:::

【110年 應用案例】 救命急如星火 AI病危系統監測掌握黃金搶救期

60歲的黃先生因中風住進醫院,在加護病房躺了兩周之後,突然病情急轉直下,經過搶救之後,才幸運撿回一命。事實上,在AI病危預警技術的輔助下,讓醫院能在病患心臟停止前的6-8小時,發現徵象並採取及時、準確的醫療措施,可大大降低病患院內死亡的機率。

病情的惡化是一個隨時間演進的過程,其細微推移變化絕非無脈絡可循。過往的研究報告顯示,發生非預期性院內心跳停止的住院病人中,約有六至七成在其心臟停止前6到8小時前已有徵象,但是卻僅有四分之一被臨床人員所偵知發覺,因此需要一種能更早期、並持續使用風險預警工具或系統監測病情,隨時警示醫護人員注意患者病情的細微變化,在病情進展前採取及時、準確的干預措施,有效減少不良事件或嚴重不良事件的發生風險。

非預期性病情惡化 無法及早偵測

急重症患者常出現不可預測的變化,及時發現或能預測潛在急重症患者為重要的課題。目前臨床常用的評估方式為Modified Early Warning Score (MEWS),利用簡單的生理參數評估 (包含心跳、呼吸速率、收縮壓、體溫、排尿量及意識狀態)篩選出高危險群病人,已經證實可以預測病人的臨床預後。

MEWS為單一時間點且制式化公式的評分機制,然而,博鑫醫電所研發的 AI病危預警-醫院急重症病危提早預警指標系統(EWS),係以即時反應預測病人狀態為目的,收集病患的連續性時間之生理資料進行深度學習,找出最佳預測模型,提高整體準確度。

博鑫醫電以大數據分析模型建置早期警訊系統(EWS)、IoT物聯網及5G通信技術,讓醫護人員透過通訊設備遠距離監控病患的生理狀況,監控急重症快速的病情變化,能掌握心臟停止前的6-8小時黃金搶救期。

博鑫醫電導入AI視覺判讀之後,無人化操作方式可大大降低醫護人力。

▲博鑫醫電導入AI視覺判讀之後,無人化操作方式可大大降低醫護人力

博鑫醫電開發之AI技術為梯度提升集成學習系統 (Gradient Boosting Ensemble Learning System, GBELS) 建置早期預警系統,為該公司開發之具有學習型之EWS預測演算法,屬於集成學習( Ensemble Learning)的一環,且歸類於監督式學習,提供以下三項功能:

一、早期警訊風險通知,以將具有代表性的數據,以GBELS進行分析,提供早期風險評分,讓醫護人員可即時進行臨床評估及提供適當醫療處置。

二、降低醫護人力:收集連續性生理監護數據,如心跳、呼吸、血壓及血氧濃度等,降低醫護人員書寫病例時間。

三、結合IOT物流網及5G通信技術,快速傳輸監護參數和影像資料等醫療數據,協助醫護人員透過通訊設備,遠距離監控患者的病情變化。

AI病危系統監測 掌握黃金治療期

博鑫醫電表示,急重症患者評估疾病嚴重程度是一項複雜工作,患者經常出現不可預測的變化。臨床醫護人員對病情判斷經常根據自己臨床經驗或直覺,缺乏科學、客觀,導致無法正確識別、及時發現潛在急重症患者,導致或誤診導致病患院內死亡率增加。 導入AI早期病危預警系統可輔助急重症的醫護人員正確的預判患者病情,更能讓患者即時受到需要的照料,藉此可以減少同時間急重症病房的人力安排並降低人力成本。

此外,易於攜帶的設計更有助於日後將系統導入救護車、居家照護等場所,對於急診患者可以更早得到適當的照料。院內的其他科別也可以在這套系統周邊開發新的應用,可有效加速智慧醫療技術的發展及推廣;以時下新冠疫情仍然肆虐全球多國的情況,此一系統也可以協助各地醫院更有效地照顧及監控重症患者的病情。

除了AI病危預警外,博鑫醫電也研發AI影像判讀-醫療生理監視器生命週期合規檢測(AVS),也就是以AI影像判讀技術,發展生命支持類醫療器材之自動化品質檢測儀器,解決醫療儀器檢測耗時問題,可降低70%的檢測時間,提高3倍的檢測數量、有效降低50%的人力成本,同時100%合乎法規要求,逐步解決醫療領域人力不足、醫療資源短缺、醫護工作超載等問題。目前已於中國大陸扎根,積極在歐洲為落地做準備,未來將朝日本及美國市場發展。

