可信賴的參考依據！而龍骨王身為台灣醫材產業的創新先進，一直以來都致力於新產品的研發與關注於市場上的關鍵需求，未來定將提出根本的解決方案，對症下藥，以期運用AI技術來自動化分析中風患者的嚴重程度和功能表現，並以軟體及時運算的方式來代勞輔助人力檢測的工作任務！

失智病患除了認知能力受限外，時常也會合併IADL執行上的困難，嚴重者甚至影響到肢體活動的功能而造成進一步失能的問題。當然及早的介入和治療，將有助於疾病的延緩，維持生活的獨立性。以非藥物的治療而言，傳統的物理治療或職能治療都能提供有效的幫助，其訓練重點包含認知辨識能力、問題解決或動作的策略使用等，事實上，隨著軟體應用程式的優化和許多技術的突破，上述的這些人為的訓練方法皆能由虛擬化的互動模式代勞和輔助，可為失智病人創造更多練習的機會與加乘復健的療效。

以認知刺激的目的來說，發展一套益智類的互動軟體，引導失智病人進行思考決策，運用記憶力與專注力來完成每個情境的任務要求或根據題目回應正確答案，舉例，當題目詢問以下的圖片哪一個是水果？失智病人就必須開始進行簡單的資訊分析，理解題目後再作出判斷。當愈來愈進步時，便可以調整題目的難度或透過增加複雜化的方式來達到最佳的強度設定，而這同時也是虛擬化軟體的優勢，只要透過系統上直接的操作，就能彈性的變化出對應的題組，而不用特別準備教具、現場組合出需要的素材，十分的便利與自由！

當然，如果要套用到IADL情境的訓練，以人為的策略土法煉鋼，那想必更加的棘手與難以建構穩定的模擬空間進行活動，因為在早期針對IADL的復健計畫，通常都要將病人真的帶到當地實際操作技巧，比如說到超市購物，職能老師會規畫該項任務目標，親自和病人在超市現場依據事前預設的購物清單逐項挑選並按流程依序採購排練，最後完成付款結帳，每個環節都需要細心安排和特別控制外在變因，需要極大的心力構思與配合諸多事宜，相反的，若有現代科技虛擬化的互動情境提供協助，個案僅需要在定點便可接受系統的教學訓練，藉由畫面轉換不同的場景模式，自由的體驗與學習IADL相關的能力應用，免去繁瑣、縝密的事前作業與臨床重建所需大量的資源成本。

無論是IADL或認知方面的活動訓練，利用虛擬化的互動軟體皆適用於失智症病患，亦可作為未來建置復健醫療環境標準的設備之一。

龍骨王身為醫療器材復健範疇的代表廠商之一，一直以來都非常關注遠距復健的需求，試圖提供最佳的解決方案，協助偏遠地區的民眾一樣能獲得如同城市級的醫療照護水平。

即使身處在科技產業十分發達的現代，遠距醫療或更精確的限縮在遠距復健的應用上面仍然有力未逮，歸納其原因大概不外乎就是經濟因素，目前的健保制度提供許多幾乎於免費的醫療服務，其結果勢必會排擠到其他新型態的醫療服務模式，尤其在初期需要龐大的成本建置下，費用相對更加可觀，其二，民眾對於醫療的消費習慣不容易改變，大家看醫生有時並不是真正需要身體上的治療，可能更在乎的是得到心理上的慰藉，這也是AI或所謂科技永遠無法取代的部分，即人的溫度和有血有肉的關懷問候，第三就要提到現實的殘酷，有句經典標題一語道破了遠距醫療照護的關健難題：台北醫師，到花蓮很遠，去美國很近。的確，若在利益考量下，有時阻礙發展的並不是高山深水、時空阻隔，而是最簡單人的意念與發心。

而龍骨王一貫秉持最初的信念，從過去到現在一直沒有放棄朝向遠距復健的道路邁進，我們曾經開發過多合一的居家復健系統，申請醫策會的計畫，期待將接近如同醫院等級的復健服務帶入居家，如此便可延伸擴散至更偏僻的地區，以克服台灣醫療資源分布不均的問題，讓偏鄉居民同樣能避免舟車往返、時間成本的浪費，就近或在宅就能接受到高品質的復健診療，也讓醫療人力發揮最大的價值與效用，再也不必翻山越嶺，透過系統的遠距雲端功能，共同協助復健病患從事訓練或給予衛教指導，降低因無法即時回診導致後遺症的發生與功能受限的風險。

