今(9)日，「人工智慧和失智照護的未來」論壇中，接續上午場次從各面向探討人工智慧(AI)可如何提升失智照護，下午則邀請六位學研界專家，分享各自團隊如何運用AI介入照護，包括運用人臉辨識、穿戴式裝置、機器人，以及多項以AI技術促進失智症預測的創新模型。

分享專家包括：北榮高齡醫學中心主任兼陽明高齡與健康研究中心主任陳亮恭、北榮員山分院老年醫學科主任李威儒、北榮高齡醫學中心醫師陳亮宇、陽明生科系暨基因體所教授林照雄、臺大臨床藥學所教授蕭斐元、陽明神經科學所教授林慶波。

＊陳亮恭(北榮高齡醫學中心主任兼陽明高齡與健康研究中心主任)

北榮高齡醫學中心主任兼陽明高齡與健康研究中心主任陳亮恭 (攝影/巫芝岳)

北榮高齡醫學中心主任兼陽明高齡與健康研究中心主任陳亮恭以「大數據精準健康與人臉辨識應用於失智防治」為題，他表示，老化過程中身智是協同、混雜的同步退化，在衰弱表徵中，可將緩慢、無力分為「活動型衰弱」，發現這類型老人通常屬於：年齡較高、骨質低、肌肉少、慢病多、認知差且死亡率較高。

陳亮恭指出，前額葉執行功能異常容易轉為失智且使腦中灰質薄化，另外，「視覺空間功能」為失智的生物指標，研究顯示，透過3D遊戲訓練，半年後可增加海馬迴與小腦體積。

陳亮恭指出，目前也利用人臉辨識，以人工智慧預測失智長者精神情緒症狀，希望透過科技解方達到早期預防。

＊李威儒(北榮員山分院老年醫學科主任)

北榮員山分院老年醫學科主任李威儒 (攝影/巫芝岳)

北榮員山分院老年醫學科主任李威儒，分享了其團隊利用穿戴裝置收集長輩的健康資訊，以AI分析，針對步數與睡眠進行的研究。結果顯示，收集這些「實時」數據，在試驗的過程中就能促進受試者改變為更健康的生活作息。

這項納入500位士林、北投區社區健康老年人(完成前後測量為319人)的試驗發現，成為每日一萬步的「健走族」，體脂肪增加風險、衰弱風險、握力下降風險皆會降低。睡眠方面，他們發現睡眠狀態好且固定者，憂鬱症狀和體脂肪皆會下降。

試驗完成後，老年人平均體重增加半公斤、血壓降低(收縮壓約將5 mmHg)、步速增加(增加0.1 m/s)、衰弱程度下降、憂鬱症狀下降、營養狀況改善。

＊陳亮宇(北榮高齡醫學中心醫師)

北榮高齡醫學中心醫師陳亮宇 (攝影/巫芝岳)

北榮高齡醫學中心醫師陳亮宇以「導入類人型機器人對於失智個案之影響」為題，他表示，寵物型機器人無法滿足長者的溝通需求，因此，北榮團隊與大阪大學石黑浩教授團隊共同研發類人型機器人Telenoid，高度約50公分，尺寸大小不會讓人產生威脅感，可做為照護人員與長者間的人機介面。

在利用Telenoid與三位輕中度失智症患者互動中，陳亮宇表示，精神行為症狀較嚴重，具有激躁跟亢奮症狀的長者，與Telenoid的互動情形較良好，有望能進一步改善社交人際互動。

但陳亮宇也指出，語音仍是Telenoid的主要互動溝通方式，但中度失智症患者或聽力障礙的長者可能就不適合使用，因此，未來希望研發出強化肢體語言並能因應對象而改變互動模式的機器人。

＊林照雄(陽明生科系暨基因體所教授)

陽明生科系暨基因體所教授林照雄 (攝影/李林璦)

陽明生科系暨基因體所教授林照雄的團隊，在與宏碁AI團隊的合作下，期望運用血漿代謝物(plasma metabolite)來預測在輕度認知障礙(mild cognitive impairment, MCI)階段的病人，病情發展為阿茲海默症(AD)的風險。

在和北榮王培寧醫師合作下，他們收集了146人的血漿樣本，針對其中部分發展為AD，以及未發展為AD的兩組MCI病人，再進一步以機器學習方式，篩選出20種在兩組病人間，差異最大的代謝物。

林照雄表示，以這些血漿代謝物作為預測的方式，目前準確率約八成左右；他們也期望未來透過納入如蛋白質等其他血液成分，以及腦影像等數據，讓準確度更加提升。

＊蕭斐元(臺大臨床藥學所教授)

臺大臨床藥學所教授蕭斐元 (攝影/李林璦)

臺大臨床藥學研究所教授蕭斐元以「以就診行為軌跡預測失智症之健保大數據分析」為題，她指出，《JAMA》列出12個增加40%失智症的風險因子，包含教育、高血壓、未校正的聽力障礙、抽菸、肥胖、憂鬱、缺乏運動、糖尿病、社交活動不足、過量飲酒、腦部外傷、空氣汙染。

蕭斐元分析臺灣健保資料庫，發現臺灣全人口一年平均門診次數為12.2次，65歲以上的人口一年門診次數則高達26.7次，每次就診下的診斷可多達3-5個。蕭斐元與宏碁團隊合作，以人工智慧在健保資料庫中尋找可預測失智症的軌跡。

團隊以階層篩選方式，從風險因子疾病如糖尿病、高血壓出發尋找，也從失智症逆向尋找源頭，最終找出243條軌跡，經臨床專家判斷後，有8條軌跡具臨床意義，蕭斐元舉例，高血壓患者經過感染，後續發生中風，或是高血壓患者經過感染，後續發生精神疾病，這兩條路徑都會使失智症風險大幅增加。

＊林慶波(陽明神經科學所教授)

陽明神經科學所教授林慶波 (攝影/李林璦)

陽明神經科學所教授林慶波，則介紹了其團隊經多年努力，建立的「集成式深度學習卷積神經網路腦齡估算模型」。

林慶波團隊透過將近兩千例健康族群的大數據，以機器學習建立預測模型，分析核磁共振(MRI)影像中的腦部結構，進而在短時間內精準預估受測者的腦齡。此外，他們也發現阿茲海默症與思覺失調症病人，確實腦齡較高。

這項成果也在2019年的「預測分析大賽」(Predictive Analytics Competition)中，獲得全球第四、亞洲第一成績。目前已與北榮合作，讓民眾可進行腦齡的檢查。

林慶波表示，他們發現腦齡若高於實際年齡，的確與許多疾病相關，甚至可以預測失智症的發生(腦齡高於實際年齡越多，失智風險越高)。