博鑫醫電研發AI影像判讀-醫療生理監視器生命週期合規檢測(AVS),解決醫療儀器檢測耗時問題,可降低70%的檢測時間。

▲博鑫醫電研發AI影像判讀-醫療生理監視器生命週期合規檢測(AVS),解決醫療儀器檢測耗時問題,可降低70%的檢測時間。

現階段博鑫醫電的智慧醫療技術已導入包括新竹馬偕、彰基、東元綜合醫院、高雄工學大學附設醫院、振新醫院、新泰醫院、台北醫學大學附設醫院等醫療院所;國際知名醫材製造商GE Healthcare.Inc、中國最大醫材製造商邁瑞醫療,皆為博鑫醫電代表性客戶。

推薦案例

這是一張圖片。 This is a picture.
實現無人商店夢想 喜鵲生活建構智能機產業未來

「喜鵲生活的DNA不會只有販賣機,我們相信販賣機結合科技、通路、人文,才能帶來令我們歡欣鼓舞的成果。」這是喜鵲生活官網上的一句話,讓販賣機帶來愉悅的生活,建構貼心、科技、永續的智能機產業未來,也是喜鵲生活創立的初衷。 成立於2018年的喜鵲生活,在成立4個月之後,即推出臺灣第一台自有品牌結合行動支付掃碼感應、藉由螢幕觸碰完成消費體驗、POS系統管理、數據聚集於後台的喜鵲U1智販機,讓消費者能同步世界的新零售腳步,體驗購買便利性、結帳安全性、視覺娛樂性、提升物流補貨效率的全新零售消費體驗。 傳統販賣機缺乏資訊可見度 AI技術協助資訊透明化 此次,喜鵲智能販賣機更搭載AI技術,提供可調整貨架空間、搭配工業電腦與大尺寸觸控顯示螢幕之自動販賣機,達成無店面商店之目的。 喜鵲生活表示,傳統販賣機最大問題即是缺乏資訊可見度。想要檢查庫存,就必須由補貨人員實際檢查每一部機器,這種做法既費時,成本也高。而當機器故障時,一般更是會長時間無法運作。大多數故障均無人通報,直到下次補貨人員抵達補貨才會發現。接著還必須等待維修技師排行程,而一等就可能需要數週的時間。 傳統販賣機缺乏即時互動性,當消費者投幣後遇到狀況時廠商無法當下處理。此外,傳統販賣機更缺乏彈性,無法應消費者偏好變化而調適。 傳統販賣機存在僅限零錢購物、支付工具單一;商品擺放數量有限,選擇性少等缺點。 受到COVID-19疫情影響,消費習慣轉為非接觸式的方式,致使無人化商店市場升溫。一般自動販賣機僅能擺放較單純的商品如飲料、食品等等。可販售的產業有限。而喜鵲開發出的專利販賣機可調整貨架空間,搭配升降貨梯,適用在各種類型的商品。此外,機台搭配工業電腦與大尺寸觸控顯示螢幕,能同時達到廣告託播的需求,預計朝無店面商店的方向邁進。 根據喜鵲生活觀察發現,近兩年來的消費者市場趨勢,消費者訴求便利生活、飲食消費型態重視餐飲體驗簡單快速,並且搭配手機連網訂購模式,而且熱飲及鮮食外送是兩大趨勢重點。而設置地點、販售品項、食用方式及多元付款方式是智能販售機的市場成長重點。 就便利性而言,臺灣消費者購買自動販賣機食品仍以車站、機場、學校、商業區公司附近為最高,多樣的付款方式也更獲得消費者支持,顯示未來自動販賣機可朝品項多元和支付方式多元兩大方向展開。 