清晨尚未起床，智慧手錶就先發出震動提示：昨晚睡眠分數不及格，心率變異度偏低。你的身體毫無異狀，冰冷的數字卻似乎暗示：某些健康隱憂它已比你早一步知道了。
智慧穿戴裝置與AI的結合，正改變人們理解健康的方式。（圖片來源Shutterstock）
從智慧手錶的普及到遠距照護的實踐，AI正走進大眾的健康管理。它真的能比人類更早察覺身體異常嗎？又會把健康照護帶往何方？中央研究院人文社會科學研究中心詹大千研究員，長期結合健康大數據、地理空間與穿戴式感測裝置進行研究，他的觀點十分務實：AI確實能看見人類尚未察覺的微弱訊號，但要讓這項科技真正幫助到社會，必須先釐清數據整合的邏輯、隱私保護，以及大眾該如何面對這些突然變得清晰的生理資訊。
翻轉點狀就醫限制 AI的連續監測技術放大身體微弱訊號
過去大眾若想了解個人的健康狀況，主要倚賴偶爾一次的就醫檢查，這就像在生命軸上留下孤立的點狀紀錄。然而，智慧穿戴式裝置的普及改變了這項限制。詹大千研究員指出，如今智慧手錶搭載的感測器日趨多元，從血氧、心電圖到血壓皆能全天候記錄，當數據呈現爆炸性成長，AI正好補足傳統統計學無法同時應對的三大核心功能：處理海量數據、解析非線性的複雜關係，以及整合多模態的異質資料。
所謂的多模態，是指將數值、影像、聲音等不同維度的資訊進行交叉重組。詹大千研究員舉例，當智慧手錶偵測到使用者的血壓偏高時，若能進一步串接臺灣《健康存摺》應用程式，調閱個人的完整病歷與用藥紀錄，AI就能進行跨界整合與複雜的因果推論，這是過去單一數據的傳統靜態模型無法企及的。
儘管多模態整合前景豐碩，詹大千研究員也提醒，巨量的資料運算最終必須回到終端設備，若遇到心跳驟停等需要緊急通報的狀況，AI模型必須做得足夠輕量、能夠直接在手錶晶片上完成邊緣運算並發出警示，否則若使用者剛好沒帶手機，或者因訊號不佳而無法即時連回雲端，等雲端運算完再傳回通知，恐將錯失黃金救援時間。這也是為什麼智慧健康領域除了雲端大模型，更需要能直接在裝置本體運行的輕量化版本。
在眾多生理訊號中，目前技術最成熟的當屬心血管疾病預防。智慧手錶量測的「心率變異度」（HRV）中，有一項關鍵指標為「正常心跳間隔的標準差（SDNN）」。當數值越高，代表自律神經彈性與身心健康狀態越好；反之則表示身體可能處於長期壓力或發炎狀態，此指標對於心血管異常的預警成效顯著。其次是高齡化社會迫切需要的跌倒偵測，至於透過智慧戒指或手環進行的血糖與肥胖監測，則是下一階段的科技重點。雖然多數產品因採用光學感測方式，易受膚色干擾且量測的是長期趨勢而非醫學等級的絕對值，目前多定位為健康管理，但詹大千研究員認為技術的成熟已指日可待。
除了慢性病，AI最微妙的本領在於對失智症的早期預警。詹大千研究員在目前的研究中注意到，失智症發病的極早期，患者的心率變異度似乎已經出現極細微變化，長輩主觀上往往覺得自己沒有症狀，但智慧手錶卻誠實反映客觀的生理變化。他形容，AI最無可取代的本事，就是捕捉並放大這些尚未演變成臨床疾病的微弱訊號，讓人們及時爭取醫療介入的時間。
縫合空間地理軌跡 AI結合城市地圖迴避環境風險
詹大千研究員也進一步將個人的微觀健康數據，與宏觀的環境空間進行跨域縫合研究。穿戴式智慧裝置內建的水平儀與三軸加速度計，能敏銳察覺到使用者的久坐狀態並發出活動提醒，將這些生理反應資訊進一步連結到空間資訊，則必須倚賴動態的GPS軌跡。透過使用者註冊時填寫的身高換算其步伐幅度，再搭配氣壓計與定位的高度變化，AI就能精準推算出使用者在城市中行進的水平距離與垂直高度。
