放眼全球及台灣這塊土地，因眩暈而飽受痛苦的病患逐年攀升。面對眩暈檢測，大部分的人會選擇交由醫師診斷或入院搭配神經醫學影像工具如MRI或CT進行判讀，然而卻可能造成眩暈誤診、患者過度診斷、醫療資源浪費等狀況發生，無法有效回溯病患眩暈實際狀況。為解決眩暈在臨床長久痛點，神經元科技（Neurobit）開發智慧穿戴醫療裝置-NeuroSpeed智慧眼鏡及AI輔助系統，提供眩暈快篩的AI智慧解決方案，輔助醫師快速篩檢腦部疾病達80以上準確率及90以上敏感度的高效檢測力。 神經元科技成立於2016年，共同創辦人包含楊鈞程、陳維澄、黃勁勛與王經富因四人修習台大醫工所與創意創業學程共同開設「生醫創新與商業化」課程的因緣際會下，一同踏上創業旅程。神經元科技的核心團隊成員主要由醫工、資訊、神經內科醫師、專利、商學等跨領域專家組成，共同創業理念是不斷發掘探勘在醫療臨床上未解決之痛點。看見病患因眩暈飽受痛苦，神經元科技因此發想出自主開發高效又實用的穿戴式智慧醫療裝置NeuroSpeed智慧眼鏡，結合硬體AI輔助決策系統軟體，提供眩暈快篩的AI智慧解決方案。 神經元科技執行長楊鈞程表示，看見台灣和全球飽受到眩暈之苦的民眾比例很高，在台灣有高達3民眾（約70萬）因為眩暈而苦，而美國大約有1千萬人口因眩暈前往就診，從數據可見眩暈醫護市場相當龐大。對於診間的眩暈診斷快篩，目前醫院的快篩工具主要透過神經理學檢查，大部分透過問卷式量表去處置，診斷會過度仰賴病人主訴及醫師的經驗判定，缺乏量化指標，造成眩暈誤診及喪失黃金治療時間。而對於入院急診的眩暈病患，過往醫療診斷會過度仰賴神經醫學影像工具如電腦斷層檢查（CT）或磁振造影（MRI）進行診斷，經觀察發現器材量不足問題，以美國來說入院急診後能即時接受MRI診斷的人口不到3，而能接受CT診斷人口不到50。然而，若過度使用CT或MRI診斷可能又造成病患過度診治，甚至有浪費醫療資源的問題發生。 為了幫助眩暈病患在診間和急診能正確且高效快篩分流與降低過度診斷，神經元科技開發的穿戴式智慧醫療裝置NeuroSpeed智慧眼鏡，相信對於整體醫療資源應用及病患診治會有很大幫助，楊鈞程表示，若非必要透過MRI去追蹤診斷下，本裝置可作為現有MRI神經影像學工具之前及病患入院之後的快速篩檢，減少病人過度診斷。NeuroSpeed的檢查法是透過眼球震顫快篩，找出潛在腦部疾病患者，此技術的檢查法是觀察受檢者在凝視靜止物體時，眼球的顫動狀態，與一系列眼球運動，藉此判斷腦部風險以作出相對應的診療。 NeuroSPeed智慧眼鏡 破解腦部疾病和眼睛疾病 臨床試驗敏感度達9成 在神經元科技積極研發下，目前已成功推出兩代 NeuroSpeed智慧眼鏡產品，第一代NeuroSpeed主要提供醫師即時觀察高畫質的眼球影像與眼球運動反應相關檢查數據參考，並沒有輔助診斷的服務。第二代NeuroSpeed可提供醫師做紀錄、追蹤、存處及查看相關眼球運動分析及瞳孔區域的辨識，藉此可有效診斷中樞與經與周邊神經系統方面的疾病。由於第二代NeuroSpeed產品具備輔助醫師達分析診斷之功能，已被列為美國二級醫療器材，必須通過美國FDA認證才可對外販售。現階段此產品已完成pre-submission，待生物相容性試驗完成後會進行送件審查，預計明年第二代NeuroSpeed將順利取得美國FDA認證。 在實際驗證場域方面，目前NeuroSpeed已與新北雙和醫院和台中慈濟醫院攜手合作臨床驗證，其臨床結果證實針對中風等中樞神經疾病和其他前庭系統疾病的分類判斷，加上NeuroSpeed智慧眼鏡的設計輕便好攜帶、檢測快速又易操作、具備自動判讀之功能特性，有效輔助醫師能快速篩檢出眩暈病患潛在的腦部疾病風險。