:::

【110年 解決方案】 客製化AI模型 嘉衡科技協助客戶加速導入AI應用

新冠肺炎病毒(COVID-19)疫情之後,加速各行各業運用數位工具進行數位轉型的腳步,然而,對於企業主而言,不免要問:到底值不值得導入AI?導入之後對於企業本身產生多大的效益?事實上,現階段有許多自動化機器學習(AutoML)的平台,均可以協助企業加速導入AI化、建立AI模型,讓企業導入AI變得簡單化。

企業導入AI面臨挑戰大,自動化機器學習平台提供解方

嘉衡科技總經理梁百鋒表示,企業導入AI,面臨了人才難找、資料處理、建模時效、生產結合、技術掌握及成本效率等種種問題,然而,不是每一個環節或流程都需要導入AI技術,企業需要的是滿足業務需求的人工智慧客製化解決方案,因此AutoML是企業應用人工智慧技術的核心工具。 以往要建立100個AI模型,需要100個建模專家,運用AutoML,建100個模型,只需要幾個資料科學家。AI模型建立之後,加入企業生產流程,使得複雜的應用場景,透過高度客製化建模,就能滿足客戶的需求。

在企業導入AI的過程中,以往都高度倚賴人工智慧專家,未來則由產業專家驅動,以解決企業實際業務場景應用為成功關鍵。梁百鋒認為,有四大關鍵階段:

一、 場景選擇:判斷機器學習對於解決問題是否為正確的方式。

二、 數據準備:資料只是材料,如何選擇「對」及「有效」的資料才是關鍵。

三、 模型建立:注意模型的設計效率,多模型組合才能解決問題。

四、 生產整合:模型滿足生產的限制條件,同時基於生產條件的調適彈性。 要解決傳統人工智慧模型設計所面臨到的業務場景多、落地門檻高、落地周期長、成本高等問題,就必須利用AutoML技術打造一個自動化平台,就能有效解決人工智慧發展與落地的問題。

DarwinML 四大核心技術,協助企業從「零」開始設計模型

嘉衡科技所開發的DarwinML 是以基因演化理論為基礎的人工智慧機器學習模型自動化設計(AutoML)平台 ,DarwinML以演化的方式進行機器學習與深度學習模型的自動設計和優化,具備極佳模型生成與模型超參數優化能力,可從「零」開始自動設計模型。

DarwinML 四大核心技術分述如下:

一、模型基因庫:收入大量的演算法和基礎模組,可應用於深度學習(Deep Learning)、機器學習 (Machine Learning)、及數據特徵提取 (Feature Extraction)。

二、自動演化算法:採用了遺傳學演算法(Evolutionary Algorithm)、模型解釋性統計法和強化學習技術,在不斷的模型演化過程中,提高模型的品質。 三、完整的模型生命周期管理:利用 DarwinML 及 Darwin Inference 建立完成封閉系統的模型產生、使用、再優化的過程。

四、多節點並行運算:可基於CPU或GPU運行多節點加速運算,並可部署在企業的私有雲,保障資料安全與模型的機敏性。

DarwinML大幅縮短建模時間,效率顯著提升

▲DarwinML大幅縮短建模時間,效率顯著提升

傳統模型設計流程中,原本從資料特徵提取、模型設計、模型訓練到參數調整,由AI工程師手工建模需要耗費3-6個月時間,但運用DarwinML自動建模,可以縮短至3-7天,時間大幅縮短,效率顯著提升。 DarwinML可以全自動目標導向生成模型與規則集,模組具備自我進化能力,其核心技術包括機器/深度學習/模型基因庫、模型演化設計演算法、大資料並行計算技術等,所產生的效益包括:

一、資料整理、資料標籤、數據清洗半自動化,標籤工作量和資料量依賴降低40%。 

二、機器學習建模縮短至分鐘級,建模能力高於傳統建模5%-10%。 

三、深度學習建模縮短至小時級,建模水準與業界最優模型一致,但模型更簡單、更快速。

(本文源自於「AI Engineering線上小聚」內容精選整理)