可惜的是，我們的遠距復健計畫計畫並沒有真正落地生根，礙於諸多原因，如上述所提及的遠距醫療困境，因此只停留在實驗階段而難以延續，然而，我們仍舊努力不斷嘗試，以過去歷練的經驗為養分，並把握每個可貴的任務機會，這次，我們重新出發，以偏鄉的衛生醫療單位為中心，期待從統包式的醫療據點進場，為身在身在偏遠地區但有復健需求的病患提供如同城市級的復健服務項目，當然，也十分樂見各界人士共同投入付出，在台灣真正達到遠距復健的目標，促進偏鄉病患的健康福祉！

恭喜北醫賴主任!!
體感科技應用在復健上越來越被認可。新科技出現在市場上，前兩年是神話，五年後才能飛入尋常百姓家。

而教育大眾市場這件事情，若有更多專家學者進入。會讓整個C端的這塊餅做得更大(步態分析的市場?)。對於我們市場的拓展，其實有很大的幫助。

供給效率:要能幫客戶帶來營收才是好產品

我心靈Mentor Nice哥曾經說過一句格局很大的話，"創業不該是個你做好我跟抄減少初期摸索成本，應該像是個熱帶雨林，每個物種都要在這個生態系發揮自己的特點，並且能夠產生貢獻，共生共榮!"

衷心希望經歷過這一切之後的公司/團隊，會發現專心做好一件事情的價值與效益，再把互動式復健的解決方案直接交給龍骨王。在此基礎上，做更多有效益的發展。

失智症病患的臨床表現複雜且多變化，隨著不同的類型和病程的發展又具有特定的問題症狀，以最常見的阿茲海默症為代表，是以認知功能受限為主，合併出現一些精神行為異常的特徵。其實一般觀察失智症的早期階段，通常首要都反映在ＩＡＤＬ功能上的缺陷，隨著病情惡化、進展，中重度的失智患者才開始漸漸失能、衰弱，最後無力臥床，需照顧者大量協助。因此早期發現失智症和給予適當的訓練是很重要的觀念，如此才可盡量維持患者的自主生活能力，也減輕照顧者的壓力和資源耗用。

如前所敘，失智者會先出現ＩＡＤＬ功能困難的問題，而所謂的ＩＡＤＬ是一種較高的執行能力，包含外出交通、財務處理、烹飪煮菜等策略技巧。具體來說，有ＩＡＤＬ功能不足的失智個案常常忘東忘西、脫離現實感、難以舉一反三、無法思考對策處理問題，再者，失智患者常常足不出戶，因為他們害怕出去找不到路、不知怎麼搭公車、買東西付錢時反應遲鈍、腦筋一片空白對生活事物感到困擾，在缺乏新刺激和不願面對學習的情況下，他們便逐漸喪失社交能力、跟社會和人群脫節，從此陷入惡性循環，而最終導致活動力降低、退化得更加快速！

當然，為了避免這些負面的影響，我們可以選用合適的工具來加強ＩＡＤＬ的訓練，試想透過科技的應用，創造一個穩定且能模擬現實世界互動的框架，依照特定任務的需求，協助引導欲完成的目標。假設以學會搭乘台鐵為訓練的方向之一，情節的設計可以由計劃從車站到目的地的路線發展，例如，根據目的地，首先必須要判斷要搭北上或南下的列車，再來必須看得懂看板資訊才能找到正確的月台，最終進入閘門、有列車駛進，再次比對時間、車次等關鍵點才決定是否上車，以上這些步驟都能由一系列的題型、答案選項設定、視覺化操作模擬來教學、讓失智患者能夠預先熟悉搭乘台鐵要經歷的程序和互動的模式，再轉換到日常生活中，適應各種交通情境，而不致於埋沒自我學習的潛能，成為回歸社會環境、行動參與上的阻礙。

在Kinect偵測器停產的同時，其他的3D動作偵測鏡頭開發商仍然躍躍欲試，近年來已有許多優化且功能卓越的產品問世，試圖填補此目標市場所產生的空缺！

基本上，就原理技術面，新式的3D偵測設備大概可以分為以下幾種方法，逐一跟大家分享介紹

1. 以結構光(structured light)和脈衝光(time of flight)為基礎的鏡頭

kinect偵測器一代和二代就是分別採用結構光和脈衝光的原理來建構三維空間環境，而結構光和脈衝光各有其優缺點，如結構光不適於長距離量測，脈衝光易受到強光干擾等。而其他同樣使用此主流方法的廠牌代表亦包括LIPSedge DL, ASUS Xtion等。