與國外醫療中心的場域驗證，主要以入院急診的眩暈病患，醫師可透過NeuroSpeed智慧裝置去判讀中風診斷的現象，目前上述合作醫院的臨床試驗準確度達80，敏感度達90。 神經元科技開發智慧穿戴醫療裝置NeuroSpeed智慧眼鏡 除了成為醫師在診間和急診快篩腦部疾病風險判讀的最佳智慧醫療輔助者，NeuroSpeed智慧眼鏡更協助醫師在斜視風險的檢測評估，透過神經元科技與三軍總醫院共同研發的「可攜式斜視及異常眼球運動診斷系統」，並以三軍總醫院為落地實證場域，提供醫生完整斜視術前評估及術後追蹤依據。本優異的研發技術成果更於2020年榮獲第17屆國家新創獎mdash臨床新創獎肯定。 我們知道很多疾病會造成先天或是後天的眼球運動異常，甚至造成斜視或是眼球震顫的症狀，其中在斜視部分，依據專家醫師諮詢調查，全球學齡兒童在斜視的盛行率是25，而台灣學齡兒童在斜視的盛行率約14左右，楊鈞程表示，臨床針對這些疾病症狀的診斷，主要分為眼球位置的偏向測量及眼球運動測試兩大類。經觀察發現目前眼球位置的偏向比較缺乏客觀的量化手法去診斷，主觀上採用眼球偏向的測量儀器來檢查。對神經元科技而言，目前透過NeuroSpeed儀器裝置和斜視及異常眼球運動診斷系統軟體能去整合客觀清晰的眼球影像、眼肌功能及眼位偏斜角度數據，作為符合臨床診斷準則之快速檢測服務，這些檢測的數據可作為醫師完整斜視術前評估及術後追蹤的依據，因此透過本系統可客觀有效的量化分析，可大幅降低患者手術上的醫療風險。 在商業模式方面，神經元科技主要與醫院合作，進行研究型的產品銷售， 相信公司預計明年通過FDA後將會有顯著的營收表現。目前神經元科技將 以國內首創穿戴式智慧醫療裝置NeuroSpeed智慧眼鏡與AI輔助系統，提供軟硬整合解決方案，輔助醫師快速篩檢腦部疾病及眼部疾病，提升病人黃金治療時間，減少社會的醫療照護成本，以創造三贏。 NeuroSpeed智慧眼鏡 輔助醫師快速篩檢腦部疾病及眼部疾病 放眼全球 智慧醫療器材的先驅者 生醫軟硬體系統整合新典範 神經元科技創業初期，技術研發和商務拓展曾面臨多方挑戰，楊鈞程有感而發表示，由於NeuroSpeed產品是國內首創開發的醫療性智慧眼鏡，無論是硬體原物料取得、技術規格開發與建立以及相關系統整合的挑戰度皆高於消費性電子產品。此外，匯集跨領域人才並將其整合為核心團隊所用也是創業挑戰。在商務拓展方面，公司雖然累積臨床驗證實績與相關的產出發表，但市場通路建立仍需要持續努力拓展，希望能持續借重資策會等法人協助，積極創造更多元的市場通路與對接潛在合作的廠商。為加速國際拓展和市場營運交流，現階段公司將進行新一輪募資規劃以滿足發展。 創業至今，神經元科技是以長期發展、穩定獲利為營運目標，楊鈞程表示，我們除了聚焦既有專業領域外，更對附加價值的產品進行開發應用，透過公司軟體開發和軟硬整合的研發能量累積，拓展到其他醫學科別及領域。楊鈞程期許神經元科技能成為智慧醫療器材的先驅者，並滿足使用者和患者需求為研發導向，更期許成為生醫軟硬體系統整合的典範。對於中長期布局，公司將促進產學交流與培植生醫人才；整合產業上下游資源，創造智慧醫療解決方案與平台；並積極開拓國外銷售市場如美國、歐洲國際布局以作為企業永續發展的願景。