推薦案例

這是一張圖片。 This is a picture.
AI缺陷智能化檢測-降低製程耗能智慧監控解決方案

AI缺陷智能化檢測-降低製程耗能智慧監控解決方案 當一片貼片陶瓷基板上有超過2萬顆貼片電阻,應該要如何快速檢測答案是用AI來檢測。 在當前科技迅速發展的時代,雷科自豪地宣布其雷射加工技術的顯著進步,這一突破得益於人工智慧AI領域的創新應用,雷科致力於將先進的AI技術整合至雷射加工機中,於2019年與合作廠商共同開發出全球第一台結合AI技術的雷射加工機,並以此為基礎上進一步在2023年打造了首台結合AOIAILASER的陶瓷載板檢測機。 智慧陶瓷載板檢測機 藉由AI與機器學習的導入,加上樣本大數據的累積,在系統愈變愈聰明的狀況下,使產品良率在一年內提升5、將檢測速度由原本2分鐘片大幅降低至20秒片、大幅降低了檢測成本、在前段有效率檢出與雷射標示後,可降低後段製程上的浪費,減少整體場域碳排、並可自動產出詳細檢驗報告,以進行數據分析與優化,有助於提升設備產能、降低人為疏漏,使雷科的設備產品更具價值、強化我國電機電子產業之國際競爭優勢。 雷科股份有限公司Laser Tek成立於1988年,並於2002年正式掛牌成為上櫃公司,成立迄今已成為具指標性之SMD電子包裝材料、SMT檢測設備、雷射設備等全球性銷售通路服務及設計製造商之一。 雷科總經理擁有20多年雷射整合經驗,他觀察到被動元件客戶每個月產能可超過10億顆SMD元件,但伴隨著SMD元件尺寸持續微型化發展,其生產製造時之瑕疵檢測作業變得更加困難,一片陶瓷基板上動輒上千上萬顆元件,元件尺寸越小,印刷雷射加工位置更加微小,檢測難度就越大,而更容易出現偏差,因此生產檢查成為相當重要的一環。 R-SMD生產檢查流程 AOI良率過殺問題,靠AI來把關 而AOI檢查機是普遍且成熟的機種,但市面上的高精度AOI運作方式是以單次拍攝小圖移動拼接成大圖,精度雖高但檢查時間較久,小尺寸SMD元件更易受環境干擾,如:光照和振動等容易造成誤判;因此AOI僅能以抽檢方式估算良率,且抽檢良率差的元件也並非單獨去除,而是連同良品整個剔除;人力複檢不但成本提高,每個人的檢查標準又無法統一,最終導致的結果,是平均會發生約2-5的產品未被檢出不良品而流入後段製程,即約每月至少2,000萬顆不良品之SMD元件,因未能在初期被檢測出,而造成後續各段製程中,不良品上依然會有印刷、加工檢查等流程,無論是油墨耗材及能源的浪費,增添了成本負擔,更因此加速設備磨損、使設備運作壽命簡短,而每一階段的浪費,皆會增加場域製程的碳排放量,不利於企業的碳足跡盤查。 0402修阻後樣品照片範例 傳統AOI 自動光學檢查的高誤判率也是業者面臨的一大生產痛點,在被動元件產業對於良率「寧可錯殺一百,不可放過一人」的高標準要求,往往會把 AOI 參數設定極高規格,導致設備異常敏感。當數據參數設定過於嚴苛時,易造成高誤判率。例如:當被動元件的汙染髒汙與印刷層顏色相近時,AOI 過篩誤判率可能高達 7 成。 汙染髒汙與印刷層顏色相近AOI易誤判 雷科有別於其他AOI供應商,捨棄了小圖拼接或線掃描方式,有效避免圖像處理時硬體或環境造成的資料遺失與斷差,採用超大面陣感光相機搭配訂製高解析度鏡頭,透過特殊影像進行合成處理。合成的過程中,感光元件的每個像素位置上都包含了從多個不同位置捕捉到的光線資訊。通過將這些資訊結合起來,影像的解析度和細節得以提高,達到億萬級別的分辨率,配合多重自動調整光源,單次拍攝可處理涵蓋7070mm,影像解析度可高達5um,取得清晰影像,再透過Smart-AI技術進行分析篩選。 三大妙法打造快速檢測Smart -AI 雷科總經理分享,快速將AI技術導入並減少檢查運算時間,並開發Smart-AI有三大方法: 方法一、先以AOI方式快速將良品與含爭議的缺陷品進行二分法區隔,將檢測重心放在少數不良的辨識上。 方法二、自動標註平台簡化訓練問題:運用攝影機蒐集機台的資料,用自動標註取代人工標註,逐步訓練以拉高精度,問題越簡單,訓練所需資料越少。 方法三、AOI與AI雙軌並進:在智慧製造流程中,僅僅單靠AOI或AI無法畢其功於一役,必須由AOI先行,將特徵值標出,同時區分是良品或是瑕疵部分,再以AI方式進行標註與訓練。接著利用可重複串聯的加疊效應,其檢測效益更大,隨著訓練資料累積越多,AOI比例降低,AI比例逐漸提高。 修阻後物件偵測與訓練 透過三大方法逐步構建系統信賴度,並將資料進行缺陷整理分類,最終將AI判斷結果回傳到主機,以雷射加工方式在製程前端控管將真正的不良品剔除,減少不良品流入其他站別,造成重複檢測或重複加工的損耗。 智慧雷射設備第一,選擇LASERTEK就對了 由臺灣品牌雷科持續打造結合AI智慧檢測與雷射加工設備,以逐步建構由原材料、產品、檢測、雷射設備等相互相加疊而成的智慧化監控解決方案,以降低生產製程之耗能為目標,落實發展半導體 載板及元件加工等領域,產出能在低碳條件下仍可滿足終端使用者需求之設備產品,以快速且優質的產品與服務來拓展國內、外需求市場,增加本土Made in TaiwanMIT設備之全球競爭力。

