(文章首圖由AI生成)
生成式AI與大型語言模型正快速改寫各行各業的運作方式,照顧場域也成為政府政策與科技業者積極切入的新焦點。但在許多第一線機構眼中,AI卻仍停留在紙上談兵的階段,網路不穩、系統不通、照服員不會用、產品買不起,科技再先進,也難以真正走進照顧現場。
台北醫學大學數據處數據長許明暉直言,科技強不等於實用,關鍵落差在於是否貼近現場需求,政府需要從旁協助拉正方向,企業與學界則要選對戰場、對症下藥。
台北醫學大學數據處數據長許明暉
AI應用潛力初現 不能只停在健康監測
許明暉指出,AI的發展是演算法、數據與算力三力交織的結果。從類神經網路、機器學習到深度學習與大型語言模型(LLM),背後則是GPU算力提升與資料資源累積所推動的產業化發展,「沒有硬體突破,LLM根本跑不動。」
在醫療領域,台灣健保資料庫與影像資料庫建立良好基礎,使CT影像AI判讀比人更快更準;照顧端的應用也開始浮現,例如,透過智慧藥盒協助用藥管理、非接觸式量測與智慧床墊追蹤生理變化、電腦視覺提升傷口照護精準度、LLM改善外籍照服員與長者溝通障礙,相關應用逐步成形。未來,若把陪伴機器人與數位雙生(Digital Twin)結合,更可以讓長者與親人數位分身互動,減輕長輩孤獨感。
不過他也提醒,不能讓AI的應用視野只停在風險監測或行為偵測,AI技術一旦能回應生活中的不便,更可能為照顧注入實質助力。
許明暉提及,國際在智慧科技的多元應用上走得比我們更遠,例如,歐盟推動智慧健康長照計畫(AAL),早已從環境輔助(Ambient)走向主動輔助(Active),重點是讓長者活得更自主,「AAL涵蓋的不只是監測設備,還包括提升行動力、營養支持、社區送餐,甚至鼓勵長者有償或無償工作,強調的是生活的尊嚴與樂趣。」
計畫「點火」之後 場域能不能延續燃燒?
作為國科會科技政策諮詢專家室成員、前衛福部資訊處處長,許明暉熟悉政府計畫如何運作。以《高齡科技產業行動計畫》為例,是由國科會主導計畫,核心概念是發展市場經濟、普惠科技、提升照顧效能與生活品質,「這些方向是對的,政策點火也不難,難的是產業與場域能不能點得著、燒得旺。」
如何突破這些挑戰?許明暉認為,首要任務是走入照顧現場,建立開發端與照顧端的真實對話。他指出,不少開發者「選自己會做的技術」,結果做出來的產品場域難以使用,「要從最小、最急迫的需求做起,才能一點一點建立信任。」
此外,照顧場域資訊化起步晚,系統未整合、資料品質參差不齊,很多還是靠人工輸入,要用來訓練AI模型很難;相較之下,醫療領域早已建立起健康促進、疾病預防、醫療救治的三段五級照護架構,加上健保與電子病歷(EMR)系統的基礎,AI落地有成熟的土壤。
因此,數位轉型是照顧場域的必修課。「很多機構連排班、財務、記錄系統都還沒建好,就談AI?太早了、不實際。」許明暉強調,應先完成基本數位化,再談智慧應用。
此外,他認為,未來單一產品無法帶動產業AI化發展,需要能整合軟硬體技術,像7-11一樣的系統整合商(SI)來扮演關鍵角色。
AI可以改變照顧,但需要需要政策拉正方向、企業選對戰場、研究者走入現場,更需要照顧端問對問題,從真正的需求開始,才有機會讓照顧產業AI化發展走得長遠。
喜歡這篇文章嗎?加入會員即可收藏文章、產品及供應商