AI銷售預測技術整合後台管理 達到精準行銷目的 由於商品種類繁多,難以得知商品在不同因素如季節、市場情形、促銷活動等影響下的需求,容易造成缺貨或庫存過剩的狀況,喜鵲生活特別開發「AI銷售預測技術」,整合至後台管理系統,期能透過數據分析鎖定客戶購買偏好及意願,進而達到精準行銷之目的,進而做出精準的商業決策,有效分配有限資源。 導入AI系統可達精準行銷、庫存管理及供應鏈管理三大目標。 此一系統為專為供應鏈管理人員設計的調補貨決策輔助工具,透過 AI 預測未來銷量需求,協助企業有效優化產能、庫存及配貨策略。 其整體系統架構包括: 1資料探索性分析功能:針對資料內缺失值提供自動化補值、自動編碼及自動特徵篩選功能。 2建模功能 : 1提供迴歸Regression、時間序列Time Series Forecast共兩類預測問題類型之模型訓練功能。nbsp 2支援 Auto ML 自動建模,並由系統推薦提供最佳模型,亦可建立集成模型提升模型準度。nbsp 3支援多種演算法類型:Random Forest, XGBoost, GBM等演算法。nbsp 4支援多種時間序列模型:指數平滑、ARIMA、ARIMAX、間歇性需求、動態複迴歸等模型。nbsp 5支援多種模型評估指標:R, MAE, MSE, RMSE, Deviance, AUC, Lift top 1, Misclassification等指標。nbsp 6支援自動切割訓練資料集及Holdout驗證資料集,並可手動調整比例。nbsp 7支援自動模型集成學習 Stacked Ensemble、平衡函數學習 Balancing Classes、早停法 Early Stopping。nbsp 8支援同時建立多個模型,系統將依照建模需求配置資源,讓建模、預測等任務擁有獨立的運算資源且互不影響,在整體伺服器空間有上限的情況下,運算資源能有效率被利用。nbsp 9具有記憶體運算In-memory computing功能,可藉由大容量及高速的記憶體進行運算,避免大量從硬碟中讀寫檔案,提高運算效能。 3資料串接功能: 運用API嫁接,採用完整的資料串接自動化,不需要手動匯入資料,提高使用者體驗。 4圖表分析功能:針對商品銷量提供視覺畫圖表及基本統計值。 AI數據分析解決方案具備兩大優勢: 1創業機台租售 低成本開設無人實體店與連鎖零售業合作,透過智能機讓創業者以低於店面租金的成本經營零售生意。提供機台買賣及租賃兩種合作模式,依業者評估選擇。 2多型態商品上架 24小時隨時隨地販售商品,可上架達60多種多樣化商品,透明大櫥窗提升商品能見度,定期補貨及追蹤商品販售狀況,依需求調整產品類型。 近來網路與實體界線模糊化,顧客互動方式大幅改變,消費需求多變且個性化,零售業面臨前所未有的挑戰和不確定性,掌握數據成為關鍵。AI 數據分析解決方案能幫助零售業快速活化大量資料,打造無縫的個人化體驗,最佳化營運價值鏈並提升效率,強化企業核心競爭力。

