樂齡照護的跌倒偵測有三種選項。這三者都在最關鍵的時刻失效。
PERS 模式假設您那位 85 歲、患有輕度認知障礙（MCI）的住民會記得在危機發生時佩戴、充電並按下按鈕。數據卻說明並非如此。
裝置在洗澡、睡覺與充電時會被取下。浴室是風險最高的房間。吊墜卻擱在梳妝台上。
像 SafelyYou 這類 AI 驅動的攝影機帶來顯著的臨床成效：跌倒減少 40%，急診就診減少 80%。但攝影機無法進入跌倒最危險的地方。
一套涵蓋臥室卻不涵蓋浴室的攝影機系統，等於只顧第二危險的房間，卻忽略了最危險的那一間。
感壓墊與床鋪警報器偵測的是離床，而非跌倒。它們只告訴您住民離開了床。卻不會告訴您住民在 30 秒後走向浴室途中跌倒了。
當每一次警報聽起來都一樣，便沒有一次有意義。警報疲勞是機構放棄跌倒偵測技術的頭號原因。
84 歲、入住失智照護的 Hernandez 太太於凌晨 2:14 起身下床。她的吊墜放在床頭櫃上。床鋪警報器響起。在對側病房中段執行給藥巡查的照顧服務員（CNA）確認了該警示。Hernandez 太太走向浴室。十三秒後，她的腳被浴室踏墊絆住而跌倒，髖部撞上磁磚地板。她搆不到拉繩。她無法起身。安裝在浴室天花板上的雷達感測器偵測到跌倒特徵：突發加速度（都卜勒脈衝）、撞擊，接著在地面高度出現帶有微都卜勒呼吸訊號卻無大肌群恢復動作的點雲。於 2:14:23，護理呼叫站顯示「118 號房浴室：偵測到跌倒，高可信度，住民倒臥地面」。CNA 在不到 4 分鐘內趕抵。若沒有這具感測器，Hernandez 太太要等到凌晨 4:00 的下一輪巡查才會被發現。那段 106 分鐘的長時間倒臥帶有 50% 的六個月死亡風險。雷達改變了結局，因為它不需要住民做任何事，並能涵蓋攝影機無法進入的房間。
供評估供應商與各種方案的參考。當您的管理者問「我們有哪些選項？」時，把這份資料調出來。
| 方案 | 代表性供應商 | 準確度 | 每間房成本 | 優勢 | 誠實的缺口 |
|---|---|---|---|---|---|
| 毫米波雷達（60 GHz） | Vayyar Care、Milesight VS373、AKM AK5816 | 95-99% | 硬體 $150-400 + 安裝 | 4D 資料（距離、速度、角度）。可穿透浴簾偵測。浴室安全可用。可偵測呼吸。商業上已成熟。 | 每間房需專屬感測器。無法有效涵蓋走廊。僅支援單人偵測（多人偵測仍在發展中）。需要因應環境的校準。 |
| Wi-Fi CSI 感測 | Origin Wireless、Cognitive Systems、ESP32（開源） | 85-92% | 若 AP 相容則 $0-60 | 利用既有 Wi-Fi 基礎設施。全棟覆蓋。802.11bf 已於 2025 年 9 月通過。可穿牆感測。 | 準確度低於雷達。對 RF 干擾敏感。多數既有的 SNF AP 缺乏 CSI 支援。Verizon 已終止 Home Awareness（2026/4/15）。環境適應（DANN）在規模化下尚未獲驗證。 |
| AI 攝影機（事件驅動） | SafelyYou、KamiCare | 94-97% | $100-300 + 每月 SaaS 費用 | 成效已獲驗證：跌倒減少 40%，急診就診減少 80%（SafelyYou）。可回放影片進行根因分析。具備有力的臨床證據。 | 無法監測浴室。19 個州對攝影機加以規範。隱私疑慮在許多機構阻礙了採用。需要充足的照明。 |
