●技術簡介：
本計畫係整合臨床身心醫療實務、醫學工程、資訊工程及社福單位，採跨領域並搭配AI技術，以文化脈絡基礎建置一創新失智症照護之人工智慧化輔助評估與處遇系統，建置失智症早期發現早期介入機制，建立改善認知功能、情緒狀態、社交和日常行為功能之措施方案。
●技術之科學突破性：
步態行為偵測裝置所收集的資料使用類神經網路分析，共分析31筆步態軌跡資料，包含22筆正常與9筆認知功能障礙。初步採用留一驗證(Leave-subject-out validation)驗證模型可行性，使用行動軌跡與體態特徵參數於認知功能障礙辨識率達70.97％。運用BPNN模型於少量步態軌跡之認知功能障礙辨識，其辨識效果尚可接受；另一方法使用區別分析方法分析的結果原來是正常的患者，從軌跡參數與MoCA分類結果可得其正確率約76.3％ ，以此推測，本系統可初步分類年長者是否有罹患輕度失智症可能機率。
3通道穿戴式生理訊號量測系統收集腦電圖、心電圖和末梢血流量訊號，以後向傳播神經網路(Back Propagation Neural Network, BPNN)於生理訊號之情緒辨識。從原始訊號抽取特徵參數，並將特徵參數送入神經網路訓練且預測。共抽取39維特徵參數，包含5個腦波特徵、16個心電圖特徵與18個末梢血流特徵。共蒐集150段生理訊號，包含60筆放鬆與90筆專注生理訊號，初步採用五次交叉驗證(Five-fold cross validation)驗證模型可行性，情緒辨識率可達91.33％。另蒐集39段生理訊號，包含22筆放鬆與17筆專注，採用Leave-subject-out validation測試，實驗結果如表3所示，辨識率可達84.62％。結果顯示，運用BPNN模型於少量生理訊號之情緒辨識，使用Five-fold cross validation與Leave-subject-out validation辨識率分別可達91.33％與84.62％，其辨識效果顯著。
認知功能遊戲共蒐集99筆個案的遊戲資料，包含69筆正常與30筆認知功能障礙，初步採用五次交叉驗證(Five-fold cross validation)驗證模型可行性。實驗結果顯示，使用懷舊特徵於認知功能障礙辨識率可達75.76％；使用反應力遊戲的打地鼠關卡特徵於認知功能障礙辨識率可達74.75％。而結合使用懷舊遊戲與打地鼠遊戲的特徵參數於認知障礙分類的正確率也達75.76％。由結果發現，運用BPNN模型於少量遊戲資料之認知功能辨識，單使用懷舊特徵與打地鼠特徵辨識率分別可達75.76％與74.75％；然而結合懷舊特徵與打地鼠特徵辨識率可達75.76％。
●技術之產業應用性：
臨床上，失智症之進展通常很緩慢，需要數年的時間才會發生，在早期的症狀常被認為是一種正常的老化現象，而被忽略。隨著病程的進展，在4至5年後開始出現明顯的認知障礙，而導致無法處理日常生活事物時才會被家屬注意到，轉往就醫。本系統設計之目的即在於將產品應用於日常生活，提早發現高齡者的失智傾向。如能盡早發現失智之傾向，及早就醫，便可大幅降低日後的照護成本及減少醫療資源開銷。

線上展網址：
https://tievirtual.twtm.com.tw/iframe/afd6e04b-d6d0-4971-a96b-023caedd8c7d?group=23bfb1fa-dd5b-4836-81a1-4a1809b1bae5&lang=tw