【導入案例】巨量遙測空間數據AI分析雲端服務平台 使衛星遙測影像順利落地應用
巨量遙測空間數據AI分析雲端服務平台 使衛星遙測影像順利落地應用

衛星遙測影像雖然可以讓地面景物無所遁形,然真正要能落地應用至產業面,還需要耗費大量時間與人力。為有效解決客戶面臨巨量影像資料消化困難及消除跨領域用戶對衛星遙測影像處理的技術障礙等問題,興創知能研發「巨量遙測空間數據AI分析雲端服務平台」,作為智慧空間資訊跨域AI應用導入的新開端。 近年來,為了因應產業全球化衝擊,臺灣農業轉型持續走向科技化與精緻化,紛紛從微氣候衝擊、病蟲害防治等問題的解決,來提升農作物的產量與品質。為了精確掌握作物的生長環境、農業對於影像的使用,有了無限擴張的需求。 在早年UAV無人機尚未盛行的年代,人工田野調查是最基本、卻也最消耗人力的工作,有了UAV無人機的出現,航拍操作也許不太困難,但能拍的範圍受限,要精確地擷取空間資訊,還需要測量專業。此時,衛星遙測數據的使用可能就此跳脫過去使用影像資料的想像。 國家太空中心TASA資料倉儲服務 在近十年,現代衛星遙測應用技術的突破,數位地球成了全球資料採集的新趨勢、各國紛紛發展資料立方的影像倉儲技術,各國發展智慧農業成了最大的影像用戶之一,掌握作物的栽種分佈,就是掌握作物產量的第一步,有了免費的衛星遙測影像、強大的資料倉儲支援,以及團隊穩健的影像辨識技術,是加速農業轉型的重要支持。 運用衛星遙測影像數據 可加速智慧農業發展 然而,在過去,想透過衛星遙測影像來萃取大面積作物分布,也是困難重重,所需要花費的費用不說,若想使用免費的資訊,必須逛透國際太空機構的網站,在琳瑯滿目的衛星產品規格表中,審慎評估感測器規格、影像解析度以及再訪週期,找到適合的影像後,還得一幅一幅的看,去蕪存菁,接下來,動輒數百MegabyteMB的影像資料、連續幾十張的影像下載存檔,所用的電腦容量恐不堪負荷。 還有,當克服影像存取、備好資料後,接著必須開始確認下載的影像產品,哪些才是想要的波段,因為眼前看到的影像並不只是一個圖檔jpg或png,複雜的多光譜資訊、屬性欄位和座標資訊,光是確認正確的資訊,就耗費龐大心力。 而面對功能複雜的GIS套裝軟體,又是另一個麻煩的開始,複雜的影像前處理流程,以及缺乏彈性的機器學習套件,大幅降低分析資料的效率。好不容易做出作物辨識的結果,才發現可能已經過了圖資使用的黃金時期。上述複雜耗時的衛星影像處理問題,恰恰就是市場的痛點, 興創知能從傳統的機器學習擴展到現代的深度學習應用,研發在GeoAI框架下的「巨量遙測空間數據AI分析雲端服務平台」,為客戶突破這些空間資訊的魔鬼細節。 AI分析雲端服務平台流程導入前後之差異 興創知能表示,在我國國家太空中心TASA, Taiwan Space Agency的多年努力下,屬於臺灣的ODCOpen Data Cube系統也已打造完成啟動服務,與國際趨勢正式接軌,強大的倉儲技術讓使用者可以輕易的根據需求,擷取並使用特定時間與空間範圍的影像資料,倉儲收納了國際太空機構旗下的多個衛星影像資源,包含ESA的Sentinel-1每隔6日一幅、Sentinel-2每隔6日一幅,USGS的Landsat-7每隔16日一幅、Landsat-8每隔16日一幅,以及國內自有的Formosat-2每日一幅與Formosat-5每隔2日一幅。 以Python語言為基礎 興創知能開發衛星影像辨識工具 擺脫GISGeographic Information System套裝軟體的侷限,興創知能以Python語言為基礎,整合GDALGeospatial Data Abstraction Library,並考慮運算效率與平行處理,完成所有衛星影像處理與影像辨識建模所需的工具開發,包含座標系統與資料格式的轉換、網格與向量資料互動,以及資料內差與正規化等工具,都是以AI應用為考量進行設計,而部分常用的工具更以TronGisPy為名,打包為開源套件造福技術社群。 興創知能善用團隊對衛星遙測影像的了解,以及透過所蒐集的標記資料作物分佈圖資,預設好影像辨識建模過程,所需的訓練資料規格與資料集定義,套用事先完成的機器學習LightGBM或深度學習CNN框架,並讓整個訓練過程在Web GIS的介面中,提供使用者部分的彈性,自由篩選影像、確認時空範圍、選用模型與超參數調整。除了訓練模型的操作,也提供歷史模型的運用產出辨識結果,最終讓作物分佈的辨識結果展示在Web GIS圖台。 事實上,不僅只是農業才會有衛星遙測的應用需求,隨著各行各業為了提升企業全球性的競爭能力,空間資訊的智慧化應用也大幅度的出現在各種領域之中。舉例而言,擁有大量圖資的測繪業者,能夠透過AI分析雲端服務平台 ,收納圖資的同時也加速數化製圖的效率;在全球氣候劇烈變化與致災性地震風險之下,產業保險類別豐富,農業保險、金融保險或是災害保險,都與空間資訊脫離不了關係,透過遙測影像辨識掌握保險標的早已成為國際趨勢。 巨量遙測空間數據AI分析雲端服務架構