【解決方案】瑕疵辨識率達百分百 耐銳利科技獲面板大廠青睞
瑕疵辨識率達百分百 耐銳利科技獲面板大廠青睞

工具機生產線上,組裝的第一步有些微差池,累積公差將造成組裝工作要重來,耗時又費力,導致出貨延遲的情況將衝擊企業聲譽。耐銳利科技公司聚焦智慧製造領域,提供各式AI解決方案,運用機器學習模型傳承老師傅的經驗,在CNC加工機組裝及鑄造過程,利用AI分析產線數據,精準調校各式數據,提升生產精準度 25。 這套AI產線數據分析系統,被耐銳利科技董事長黃常定稱為「師傅40」,就是師傅加上人工智慧的最進化版,用在工具機加工廠,成效斐然。此外,耐銳利科技運用AI瑕疵檢測技術,參加經濟部工業局2021年AI新銳選拔賽活動,協助友達進行面板進階影像瑕疵檢測,正確率達百分之百,引此也榮獲大獎。 協助面板大廠友達解題 瑕疵檢測正確率達百分百 黃常定進一步說明,一般面板在生產時,邊邊角角可能會有缺陷,雖然缺陷肉眼可見,但AOI卻往往難以辨識,導致檢測錯誤率常常超過30,因此,一定要搭配人力進行複檢,才能提高正確率。然而,因應少量多樣的產品需求,在人力不足的情況下,運用AI檢測確實是一個好方法。 成立於2018年的耐銳利科技,在短短三年期間,AI技術就能獲得面板大廠的青睞,實則在CNC工具機領域磨練已久。耐銳利科技總經理唐國維指出,台灣前三大CNC工具機廠希望將AI導入組裝及鑄造兩條產線,其中,在組裝產線上,為保持組裝的準確性,設計組件的每一個零件均會設計公差,在組裝時,每個元件都在公差內,但累績公差最後品檢仍無法通過,必須拆掉重新組裝,不僅耗時耗力,也造成浪費。 「進入產線之後,才知道有些師傅累積很多經驗,很會調校,經過他調校之後,正確率提高不少,速度又快。」反之,新來的工程師沒有經驗,調校時間比較久,也未必能通過品質檢測。 師傅40系統 良率從70大幅提升至95 唐國維接著表示,原本師傅在組裝時所設定的尺寸資料都記錄在紙本上,資料寫完之後就存入倉庫封存,沒有人去研究尺寸之間的關係。耐銳利協助客戶設計師傅40系統,透過人機面板,讓師傅在組裝時直接輸入所測量的尺寸及相關數據。蒐集不同師傅的數據之後,再運用AI演算法分析數據間的關係,做出AI模型,AI模型自動通知作業員要調整到甚麼樣的尺寸,品質檢測就一定會過,如此一來,良率從70大幅提升至95以上。 耐銳利科技公司聚焦於智慧製造領域,提供各式AI解決方案 唐國維補充,組裝一台CNC加工機的主軸要耗費四小時,第一步驟機器量測錯誤,包括震動、溫度,速度等超過範圍,都要拆掉重裝,又花了四小時。拆掉要如何調整,是憑藉師傅的經驗,可能一開始師傅憑經驗做了最好的組法,但錯檢率也達30,組裝又耗了好幾天。透過AI師傅協助,組裝時間只需半天,良率達95以上,省下許多時間及人力。 