【明報專訊】長者跌倒可大可小，隨時引致骨折或內出血，甚至死亡。近年IT業內一直有人研發監察裝置，希望能在長者跌倒時第一時間通知家人，避免失救。最近，兩名港大學生研發出這種產品的原型，初步測試效果還相當不錯。

明報記者 薛偉傑

香港大學計算機科學系四年級生潘晉宜說，他之所以下決心要研發「長者跌倒監察器」(Elderly Fall Tracker)，是因為一名長輩早前也是跌倒引致內出血逝世，令他覺得跌倒隨時成為長者身亡的「導火線」，必須盡快讓家人知道及處理。於是，他找來同班同學麥庭軒合作，用了約3個月研發出監察器第一個原型，以及相關的手機App等。

體積小巧與鈕型電池相若

潘晉宜指出，裝置原型體積小巧，只和一枚鈕型電池相若，但已內置了一些動作感應器，配合雲端上以人工智能(AI)技術設計的演算法，就可分辨出佩戴這裝置長者的活動，例如起�H、躺下、坐下、從椅子站起、步行、上落樓梯、刷牙、飲水、梳頭等，最重要的當然是跌倒。程式一旦發覺長者跌倒，就會向預設的家人手機發信息(如WhatsApp或Telegram)，或者直接打電話給家人(只限Android手機)，讓他們緊急處理。

原型測試準確率92.7%

兩人早前透過親友，找來17名60至81歲的長者(11男6女)參與測試，每人在手腕戴上該裝置原型48小時。初步顯示，裝置偵測長者活動的準確率約92.7%，算是不錯。

兩人早前以這項目參加專供本地大學和大專本科生及研究生參加的JOS Innovation Awards，成功晉級最後9隊。潘晉宜說，希望再找至少五六十名長者參與測試，每人佩戴該原型至少幾日，若能進一步肯定其準確率，就足以作商業化推出。他們已初步接觸過一個慈善團體，稍後亦會接觸一家經營兩間安老院的公司，看看兩者能否找到一些長者自願參與測試。

由於有關演算法是以AI技術中的「深度學習」(Deep Learning)來設計，理論上是愈多人使用、使用時間愈長，其偵測活動的準確率就愈高，因此當商業化推出後，準確率還會略為提升。他們估計，經過一段時間之後，準確率應可提升至約95%；但若要超過99%，則相信以目前技術條件未必做到。

潘指出，這裝置除了在長者跌倒時發警報之外，還有另一重要用途，就是從長者日常活動模式來預視他們是否有健康風險。例如，若長者睡眠時間驟增驟減，又或去廁所次數和時間驟變，都不是好現象，應盡快找出原因。這裝置除了可應用於家居，還可應用於安老院，以減輕人手壓力，同時亦可預早提示個別長者的健康風險。

長遠轉用鋰電省運作費

為盡快測試，潘與同伴在研製第一個版本的原型時採用了以鈕型電池作電源的設計，以簡化電路，因此這原型連續使用5至7日就要換電，運作費用相當高。他們計劃在第二版本的原型改用鋰電池，這樣除可令連續使用時間略為延長至7日或以上，最重要是可重複充電，減省運作費用，而體積和重量則估計相距不遠。

潘與同伴仍在考慮正式推出這產品的形式，若以原型般獨立裝置推出，會最快上馬，零售價約200至300元，相信有不錯利潤，但缺點是長者抗拒感或較大，家人未必能夠說服他們佩戴。另一種形式則是將裝置整合進智能手表內，以減低長者的抗拒感，但這需較多時間，且會拉高產品成本和售價。他們估計，即使是找內地廠家以現成的廉價智能手表作整合，整件產品的零售價也會升至約500元。暫時來說，他們較傾向第二種形式，希望一年內正式推出產品。