真正具備公共衛生價值的應用，在於將個人行動軌跡疊加到城市的環境大數據中。詹大千研究員以城市跑者為例，跑者在戶外運動時最在意空氣品質。臺灣目前佈建高密度的空氣品質感測器，當AI介入後，便能主動為跑者規劃細懸浮微粒（PM2.5）風險較低的動態路線，甚至能搭配穿戴式裝置的離線地圖，將個人位置與城市的環境風險編織成一張個人化健康促進地圖。
儘管智慧科技的發展讓健康管理日趨精準，第一線遭遇的巨大挑戰往往不是技術，而是隱私防範。詹大千研究員觀察到，臺灣長者普遍對於在居家私密空間裝設攝影機感到排斥與焦慮。對此他表示，影像太侵犯隱私，改成聲音監測也許是其中一個解方，目前的技術已發展到僅需5到10秒的音訊片段，再串接AI模型，就能精準辨識出跌倒撞擊、呼救等聲音種類。
這種去識別化的聲音監測技術，對於防範高齡化社會下的「孤獨死」別具意義。根據內政部2025年第3季的最新統計，全臺僅老年人口居住宅數已突破85萬宅，其中全戶僅一名老人獨居的「獨老宅」更超過65萬宅，鄰近的韓國與日本也面臨同樣處境。「如果在家中客廳或臥室擺放一台靈敏度足夠、不具影像鏡頭的小型聲音感測器，一旦捕捉到求救訊號就能立即自動通報119救援。」詹大千研究員補充，這類環境聲音辨識目前在行動裝置已有高達8成的準確度，未來若要嵌入更小的物聯網裝置，模型的輕量化與專一化將是技術落實的關鍵。
除了聲音，詹大千研究員也看好其他非侵入式的感測與健康管理技術。例如透過雙色咬合紙搭配手機拍照，讓AI協助判讀長輩的牙齒咬合力，這在目前的醫學研究假說中，正被用來嘗試尋找缺牙、營養不良與阿茲海默症之間的潛在關聯；從呼出的氣味分子偵測身體異常，在國際文獻上也證實能解讀出腎功能受損的早期警訊。詹大千研究員指出，這些不必抽血、不必面對冰冷醫療器材的日常監測方式之所以重要，是因為許多長輩並非單純怕抽血，而是抗拒面對隨之而來的檢測報告，但如果等到身體出現病痛才到醫院往往已錯過黃金治療期，「這正是智慧健康的真諦，必須讓科技促進化為無形，才能扎根於日常。」
在臨床醫療的第一線，AI已成為重要助手，協助整合病歷、影像與用藥資訊，提升醫療效率與安全性。
劃定數據隱私邊界 人機共生重返醫病關懷本質
在臨床醫療的第一線，人機協作早已發生。詹大千研究員分享，大語言模型讀過的醫學教科書與罕見病例遠超單一醫師，目前已有許多醫院運用AI協助醫護人員整理護理紀錄與出院病歷摘要，並透過跨界整合病歷與影像，即時提示藥物交互作用。
但詹大千研究員強調，臨床上的用藥與最終決策仍必須仰賴醫師的專業判斷。AI的核心價值在於統整繁瑣的資訊、降低因時間不足導致的醫療風險，當打字開藥等庶務被AI接住，治療策略不僅更安全，醫師也能將看診時間重新還給病人，而良好的醫病關係正是減少醫療糾紛的根本解方。
在健康大數據解碼身體的同時，大眾又該如何權衡資料隱私的邊界？詹大千研究員認為，臺灣個資法雖然嚴格，但實務上往往都是在發生爭議後，社會才驚覺防線漏洞。為此他建議，政府應補強主動稽查配套，並守住資料最小化原則，例如在使用資料時，能用年齡區間就不用具體生日。透過模糊化識別資料並釐清串接權限，就能有效阻絕大眾最擔憂的隱私權益侵害。
詹大千研究員也勉勵有志投入此領域的年輕世代，除了學習向AI精準提問，更必須保有獨立驗證的專業能力，「判斷的主權永遠要留在自己腦袋裡。」詹大千研究員認為，智慧健康照護最該傾注全力的是預防端，讓人在尚未生病前有機會反轉健康狀況。當科技變得比過去更了解我們的身體，人類要學習的是如何理性讀懂科技給予的訊號，並冷靜決定下一步。而那決定健康人生的關鍵一步，終究只能由人類自己跨出。
資料來源
1. 中央研究院人文社會科學研究中心詹大千研究員
2. 內政部不動產資訊平台
本文轉載自《科技大觀園》，一個由國科會建置的科普數位整合平臺