「運用機器學習的AI模型,綜合所有師傅的經驗蒐集在一起,提供給AI學習。第一步要數位化、第二步則是知識化,這是企業邁入轉型的重要關鍵」,黃常定認為,耐銳利科技是傳統製造業從自動化生產走向邁向數位轉型的重要夥伴。 此外,耐銳利科技另一個聚焦的產業是電梯廠領導品牌的智慧派車系統。所謂派車指的是電梯車廂,即兩部電梯以上就需要群管理。過往派車依據固定法則,如哪一台距離叫車比較近,就自動派那台電梯,一方面沒有考慮到電梯被叫太多次的派車,可能會讓其他人等待更久;另一方面過往的派車模式並無考慮大樓使用特性,造成許多浪費。例如辦公大樓,早上上班、中午休息及下午下班時段各有尖峰時間,透過AI智慧派車可以依據離峰及尖峰時段進行彈性調整,讓派車效率增加、降低等待時間,同時減少電力虛耗。 導入電梯智慧派車 提升運輸效率兼具環保功能 黃常定補充說明,就好比之前的路口紅綠燈號誌,系統已將主幹道、副幹道及小街道的停留及通過秒數寫死,現在則運用智慧紅綠燈,彈性調整等待時間,讓容易壅塞的路段更加順暢。透過AI學習使用情境,在電梯中導入智慧派車系統,會讓輸送效率提升,也更加環保。 除了導入電梯智慧派車外,耐銳利也將AI導入電梯廠的生產出貨智慧排程系統 。電梯廠常常無法準確預估客戶的電梯交期,例如,辦公大樓或賣場等必須完工到一定程度,電梯才能進工地安裝。若受到客戶工期延遲等非預期因素影響,往往造成電梯廠產閒置或是排程不易安排的窘境。 唐國維指出,一般了解客戶端工程進展者可能是業務或工務,但整體而言,出貨正確率大概只有六成左右,也就是說有四成不會如期出貨。因此,若能準確預估出貨時程,就能將產線空出來以因應急單或是其他產品生產需求。AI智慧排程系統將分析過去出貨的資料,氣候、工廠及施工端兩地距離位置、客戶信用等約20-30個參數,放入AI演算法中,可以精準預估到底能不能如期出貨。 黃常定也特別說明,耐銳利科技的機器學習非一般的機器學習,更加入傳統影像處理技術、統計學等各種運算方式,要對領域知識十分熟稔,才能作出好的AI模型,這也是公司競爭力之所在。他強調,一般SaaS平台能處理的資料十分有限,正確率頂多從7成提升至7成5,耐銳利的強項在於AI演算法及機器學習,必須再加上深厚的產業領域知識才能產出好的AI模型。 耐銳利科技從AI專案開始,逐漸深化技術,選擇從困難度高的做起,並累積經驗法則,預計在今2022年開發出SaaS服務,以客戶的需求為出發點,逐步站穩腳跟、成為智慧製造的重要夥伴。 圖左為耐銳利科技總經理唐國維及董事長黃常定右

【解決方案】破壞式創新商模 奇翼醫電推出行動醫療裝置- 心電圖傳感器 打造遠距醫療當中最後一塊拼圖
破壞式創新商模 奇翼醫電推出行動醫療裝置- 心電圖傳感器 打造遠距醫療當中最後一塊拼圖

