利用3D感測器輕鬆完成體適能檢測

十分榮幸有機會實際到北護學校的體育館為地方的居民長輩進行體適能檢測,有別於傳統的量測方法,我們採用自己研發的EVA產品直接應用執行體適能評估,其特點在於利用科技的優勢,發展合適的演算技術,便能自動化的檢查受試者的動作表現,進而即時計算結果,取得個案分數資料。另外,這種利用自動化的系統產品操作體適能測試的好處在於便利、快速,可有效率的收案測試,僅需較低的人力資源即可完成評估程序,也無須過多的人員教育成本,由於系統本身亦有提供語音和視覺化的教學引導,大家按照指示更能理解且精準達到測試要求的動作條件,當然,教學說明的另一個優點就是達到一致標準化施測的品質,不會有評估人員因為口令、說法習慣和認知定義的不同而有所差異,如此,最後得到的數據也會更加準確。

就使用情境來說,利用我們的EVA評估產品,可適於各個社區環境,因其設備輕巧、可攜、移動架設便利,能夠輕易跟隨檢測人員走入地方為鄉鎮市區普羅大眾提供身體功能活動健康檢查,同時,EVA軟體的能力完善,兼具自動量測與報表分析的應用設計,可優化傳統的評估資料處理流程,根據每位個案ID建檔,一連串完成資料統整紀錄,再輸出詳細報表,免除人為手動整合大量數據分檔留存的心力和時間,最終,透過系統化的管理,不僅能讓專業人員即時追蹤個案身體功能狀況,還可讓受測者充分掌握自身的健康程度,達到預防失能退化的目的。

廣告

龍骨王2019兩大應用軟體升級推出上市

龍骨王耕耘復健軟體領域多年,一直都有新作品發表,且不斷改良強化,近來兩大產品:步態分析和一體成型多人訓練機都有突破亮眼的功能進化和獨創的技術發展,相信透過它們,定能精準滿足醫療專業人員或照護人員的核心需求!

步態分析―GaitBest

  • 提供客觀的數據資料,30秒內檢測跌倒、失能風險以及預後身體功能情形
  • 自動化演算多項步態時空參數,能協助專業人員精準評估、辨別異常徵兆
  • GaitBest以最理想的性能條件,達到有如高階精密儀器量測的水準,相當適於各大醫療機構使用並整合於醫療評估的作業流程中
  • 符合國際醫材官方標準,預計2020年取得美國FDA醫材第二級認證

快樂動一動―HappyGoGo

  • 提供多人訓練模式,讓長照或社區健康服務據點便於活動課程設計,帶領高齡或亞健康族群共同參與、促進肢體運動能力
  • 系統採微型機體搭配多款互動軟體,可隨照護人員深入偏遠鄉鎮進駐服務,是偏鄉地區可行的健康促進方案。
  • HappyGoGo適用於長照B、C級單位或社區據點使用,達到初級失能預防的目的。

龍骨王前進日本年度最大的國際輔助設備展覽HCR

龍骨王歷年來參與多次HCR的盛會,此展覽可說是亞洲地區指標性的醫材和輔具設備大會,也是進軍日本市場必經的道場,來自全世界各地14國家涵蓋眾多區域,統計約620 多家公司和組織展出多樣先進產品。從客製化的自助設備到使用尖端技術的護理機器人等,均可以在現場看到並體驗。龍骨王也準備在此各路英雄好漢聚集的大舞台上,大顯身手,切磋交流,並展示我們最新研發的軟體系統:步態分析(GaitBest)和多合一的團體活動訓練機(All in one-HappyGoGo)。

◆ GaitBest步態分析軟體:

  1. 不須穿戴感測裝置,運用電腦化系統直接完成步態量測
  2. 設置簡易,不佔空間
  3. 提供動畫教學引導解說
  4. 20秒內即時自動化分析完整步態參數,共有30項參數:除了檢測步態功能外,亦可作為跌倒、衰弱和失能風險評估和預後的參考,提供客觀的量化前後測工具,幫助了解復健改善狀況、擬定最佳治療計畫、穿戴輔具規畫根據。