2. 以立體視覺(Stereo Vision)為基礎的鏡頭

理論上此為最簡易用來重建3D空間的方法，其原理就是透過多個不同位置的鏡頭觀測目標物，再經過數學角度函式計算推導最後的深度信息。這個方法沿用已久，頗為知名的光學動作偵測系統Vicon就是以此基礎量化人體動作特徵。當然我們都知道Vicon是偵測動作表現的黃金指標，其道理就是因為立體視覺的演算本身優於結構光和脈衝光對3D建構的能力，擁有較高的精準度並能夠解決眾多限制，如戶外使用上的光線影響與突破短距離應用的極限。而觀察現今市面上其他推出此類鏡頭的供應商，來自美國品牌的Zed，以雙載4百萬畫素的鏡頭與配備優越的硬體規格，號稱能在戶外精準建構最遠擴及20公尺處的3D空間深度圖。另一個典型的代表例子為Realsense D400系列的偵測設備，同時利用雙目2百萬畫素的立體鏡頭和紅外線結構光發射器，綜合兩者各自的關鍵效能互補，來避免單一方法的侷限，達到最佳化3D空間重組的準度與效用潛能。

然而，究竟選用何種鏡頭最合適開發出相關的軟體或應用程式，其實仍有待更多的利弊分析與評估考量，也必須以最後應用情境的需求和目的取向來決定！但身為其應用服務端的軟體開發者而言，在如此多樣且已成功產出消費者等級的3D深度感測硬體工具可供選擇的條件下，絕對是培養更強大、促進的後端服務成長茁壯最有利的動力來源與市場趨勢。

參考資料：

1.     Clark RA, Mentiplay BF, Hough E, Pua YH. Three-dimensional cameras and skeleton pose tracking for physical function assessment: A review of uses, validity, current developments and Kinect alternatives. Gait & posture. 2019;68:193-200.

所謂IADL的生活訓練一直都是臨床職能治療師關注的重點，由於IADL涵蓋眾多能力的使用，若根據IADL評估量表我們可以清楚的將之歸納為八大項目，分別為打電話、購物、外出、財務管理等，而每一項能力其實都有賴許多基礎身體活動或心智認知彼此的統合協調。從操作型定義上來解讀，IADL似乎可以被簡單的拆解、界定為進行某項工作任務的功能獨立性，如是否能夠懂得撥打電話，記得電話號碼，並成功撥出給預設定對象。但令我們好奇的是，倘若更進一步探究IADL的中心概念，我們要問的是IADL的核心本質是什麼？當然，回答這個問題有助於我們設計一個合適IADL訓練情境以符合其真正臨床的需求與目的性。

經過諮詢眾多職能治療專家顧問的說法後，我們的結論是IADL的本質就是執行功能的一種表現，事實上執行功能被視為在高階的認知能力應用的範疇。更仔細的來說，要完成IADL的條件或過程涉及到像是理解反應、策略選擇、短期工作記憶力、邏輯推導、程序步驟的組織、計畫編排、抑制或決策思考等諸多以問題解決導向為主的發展鋪成，簡化的來說，IADL的關鍵點在於綜合上述能力的執行，在面對不同處境時，可以做出適當的反應和採用有利的策略來直接解決問題本身並達到最後的目標，不在於集中於單純認知型的資訊分析或動作型的技巧。

既然如此，我們了解了所謂IADL的核心本質，就能根據其主要精隨來規劃對應的活動練習，舉例來說，若要針對IADL的購物項目來做功能模擬，我們便可以用開發程式編寫一套劇本，內容情境可以由不同的任務需求連結組成。假設一開始設定的場景在超級市場的入口，並提供該主角條列好的購物清單，而任務就是購買符合清單的所有項目並結帳完成，當此劇情基底確立後，主角便能更融入其中，自由來回於超級市場不同的走道，挑選需要採購的生鮮食品等，最後進行確認清單的程序，當檢視皆全部買齊時，故事主線就引導至付錢結帳環節並退場結束。回顧整個模擬過程，同樣關係到策略應用、判斷辨別、計畫安排、問題解決等能力發揮。就臨床意義而言，有助於病人提前熟悉、適應現實生活方式，達到必備的職能學習目標，促進自主回歸於社會之中。

這個slideshow需要JavaScript。