赫紀有限公司到「台灣兒童發展早期療育協會台東辦事處」舉辦一場AI故事繪本的互動教學，讓兒童、老師、家長一起進入沉浸式體驗教學。 AI生成兒童繪本教材 AI學習平台 nbsp 近年來台灣社會結構的改變，加上在醫院急診的經驗中，我們常常忽略了青少年所表現出的憂鬱症狀，導致孩子們出現自傷甚至是自殺的悲劇。孩子們憂鬱的產生往往很大部分都來自於學業上的表現，家長擔心孩子未來沒有競爭力，因此給予很多壓力在學業表現不佳的孩子身上。 nbspnbsp 一個家庭兩個孩子，有著相同的基因來源，提供相同的成長資源；我們發現第二個小孩通常在課業上的表現都不盡理想，成績不好，上課無法專心，就連看漫畫、打電玩也都無法有耐心與毅力完成，到底差異點在哪裡，我們一直在探索問題是如何發生helliphellip結果發現原因是幼兒時期對學習力出現障礙而沒有發覺。因後天環境因素導致學習力出現遲緩的孩子，八成以上的家長不會承認，也沒有意願帶孩子診療，主要擔心孩子會被貼上遲緩兒的標籤，因此孩子的學習力從幼兒時期就被迫遲遲了，進入國小國中後課業加重，落後幅度更大，家長生氣，孩子力不從心，家庭爭吵增加了，家長擔心孩子學業跟不上，便開始要求孩子要去補習，如果成效不好，花錢得不到好效果，則再次發生家庭革命，這些事件的不良循環都逐漸造成許多孩子在成長過程中累積了很多負面情緒進而影響健康的種種因子。 其實孩子考不好、學不會、不喜歡學習新事物，甚至產生影響健康的心理病症，背後很大的原因其實是幼兒時期學習遲緩累積造成的。六歲前是學習遲緩治療的黃金時期，若能在黃金時期可以發現與協助輔導，孩子們的學習能力將有機會可以被改善與得到10倍成效目前產業的痛點為以下 1缺乏學習力檢測方式市場缺乏樣本數據庫比對 2傳統家長思維迷思輕中度怕被貼標籤延誤治療 3缺乏治療教材教具治療行繪本和系列課程圈乏 本計畫將研發一個國家人才發展的生根輔助系統，利用 AI 技術發展出影響人一生健康的幼兒學習力檢測系統，陪家長共同守護孩子的「健康從學習力檢測」開始，早期發現、早期治療。在未來，台灣所有的孩子，不論出身，都能在幼兒時期將一生健康扎好根，長大後，孩子都能成為台灣國家發展的有用人才。 nbsp 2、nbsp 計畫內提出之AI應用技術與說明： 「兒童語言能力AI分析模型」。用以對「兒童表達一件事情」的「國語使用狀況」的「量化分析」。 情境：幼教師引導孩童敘述繪本內容。AI工具解析孩童描述繪本內容所使用的語句，並透過統計演算法量化分析孩童使用的語句。 分析指標：以「句型」及「語詞」為分析指標。分析內容包括：句型正確性、語詞多樣性、語詞使用數量、語詞使用正確性。 應用：單一孩童與同儕間語言能力分布的比較分析，可提供幼教師對不同孩子提供更細緻的語言能力教學。 使用技術：中文斷詞（中文分詞）技術、中文詞性標記技術、中文句法規則分析演算法、量化分析演算法。 使用工具：中文斷詞工具、中文詞性標記工具。 nbsp 3、nbsp 預期達成之產業價值： nbsp成立學習力檢測與輔助系統，透過治療型繪本與課程與幼兒園合辦學習力養成基地，讓孩子別停留在起跑點，陪家長守護孩子健康，從檢測學習力開始為目標，以強大樣本數據庫為後盾，提供家長早期發現孩子在學習上的延緩，協助孩子找回學習力。 nbsp 4、nbsp 預期達成之產業效益（經濟效益及未來擴散性、帶動性）： 透過本計畫，只要協助遲緩孩子學習力能大幅提升，孩子是國家的主人翁，自然可以幫助國家在人才發展上得到看不到但非常實際的潛在影響力。同時，學習力養成基地的目的，就是要幫孩子找回家長，以增加孩子與家長互動的時間，讓孩子可以拋去單純 3C 的單面向互動變成與家長雙面向互動。這將潛在影響被環境耽誤有潛在能力的孩子再次得到機會發揮。