這是一張圖片。 This is a picture.
AI走入公益,食(實)物銀行也有時尚科技

社團法人台灣食物銀行聯合會以下簡稱本會以食物援助、貧困救濟、減少食物浪費、建構無飢網絡為組織宗旨,在台灣各地已有55個食物銀行據點,每日收集來自全台各地量販店、中盤商、零售商、製造商、甚至善心人士捐贈的愛心物資,也會搶救即將被丟棄的可食用物資,進行妥善調配並配送至需求的愛心戶手上,幫助在地弱勢邊緣戶。 但各據點皆需大量人力與志工以傳統聯繫方式處理食物銀行日常事務,聯絡非營利組織與捐贈機構,為據點收到物資捐贈後,再分配給有需要的家庭戶或個人。在物資管理上缺乏數位化與整合資訊,可能產生物資資源分配不均問題。 倉儲轉運中心與迷你食物銀行 分配弱勢物資 本次場域驗證單位社團法人高雄市慈善團體聯合總會食物銀行據點之一,以下簡稱高慈總 於109年6月24日正式啟用台灣首座「食物銀行-倉儲轉運中心」佔地200坪,提高食物物資再分配、運用之效益、妥善存放及食物物資管理,至今已搶救近二百噸蔬果續食,服務一百多個團體、逾5萬戶弱勢家庭受惠,持續服務19家迷你食物銀行,將於高雄多個行政區陸續落成,分配食物物資給超過10萬人次弱勢家庭。 高慈總「食物銀行-倉儲轉運中心」於高雄大社區 照片來源 社團法人高雄市慈善團體聯合總會 人力與食物物資管理的挑戰 面對大量經濟弱勢家庭的需求,「食物銀行-倉儲轉運中心」的管理顯得格外重要。進貨時需進行分類整理、汰廢、入帳等繁瑣的工作,出貨時則需參照社工員的食物物資需求做配置建議。這些工作都需要依靠人工判斷及經驗累積。而參與的志工多為高齡人士,體力有限,而倉儲工作需耗費大量體力,志工的招募困難重重。倘若有大批食物物資進庫,在調配上會耗費空間與人力整理、盤點,並同時擔憂食物物資是否能有效的被運用及周轉。也顯示出食物銀行服務逐漸擴大規模,但人力與物資管理系統無法隨之配合。 同時食物銀行物資來自各界之捐贈,故類別多樣且效期、規格、數量也均不相同。迷你食物銀行的志工夥伴,多數也為高齡人士,但卻需執行個案服務、食物物資管理配置、物資資源開發等多重職責,有時也需向物資領用者說明並接受即期、大量特殊性的物資,如成人接受嬰兒奶粉。 「食物銀行-倉儲轉運中心」物資盤點需要皆仰賴人力 迷你食物銀行志工具多重職責 照片來源社團法人台灣食物銀行聯合會 報廢物資減少60 物資轉遞速度增加80 為精進物資管理並達到物資有效利用,並解決人力短缺等問題,在本次場域實證案導入「食物銀行倉儲物資募集AI自動預警需求判讀系統」,第一部分為建構分類模型之前置作業,建置以及蒐集場域倉儲資訊,進行AI建模訓練,將過往場域倉儲資訊收集建置成資料庫,使AI可進行預處理、分類等工作。同時視其物資種類之相依狀況作為特徵值,導入演算法中進行運算建模,再依收集之資料進行重新訓練,最終進行場域驗證並針對經常性五大類物資進行數據整理,以建立數據資料所需之訓練及測試資料集,第二部分以演算法之RNN技術建構分類模型;進一步利用強化學習建構食物銀行倉儲管理機制,使分類完善之受贈物資如白米、沖泡飲品、麵條、泡麵、罐頭等可以根據儲位指派原則自動指派儲位。 AI服務系統服務流程與說明 資料來源社團法人台灣食物銀行聯合會 在AI預判下,可優化物資轉遞速度及物資調配,有效精準配對物資捐贈並降低捐贈歷程的損耗,增加物資分配正確性,提高媒合服務率即捐贈成功率,降低錯誤物資造成人力物力浪費,即時監控食物物資的庫存,確保操作者能夠迅速回應需求,有效提供物資援助。 以AI系統的導入,加上數據智慧化建置,協助倉儲轉運中心的運作,可爭取更多時間分配捐贈物資使用。導入加速社福團體數位化服務推展,完善照顧整體社會弱勢群組之需求。 使用系統進行物資分配調度 照片來源 社團法人高雄市慈善團體聯合總會 透過本次的場域驗證後,未來可推廣至食物銀行其他服務據點導入AI系統,也可與更多非營利組織、公益團體、慈善團體等夥伴合作,擴大「食物銀行倉儲物資募集AI自動預警需求判讀系統」應用範圍如醫療用品配送,幫助更多組織更智慧化地管理和分發,減少物資的浪費,以提高社會福祉。