這個slideshow需要JavaScript。

◆ HappyGoGo多人訓練軟體:

  1. 分別由深度感測鏡頭、多人互動軟體、微型主機等多功能統合為一的輕型3D感測多人訓練機,其單一機體移動便利、輕巧、可攜至不同機構和配合在地基礎環境直接架設使用。
  2. 多人訓練軟體款項豐富多元,內容風格種類不斷更新,互動方式採團體多人同時進行訓練活動,適於團體競賽情境、肢體運動合併認知益智訓練、可融入社區、機構的課程規劃中,達到健康促進的目的。
  3. 軟體主題有趣多變、結合日常生活經驗和應用情況,極易理解和同樂參與,可促進個案或機構居民主動從事身體活動和靈活思辨,避免長期缺乏活動量和喪失運用認知、記憶功能等機會而快速失智和失能。

最後,期望各界舊雨新知前來日本HCR大會共襄盛舉,並歡迎蒞臨龍骨王的展示區(編號:W2-048,West Hall 2 area),為您示範我們先進的科技產品和針對高齡社會問題的解決方案!

2019HCR_龍骨王邀請

回顧步態分析的潛能與可行的發展方向

步態分析是復健醫學上重要的評估指標,其組成複雜、動作特徵的損傷判讀仰賴專業知識的學理能力。由於透過步態分析的結果,可以方便醫療人員量化病患的行動表現和運動功能現象,也能進一步推估可能的變異原因與其參與生理系統的缺陷,如動作問題源自張力導致的活動阻礙或神經肌肉調節的限制等。而若是經計算後轉換成量化的步態參數,便能用來作為衡量復健訓練成效的依據,也易於追蹤功能恢復狀況,甚至可以統計分析,擷取特定的獨立預測參數,達到預後失能、跌倒、衰弱的風險評估的目的,因此步態分析在醫療診治方面深具臨床意義與價值,更是專業人員非常重視的評估項目之一。

目前步態分析採用的評估標準不外乎是簡單的臨床測試,如量表評分或人為直接觀察,其缺點為精準度不一,且具有施測者間的偏差,而若要客觀的評估步態以解決上述的限制,則須依靠大型的量測系統,既操作繁複又成本昂貴,無法根本的應用於臨床環境。有鑑於此,現階段另一個備受矚目的替代方案就是使用市售可得的感測器,如kinect等3D深度偵測的設備,搭配客製化合適的演算法便能即時的運算出一系列的步態參數。基本上,此類3D深度感測硬體的優勢在於能夠在不需要穿戴任何裝置的情形下,自動化的捕捉動態的肢體活動,並還原全身約25個重要關節點位置,提供足夠的空間原始資料,再整合演算法進行最後參數解答的分析與處理。

但究竟此類應用的精確度有符合公認的水平嗎?從以下的研究資料表格顯示大部分的參數具有良好的信度,包含步態時空參數與關節活動角度的數據。還有,另一個亮點是只要透過單一鏡頭的偵測,就能夠同時取得數種量化指標變數,甚至以後還可以再新增更多的資料輸出,如此高度的運算彈性與適應性以及加上軟體工程的改良優化,無疑是為將來步態分析開創更強大更全面應用的解方。圖片1

參考資料:
Latorre J, Colomer C, Alcaniz M, Llorens R. Gait analysis with the Kinect v2: normative study with healthy individuals and comprehensive study of its sensitivity, validity, and reliability in individuals with stroke. J Neuroeng Rehabil. 2019;16(1):97.

利用機器學習為架構的模型預後急性中風後的恢復

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
ROC curve

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.

遠距復健零距離

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。

網誌用圖片

探討中風評估的臨床考量與新策略的發展

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!

復建新策略,以互動式軟體的方法達到失智症患者的訓練效果

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。

遠距復健新出發

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!

失智症及其IADL功能限制

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。