台灣正快速步入超高齡社會，跌倒引發的骨折、長期臥床甚至死亡，每年造成龐大的醫療負擔。然而現行防護體系存在根本缺陷...

高齡化浪潮下的隱形危機：跌倒，是老年失能的第一張骨牌

台灣正快速步入超高齡社會，跌倒引發的骨折、長期臥床甚至死亡，每年造成龐大的醫療負擔。然而現行防護體系存在根本缺陷——絕大多數設備只能在跌倒發生後觸發警報，且現有AI辨識系統多僅能辨識訓練過的已知動作，遇到未知情境便可能失準。國立陽明交通大學邱俊誠教授決心突破這道技術瓶頸，團隊整合高解析足底壓力感測、深度學習與嚴謹臨床試驗，開發出具備開放集識別（open-set recognition）能力的智慧防跌鞋墊——不只判斷已知動作，面對訓練資料以外的未知情境仍能維持準確判斷，更貼近真實臨床場域的複雜需求。目前技術已獲產學合作資助，並授權進入大中華地區市場。

每腳144個感測點，準確率96.8%：以數據驗證的跌倒預測系統

這套系統的硬體核心是每腳佈建144個壓力感測點的智慧鞋墊，雙腳合計288點，感測密度遠成完整的步態時序資料。研究團隊在台大醫院北護分院完成120位65至90歲長者的臨床試驗，AI模型採CNN結合雙向長短期記憶網路（BiLSTM）架構，同步學習空間與時序特徵，最終達到整體準確率96.8%、召回率98.2%，幾乎所有真正的高風險長者都能被系統預先捕捉。

團隊進一步以隨機森林模型分析足壓區域重要性，發現每腳僅需保留8個關鍵感測區即可維持優異辨識效果，未來量產版感測點可壓縮至10點以下，大幅降低硬體成本。這項發現也讓模型具備臨床可解釋性——視覺化熱圖能讓醫師直觀理解判斷依據，有別於缺乏透明度的傳統AI模型。

「我們要的是一個醫師願意相信、長者願意穿上的系統」

邱俊誠教授表示：「真正困難的，是讓臨床醫師信任AI的判斷。沒有人敢把診療決策交給一個說不清楚理由的系統，因此團隊在模型可解釋性上下足了功夫。」另一個核心堅持是開放集設計：「現實世界的步態變化是無窮無盡的，系統在遇到未見過的情境時，應該誠實地告訴你不確定，而不是給出一個錯誤的自信答案。這才是醫療場域真正需要的AI。」

在未來規劃上，團隊將於短期內完成感測模組標準化與App介面開發；中期推動TFDA第二等級醫材認證並完成試量產；長期則進軍日本與美國市場，建立訂閱制雲端分析平台，服務長照機構與保險業者。此智慧鞋墊系統不僅具備技術創新，更擁有可靈活調整的商業模式與高黏著度用戶場景，適合逐步導入市場並擴展國際。

詳細資訊→具開放集識別AI的智慧防跌鞋墊 | 陽明交通大學 邱俊誠教授團隊 | 第22屆國家新創獎