高齡照護不能只靠人力撐，AI 真正該放的位置在哪裡？

高齡照護最難的地方，不是單一疾病的治療，而是多重風險交錯、症狀慢慢累積、問題常常在被看見之前就已經很嚴重了。

常見的討論框架是「長照人力不足」，但人力問題是表象。背後更根本的問題是：即使有足夠的人力，問題也很難在早期被辨識出來。

風險的複雜性

一位 75 歲以上的長者，常常同時面對多重挑戰：

• 慢性病共病：高血壓、糖尿病、心臟病等同時存在，治療策略難以單純
• 多重用藥：同時服用五種以上藥物的比例高，藥物交互作用風險隨之升高
• 跌倒風險：下肢肌力下降、視力退化、室內環境因素交疊
• 認知退化：失智前期與一般老化早期難以區分
• 社交孤立：孤立感加速認知退化，認知退化又讓用藥管理更困難

這些風險不是獨立存在的，它們彼此交錯。單一指標的監測不夠用，任何一點疏漏都可能讓整體狀況快速惡化。

為什麼問題常常太晚被看見

這裡要往下追原因：風險積累了，為什麼還是在問題爆發之後才被處理？

第一層：症狀不明顯。 失智早期徵兆常被解釋為「老了正常會這樣」，認知功能的微小變化難以靠肉眼判斷。第二層：觀察是片段的。 家屬可能只看到早晚幾個小時；照服員每次服務也只有幾小時；醫療人員在門診看到的，是一次 10 分鐘快照。沒有人能持續完整地追蹤長者狀態。第三層：資訊是斷裂的。 家屬、照服員、個管師、醫師各自掌握片段資訊，缺乏共享平台，跨角色協調因此困難重重。

現有照護體系主要建立在「出現問題後再處理」的邏輯上。預防性的持續偵測機制，在大多數照護情境中幾乎不存在。

根據 World Health Organization 針對高齡健康的研究，全球超過 15% 的 60 歲以上成人有某種形式的心理健康問題，但其中大多數從未被識別或治療。這個現象普遍存在於高齡照護，身體功能退化的早期訊號同樣常常被忽略。

醫療體系的結構限制

台灣的醫療體系設計上是「就診導向」的。長者需要出現症狀、自行或被送醫，才會進入醫療體系的視野。對慢性風險和認知退化，這個架構效果很有限。失智前期的症狀可能持續一到三年，若沒有人持續觀察記錄，早期辨識幾乎不可能。

居家照護與家屬的觀察盲點

照服員的訓練重點是日常生活協助（ADL），而非風險監測。紀錄多是非結構化文字描述，難以累積成有意義的趨勢資訊。相鄰兩次服務記錄之間，沒有資訊橋梁。

家屬反而因為每天接觸而容易忽略緩慢變化。認知功能退化是漸進的，當家屬發現「好像哪裡不對」，往往已退化了一段時間。這是人類觀察的本質限制，不是家屬的問題，但「有人陪伴」確實不等於「有早期偵測」。

AI 比較適合放在「持續偵測、早期提示、資訊整合」這類機器做得好、人力難以維持的位置；而不適合放在需要人際判斷、情緒支持或倫理決策的核心位置。

AI 適合做的事

一、異常生活型態偵測：長者的起床時間、移動頻率、睡眠長度有一定規律。AI 能在不打擾的前提下持續監測，當偏差超過閾值時發出提示。

二、跌倒風險動態評估：步態改變、起身頻率、藥物調整等前驅因素，AI 可整合感測器數據持續計算動態風險，而非只做一次靜態評估。

三、失智早期徵兆輔助辨識：語言模式細微改變（找詞困難、語句重複）、日常行為的輕微偏差，可透過 AI 分析持續累積的日常紀錄來輔助提示。

四、多重用藥風險提示：AI 可在藥物開立時自動比對交互作用資料庫，提示醫師或藥師進行確認。

五、跨角色資訊整合：把家屬紀錄、照服員觀察、診療記錄、生理量測整合成一個視圖，讓不同角色在對的時間看到對的資訊。這不是取代判斷，而是減少資訊斷點。

AI 不適合做的事

AI 不適合作為第一線的陪伴替代品，也不適合獨立做臨床診斷。AI 的建議需要有人負責解讀、確認和行動。如果設計上讓 AI 輸出直接觸發介入行動，卻沒有指定誰負責確認，這個系統在實務中很容易失效。

AI 在高齡照護中落地最常遇到的障礙，不是演算法不夠準，而是資料品質不穩定、流程銜接不完整、角色責任不清楚，以及缺乏持續維運的機制。

資料問題

高齡照護的資料現況是：格式不統一（不同機構記錄格式差異極大）、缺漏率高（照服員記錄品質因人而異、家屬記錄多為非結構化文字）、時效性差（紙本記錄或隔天輸入的資料，對早期偵測幾乎沒有用）。在沒有解決資料問題之前，AI 的準確率會遠低於預期，甚至產生誤導性的輸出。

流程問題

AI 的輸出必須接到對的流程節點才有實際效果。常見的失效情境：AI 偵測到異常，但沒有明確的後續處理流程，訊號發出去之後沒有人接；提示時間點不符合照護工作流，照服員看到時已換班；建議格式對非技術人員不友好，看不懂也不知道要做什麼。

角色責任問題

「AI 建議」出現之後，誰要負責確認？誰要決定是否採取行動？如果這個問題在設計階段沒有講清楚，系統上線後很容易出現「大家都看到，但沒有人行動」的情況。這不是使用者的問題，是系統設計的問題。

真正值得做的設計，不是讓長者多跟機器說話，而是讓風險更早被看見、讓照護更早開始、讓問題不要拖到只能用高成本方式收拾。

把介入點從「問題發生後」往前移

高齡照護的最大成本，往往不是日常照護本身，而是一次嚴重跌倒帶來的急診與長期復健；失智中後期家屬和機構全面調整的成本；急性住院後長者功能急速退化的後續負擔。這些成本有一個共同特徵：都可以透過更早期的介入，降低發生機率或延緩時間。AI 的設計目標應以「把介入點往前移」為核心，而不只是優化問題發生後的處理效率。

填補資訊斷點，而不是增加新工具

很多高齡照護系統的失敗，不是因為工具不夠多，而是角色之間的資訊斷點太嚴重，導致每個角色只能在自己的視角內行動。真正有效的設計，是先找出斷點在哪裡，再評估 AI 能不能幫助填補。而不是先導入工具，再想這個工具能做什麼。問題如果沒有定義對，後面的方法就會錯。

讓照護人員更早看見需要介入的訊號

AI 在這裡能做的，是把「分散的訊號整合成一個可行動的提示」，讓照服員、家屬或護理師在對的時間看到「這個人最近的狀況有變化，需要確認一下」。設計邏輯不是取代判斷，而是改善觸發條件：從「等問題明顯才處理」，變成「在問題還小的時候就有人去看」。