隨著後疫情時代來臨,全球遠距醫療發展方興未艾,促使智慧醫療技術在去中心化醫療需求大增。其中,行動醫療裝置若能提供真實世界居家或院外數據供醫院使用,相信必能減輕醫師或醫療人員診療負擔,降低健保支出。為此,奇翼醫電Singular Wings Medical推出遠距醫療保健整體解決方案,結合卓越穿戴式行動醫療裝置設計、創新軟體研發、AI演算法及雲端平台服務,將成為遠距醫療當中最後一塊拼圖。 奇翼醫電創辦人暨總經理李維中David Lee表示,當時創業初衷是因為親身目睹台灣長久以追求低成本的大量生產,導致產業的價值不斷下降,舉例來說,三十年前矽谷的產值與台灣新竹科學園區差不多,但在三十年後,矽谷產值在2020年年底達到14兆美金,而新竹科學園區在2021年年底還不到15兆台幣。看見矽谷對產業需求的敏銳度和破壞式創新如Uber, Airbnbhellip產業趨勢及後疫時代帶動遠距醫療服務大增,進而創造高產業價值,因此在45歲時創業,構思如何結合台灣十幾年累積產業優勢和矽谷的創新模式,決定透過醫療產業、ICT技術產業和創新商業模式整合,幫助台灣產業升級,找出全新的道路。看見台灣在醫療產業與電子電機產業一向是最菁英的人才匯集之處,相信透過兩者結合,再加上創新的商業模式,就可以有機會像矽谷看齊,做出不一樣的事業。 依據台灣通訊診察治療辦法,台灣在遠距醫療的市場需求上,分為緊急如COVID-19和特殊必要如離島或後山等地理特殊位置等兩種現況,允許進行通訊醫療診察。實際上,全球遠距醫療去中心化醫療發展正方興未艾,但對於滿足去中心化醫療的智慧醫療技術需求仍有待實現,除了醫療技術缺口,也包含看診金流、患者身分辨識、遠距問診收集,促使智慧醫療技術的推波助瀾。李維中觀察,遠距醫療去中心化醫療能成功落地,最好透過院外或居家使用,且日常生活中輕易取得的遠距醫療裝置。其中,裝置的數據是關鍵,能提供醫師可相信和應用的院外真實世界數據Real World Data或 Real World Evidence,才得以精進診療手段。實際上,這類型的遠距醫療裝置並不普及,導致遠距醫療照護不容易完成。另外,隨著手環手錶類的穿戴裝置增加,但這類裝置能真正能提供的資料多半不足以做為醫療用途且不容易確效Validation and Verification。李維中表示,健康意識越來越受到人們重視,對於遠距醫療裝置是正面鼓勵,相信只要有適當的商業模式,找到正確方式與醫院、醫師合作,減輕醫師或醫療人員負擔,降低健保支出,奇翼醫電必定有機會可成為遠距醫療當中最後的那一塊拼圖。 成立於2015年的奇翼醫電,其核心團隊包含來自醫工與資訊背景的年輕工程師和經驗豐富的創業家等22位多元化專業人才組成,共同致力打造遠距醫療保健整體解決方案,包含行動醫療裝置Beatinfor Health心電圖傳感器之硬體設計、軟體研發及後台雲端平台服務。基於心電圖ECG是人體最重要的生命徵象體溫、脈搏、呼吸和生理數據之一,其可反應出人體的各種生理變化,例如心血管健康、發炎、感染、出血、受傷或焦慮的指數變化。為此核心概念,奇翼醫電致力以穿戴式心電圖為核心技術,同時採集心電圖等重要生命徵像和環境參數,構建基於大數據、機器學習AI演算法系統和後台雲平台服務,幫助解決遠距醫療中最重要的心血管疾病、睡眠問題、新陳代謝疾病等特定慢性疾病。 心電圖傳感器 連續性生理數據監測 降低急性心臟衰竭病人出院後30天內11死亡風險 為實現遠距醫療服務,奇翼醫電推出整套遠距醫療保健整體解決方案,包含穿戴式行動醫療裝置-心電圖傳感器BEATINFO ECG、必應健康BEATINFO HEALTH APP、AI演算法、網頁及必應健康BEATINFO HEALTH雲端服務平台組成。