嘉義基督教醫院周信旭主任的團隊與綠湖數位醫療設備股份有限公司共同研發「寶命防跌-智慧型兒
童床跌預警系統」，結合深度學習演算法、物聯網技術與資通訊科技，精準預測床跌風險並發出警
報，顯著提升住院病童安全。
童床跌預警系統」，結合深度學習演算法、物聯網技術與資通訊科技，精準預測床跌風險並發出警
報，顯著提升住院病童安全。
兒童床跌問題嚴重，傳統防護效果有限
根據衛福部統計，兒科病房跌倒事件中，高達51.2%為病童從床上跌落，且多數歸因於照顧者防跌
認知不足、警覺心不夠或未正確使用床欄。傳統預防方式如衛教宣導、定期監測等效果有限，而市
面上的離床警示器常因假警報過多，導致使用者體驗不佳。
認知不足、警覺心不夠或未正確使用床欄。傳統預防方式如衛教宣導、定期監測等效果有限，而市
面上的離床警示器常因假警報過多，導致使用者體驗不佳。
熱成像結合AI，實現即時床跌風險預警
該預警系統利用熱成像攝影機獲取病童與照顧者的即時影像，結合預先訓練的AI模型，辨識人體所
在位置與不同姿勢型態，如坐、躺、靠近或遠離床欄等，並搭配床欄感測器以低功率藍芽傳輸床欄
位置高低至處理模組，透過系統的複合判斷規則綜合分析後將床跌風險分為高、中、低三級。當風
險達中、高級別時，系統會即時給予家屬及孩童聲光提醒，並將警報即時傳送至護理站與專責護理
人員手機，同時，護理站的伺服器也會以視覺化方式呈現每位病童的床跌風險等級，讓醫護人員能
即時介入，防範意外發生。
模擬臨床場域，準確率達99.8%
為確保AI模型的準確性，團隊在實際臨床場域模擬各種可能發生的跌倒情境，並利用熱成像技術獲
取影像原始資料，接著定出這些影像的床位資訊後，設立遮罩，過濾會影響判斷的熱源，再透過K-
means進行溫度分群，將最高溫群進行影像分割，以找出影像中的所有物件。其中包含透過床欄與
物件的距離及相對位置得出物件對應的對象，並使用特徵選取技術找出小孩與照顧者的特徵，以辨
別出小孩與照顧者的狀態。經安裝於嘉義基督教醫院實測，互動狀態的判斷準確率高達99.8%，床跌
風險的預警分級正確率亦達99.5%。
取影像原始資料，接著定出這些影像的床位資訊後，設立遮罩，過濾會影響判斷的熱源，再透過K-
means進行溫度分群，將最高溫群進行影像分割，以找出影像中的所有物件。其中包含透過床欄與
物件的距離及相對位置得出物件對應的對象，並使用特徵選取技術找出小孩與照顧者的特徵，以辨
別出小孩與照顧者的狀態。經安裝於嘉義基督教醫院實測，互動狀態的判斷準確率高達99.8%，床跌
風險的預警分級正確率亦達99.5%。
推廣至居家照護，全面提升醫療品質與安全
該預警系統不僅有效降低兒科病房床跌事件發生率，更減輕醫護負擔，改善醫病關係。未來，該系
統有望推廣至老人病房、護理之家，甚至居家照護等場域，為更多需要照顧的族群提供安全保障，
以提升醫療品質。
統有望推廣至老人病房、護理之家，甚至居家照護等場域，為更多需要照顧的族群提供安全保障，
以提升醫療品質。