近年來，人工智慧 Artificial Intelligence，簡稱 AI 已逐漸改變各行各業的運作模式，不過，絕大部分的工作仍然是由人類完成，AI 則扮演輔助的角色，因而出現了「AI Copilot」一詞，代表「由 AI 驅動的工具或助理」，旨在協助使用者完成各種任務，提高生產力和效率。 AI Copilot 的概念源自於「副駕駛」這個角色，在飛行中，副駕駛協助主駕駛員完成各項任務，確保飛行安全與效率。其實，工業革命的「機器」就開始有 Copilot 的影子，各種機器在不同領域中扮演「Copilot」的角色，輔助人類完成繁重的體力和重複性工作，大幅提升工廠生產效率，推動經濟快速發展。 隨著運算設備的進步、機器學習、深度學習、影像辨識等技術的突破，AI Copilot 的概念逐漸成形。AI Copilot 的發展標誌著從「機器輔助提升到智慧輔助的轉變」。早期的機器人只能完成預設的重複性工作，而現在的 AI Copilot 則能夠學習和適應新的環境與任務，並在實際應用中不斷優化自身表現。這一轉變不僅改變了人機交互的方式，也為各產業帶來了深遠的影響。 AI Copilot 的應用範圍涵蓋了各個行業，包括：金融、醫療、製造、教育、零售hellip等等，無處不在。 AI Copilot 於零售業的應用：AI 影像辨識結帳 在零售業，AI Copilot 的應用已經開始展現具體成果。 以 Viscovery 的 AI 影像辨識結帳系統為例，這套系統即為 AI Copilot 模式的一種，輔助店員加速結帳，或者輔助消費者簡化自助結帳流程。 nbsp 一般的結帳方式需要店員逐一掃描商品條碼，若是無條碼的商品，如：麵包、餐點，則需店員花時間先用肉眼確認品項，再一個個輸入到 POS 結帳系統中。根據一家連鎖麵包店實測，資深店員從「肉眼辨識」到「輸入一盤 6 顆麵包的商品資訊到結帳系統」的過程，就要 22 秒的時間，新進店員需要的時間可能更多。另外，根據一家日本麵包店業者分享，培訓員工認識、熟悉商品需要 1 至 2 個月的時間。 nbsp 現在有了 AI 影像辨識技術，店員可以把「辨識商品」的步驟交給 AI，由 AI 扮演 Copilot 的角色，1 秒內迅速辨識品項，加快結帳，整體節省 50 的結帳時間，優化顧客購物體驗。而培訓員工辨認麵包的時間成本，也能因此有效縮短。 nbsp 即便是帶有條碼的商品，AI 也可以在一秒內快速辨識多個品項，相比逐個掃條碼的方式，效率更高 nbsp 而有 AI 影像辨識「輔助」的自助結帳系統，則能夠讓消費者在沒有店員幫助的情況下，順利完成購物，省去刷條碼或在螢幕上查找品項的麻煩，提升購物體驗，在缺工、找不到店員的時代，也幫助店家降低營運成本。 nbsp AI 快速辨識多件結帳商品只要一秒鐘 圖片來源：Viscovery 近來，致力研發 AI 影像辨識結帳方案的新創在各國嶄露頭角，目前已知最輕量化的解決方案就在台灣，只要在結帳櫃檯安裝一支 Viscovery 的鏡頭與一台搭載 Viscovery AI 影像辨識軟體的平板，即可與店家既有的 POS 結帳系統串接，馬上啟用。 整合方式多元，有隨插即用的作法，也有與店家 POS 整合的 API 串接方案。 Viscovery AI 影像辨識系統可與店家現有的 POS 系統無痛整合 圖片來源：Viscovery AI 影像辨識結帳的導入實例 目前 Viscovery AI 影像辨識系統已導入台灣連鎖烘焙店、新加坡中式麵店、日本仙台百貨公司商辦超商 micormarket、日本麵包店與蛋糕店hellip等等。超過 700 萬筆交易筆數，都是透過這套 AI 系統完成，辨識超過 4000 萬件商品。這些使用案例展示了 Viscovery AI 影像辨識系統在零售行業的廣泛應用，未來將持續深耕、探索零售及餐飲運用 Vision AI 的各種可能。 nbsp Viscovery AI 影像辨識系統已導入日本、新加坡、台灣，使用於麵包店、蛋糕店、餐廳、便利商店等多個場域 圖片來源：Viscovery