BEATINFO ECG 傳感器為 BEATINFO HEALTH APP健康雲端平台專屬配備,充飽電可連續使用 40 小時,裝置輕巧僅15g,此傳感器可透過貼片或胸帶方式,來收集使用者的心電圖、呼吸、皮膚溫度、身體動作姿態和環境參數。目前BEATINFO ECG 傳感器擁有美國、台灣專利8項,並於2017年榮獲2次德國iF設計大獎。 行動醫療裝置-心電圖傳感器可提供連續性生理數據監測 在整體技術特色上,必應健康BEATINFO HEALTH雲端服務平台具備連續性、遠距、即時性與動態性等四大關鍵的生理數據偵測特性。在操作上,使用者可於Android 或iOS系統下載必應健康BEATINFO HEALTHAPP,其介面可提供生理數據狀況、健康評估報告訂購如一日睡眠評估報告或心血管健康評估報告、高強度運動測驗的心血管評估報告、第三方遠距醫療諮詢服務等功能。使用者透過貼片式或胸帶方式的心電圖傳感器搭配端雲端平台進行連續性的生理偵測,在傳輸到雲端進行進一步計算之前,所有數據都將先被去識別化處理,並可供專業數據報告供醫生判斷。必應健康BEATINFO HEALTH雲端服務平台具備強大的雜訊濾波處理能力與快速的波形識別判斷以及高複雜度雲端架構與通訊技術。為什麼雜訊濾波處理能力如此重要 因為一般醫院內的醫療器材必須要求使用者以靜態情況下完成短時間的量測,通常院外生活情境下資料是醫院所蒐集不到的,而這個資料對醫師了解病程進展與離院病人情況又顯得日益重要。因此,若在日常生活狀態下持續記錄非常微弱的心電圖信號,其實需要克服非常高的技術門檻,當這些信號經過雜訊處理之後,會先經過AI演算法判斷,才可初步的快速結論,讓使用者可即時避免某些致命的風險。雲端架構則是提供了更深一層的第二階運算,也涵蓋了商業模式架構,提供之服務模型例如使用者管理、自動報告產生、記錄保存、警報通知以及串接更多服務如第三方警急救援、第三方醫療諮詢、醫生和病人對接、看診金流等功能。 業界競爭優勢上,相較於業界手環手錶類產品,奇翼醫電的心電圖傳感器BEATINFO ECG提供精準的醫療等級量測,可連續不間斷的紀錄收集生理數據,提高任何突發性或偶發性的病徵機會。與同業的心電圖貼片比較上,則提供了即時的資料回傳與網頁版的管理工具,並且可以產出各種報告,供管理者在網頁上遠距管理大量的使用用戶。根據北醫統計,急性心臟衰竭病人在出院後30天內死亡率高達11,若透過心電圖傳感器配置於病患達30天連續不間斷的即時監控,有機會可降低部分死亡風險,同時也能大幅降低健保的支出。此外,在心血管疾病的情況下,若用戶佩戴該設備一段時間,則可獲得定期的心血管評估報告,並供醫生進行後續深入檢查。 除了心血管疾病的量測外,心電圖傳感器配置可提供睡眠呼吸中止症OSA居家評估,量測中患者可從中發掘出潛在且容易忽略的心血管疾病,用戶無需在睡眠病房度過乏味的夜晚,透過心電圖傳感器的貼片和AI演算法,患者只需在家睡一晚即可收到 OSA 測試報告。如果需要,醫生可以通過任何互聯網瀏覽器遠程即時獲取患者的病情。因此,藉由心電圖傳感器穿戴服務,使用者可從量測過程中發掘出隱性且不知道的心血管疾病如猝死相關的心律不整問題,以避免不必要的憾事發生。 奇翼醫電的商業模式,以B2B2C為主,希望協助個人、醫院、企業、照護服務等單位,創造多贏格局。