智慧照護吉祥物SMART RAINFOREST · ISU

總整課程|Capstone

由淺入深,從工具操作到原型應用

01 / AI LEARNING PATHWAY

AI 學習路徑:降低非資訊背景門檻

  1. STEP 01資料認識

    健康資料、飲食資料、互動紀錄。理解資料來源與意義。

  2. STEP 02資料處理

    清理、標記、分類、視覺化。運用資料整理與視覺化工具。

  3. STEP 03AI 工具操作

    生成式 AI、影像辨識、健康風險平台。練習 AI 工具與平台應用。

  4. STEP 04模型概念理解

    NLP、影像辨識、AIoT、預測模型。建立基礎 AI 模型概念。

  5. STEP 05原型設計

    AI 陪伴流程、餐盤影像標記、風險提醒。設計與開發原型應用。

  6. STEP 06場域驗證

    業師點評、使用者回饋、滾動修正。驗證並持續優化。

培育重點

培養懂照護、懂營養、懂 AI 應用轉譯的人才。

02 / CAPSTONE DESIGN

從場域痛點到 AI 原型

以真實場域問題為核心,培養跨域整合與 AI 應用轉譯能力。

  1. STEP 01場域痛點盤點

    訪談照護人員與長者,盤點真實問題。

  2. STEP 02POV / HMW 問題定義

    以使用者為中心,定義關鍵問題。

  3. STEP 03資料蒐集與標記

    蒐集健康、飲食、互動等資料並進行標記。

  4. STEP 04AI 解方設計

    選擇合適 AI 模型與技術,設計解決方案。

  5. STEP 05原型開發

    開發功能原型與介面雛形。

  6. STEP 06業師點評

    邀請業師提供專業回饋與建議。

  7. STEP 07場域壓力測試

    實際場域試用,驗證可行性與穩定性。

  8. STEP 08修正與成果發表

    優化原型,進行成果展示與發表。

預期原型與整合方向

下列為規劃中的原型方向,尚非已完成系統;串接陪伴、攝食、風險與決策資料。

  1. STEP 01AI 社交陪伴與情緒互動紀錄

    記錄對話內容與情緒變化,提供主動關懷與情緒支持。

  2. STEP 02餐盤影像攝食量估算

    透過影像辨識與估算技術,量化攝食量與營養素攝取。

  3. STEP 03IDDSI 餐食質地與吞嚥風險提醒

    依 IDDSI 標準進行質地辨識與風險評估,作為降低嗆咳風險的輔助。

  4. STEP 04照護與營養整合式決策儀表板

    整合健康、營養與照護資料,提供個人化決策建議。

03 / EXPECTED IMPACT

預期效益

建立可教學、可實作、可驗證的人才育成模式。

學生端

  • 建立 AI 與健康資料應用能力
  • 強化跨域溝通與轉譯能力
  • 完成 Capstone 原型場域驗證
  • 提升智慧照護職場即戰力

場域端

  • 降低行政紀錄負擔
  • 量化陪伴互動與營養攝取
  • 提早辨識吞嚥與營養風險
  • 形成資料輔助照護決策

學校端

  • 建立跨院系智慧照護課群
  • 沉澱教案手冊與實作模組
  • 擴散至長照、醫療、社區與居家照護場域

照護資料應用流程

  1. STEP 01陪伴互動

    節律追蹤

  2. STEP 02進食狀況影像

    輔助量化

  3. STEP 03照護與營養

    預警

  4. STEP 04行政作業自動

    產出與驗證

培育目標

具備跨域整合力、AI 應用力與場域問題解決力的智慧照護轉譯人才。