李維中分析,商業合作模式相當彈性化,無論是租賃或買斷方式的穿戴量測裝置,或是為降低使用者購買裝置的成本,提供以年計費的報告訂閱制,例如包含2分鐘心電圖、7日心血管健康評估、運動心血管健康評估、睡眠健康評估報告等彈性化的訂閱組合。 群組心血管監控系統解決方案 打造多對多的即時生理資訊監控平台 以預防代替診斷 除了提供給個人用戶進行遠端行動化生理數據量測,BEATINFO雲端平台,提供「群組心血管監控系統」解決方案,透過網路技術,可打造多對多的即時生理資訊監控平台,病患只需配戴輕便的監控貼片,後端系統即可掌握其生理資訊的變化,以預防代替診斷,降低心血管猝死的機率。此平台提供3項功能,包含可分群分組分階層管理不同的用戶,用戶人數可達數萬人之多;可在網頁工具上即時顯示用戶的基礎生理資訊,在某些特定的預設條件被觸發時,此平台會即時發出警報;也可以在平台上回溯歷史資料,非常適合醫師在問診的時候,查看病人在院外的病程發展。 對於「群組心血管監控系統」解決方案的應用上,以高強度運動為例,例如長距離的跑步與自行車、登山健行活動或出國旅行等,都需提供事前的心血管健康評估活動,以及相應的評估報告。此報告可以讓使用者與醫師分享,以利參賽者於活動前做好評估,或是檢驗自己的訓練成效,在事前就可大幅降低活動進行過程的意外風險。在活動過程當中,群組心血管監控系統也提供大量參與者的即時現場監控,可以在運動的當下,由後台的AI即時監測,一旦有意外發生,平台可以立即發出警報,甚至可以通報意外發生地點的GPS定位,並且在搜救時持續傳回使用者的生理資訊,爭取黃金搶救時間。 在運動監測應用上,以高爾夫球為例,該如何提升高爾夫球選手推桿擊球表現呢選手的表現和專注力通常與個人情緒穩定性有直接關係。李維中表示,藉由奇翼醫電的心電圖裝置在HRV分析,可協助判斷選手的情緒和壓力指數表現,同時有助於高球教練進行選手的選拔與訓練。 群組心血管監控系統可打造多對多的即時生理資訊監控平台 在台灣站穩腳步 邁向美歐市場 朝向數據公司目標邁進 面對技術研發與市場推展的挑戰上,奇翼醫電在心電圖的自動判別需要大量的數據供AI演算發使用,為此,奇翼醫電必須與醫院進行合作,共同開發才能夠完成。目前公司已經與許多醫學中心與研究單位有很好的合作關係,逐一克服了這些技術瓶頸。在市場推展上,李維中表示,奇翼醫電面對最大挑戰是要與市場溝通,讓大眾了解在競爭對手的手環手錶類產品與公司的行動裝置-心電圖傳感器差異性在哪裡。相較於市面常見的手環手錶類產品以非連續性方式蒐集心電圖資料,可能需長時間非連續性資料蒐集才能看運氣的發現潛在心血管問題,奇翼醫電積極向大眾推廣心電圖在連續性偵測資料的競爭功能特性,並強調能協助很多潛在疾病的檢出是非常重要的手段,以預防代替診斷,降低不必要心血管疾病機率發生。另外,業務推動上,也希望透過法人資策會協助下創造更多業務媒合和新創募資的機會。 展望未來,李維中期許奇翼醫電能成為遠距醫療在健康穿戴裝置-心電圖服務的最後一塊拼圖。李維中表示,短期奇翼醫電希望夠在台灣站穩腳步,成為人人家中常備的醫療器材,如同溫度計、血壓計一樣。公司也不斷地在開發新的適應症,由心電圖出發,加上AI與大數據,可以應對更多的慢性疾病,除了心血管疾病之外,我們也陸續開發了睡眠呼吸中止症與其他更特別的應用,瞄準的都是現代人非常有可能會遇到的年老慢性病的問題。中長期布局,奇翼醫電將進軍美國與歐盟市場,邁向國際性的公司,並持續以成為數據公司為目標,善用公司長久蒐集的數據應用,提供從新藥開發、疫苗發展等多元領域應用,以創造商機與獲利。