| 紅外線 / LiDAR | VirtuSense VSTAlert | 約 95% | 客製化定價 | 可在離床發生前 30 至 65 秒預測。宣稱可減少 85% 的跌倒。已在數百家機構預防超過 100,000 起跌倒。 | 需要視線可及。主要為床/椅離開預測，而非通用跌倒偵測。不涵蓋浴室或公共區域。 |
| 預測式 AI（無線電波） | Helpany「Paul」 | 不適用（預防性） | 未揭露 | 在亞利桑那州 14 個社區平均減少 66% 的跌倒。透過步態與睡眠分析提前 3 週預測風險。 | 部署地理範圍有限（僅限亞利桑那州）。預測導向可能錯過急性事件。整合文件有限。 |
| 穿戴式 PERS | Medical Guardian、Philips Lifeline、Bay Alarm | 因人而異 | $20-50/月 | 成本低。工作流程成熟。員工與家屬都熟悉。 | 24% 從不佩戴。14% 達 24 小時佩戴。洗澡時取下。充電疲勞。體弱的污名導致拒用。 |
| 四大會計師事務所 / 大型系統整合商 | Deloitte、Accenture、供應商專業服務 | 不適用 | $500K-5M+ 的合約 | 企業級信譽。廣泛的醫療顧問經驗。能調動龐大團隊。 | 他們部署平台，而非打造感測器 AI。合約是為醫療體系規劃，而非 100 床的輔助生活機構（ALF）。最低專案規模排除了大多數輔助生活營運者。他們會推薦某家供應商，而非打造客製化整合。 |
準確度數字取自供應商宣稱與已發表的研究。實際表現會因環境、安裝品質與校準而異。我們會在試點部署期間驗證這些宣稱。
我們不販售感測器。我們打造讓感測器發揮作用的智慧層，並將其整合進您的照護工作流程。
我們逐間房評估您的設施。浴室與失智照護房配置毫米波雷達（依您的外形需求採用 TI IWR6843 或 Infineon BGT60TR13C 模組）。若您的 AP 支援，公共區域與走廊配置 Wi-Fi CSI 感測；若不支援，則採用 ESP32 網狀節點（每組 $5-10）。在臨床上有需要之處，離床預測加上紅外線疊加。
產出是一份附帶具體硬體規格、安裝位置與覆蓋區域的感測器地圖。而非一句通泛的「部署感測器」建議。
現成的感測器出廠時搭載通用模型。您的設施在每間房都有吊扇、失智照護病房有一隻治療犬，而 214 號房的冷氣出風口旁有窗簾。我們建立因應環境的雜訊地圖：位於天花板座標 (x,y,z) 的吊扇套用固定位置的都卜勒遮罩。那隻 40 磅的拉布拉多透過雷達截面積閾值與水平邊界框幾何加以濾除。窗戶區域則透過擴展卡爾曼濾波（Extended Kalman Filtering）進行可信度閾值調整。
接著我們疊加一個階層式分類串接：輕量的存在偵測持續運行，完整的雙串流模型（在微都卜勒頻譜圖上的 CNN + 在 3D 點雲上的 PointNet，透過注意力層融合）僅在動作觸發時啟動，而時序一致性檢查（LSTM 序列記憶）要求在產生警示前必須具備完整的「加速—撞擊—靜止」敘事。
這是決定系統是否真正被使用的關鍵環節。我們將感測器輸出連接到您特定的 NCS：Rauland Responder（乾接點繼電器接至輔助輸入）、Ascom Telligence（以 REST API 接至 Unite 平台）、Austco Tacera（以 MQTT 搭配結構化 JSON 酬載）、Hill-Rom Connexall（HL7 或 API 橋接）。舊系統採用光隔離固態繼電器。現代平台則取得情境式警示。
我們也設定升級邏輯：未獲確認的跌倒警示於 90 秒時由 CNA 升級至負責護理師，於 3 分鐘時升級至護理主任（DON）。全程維持 UL 1069/UL 2560 合規，包括您所在州的查核人員會詢問的電氣隔離文件。
偵測是被動的。預防才是目標。我們利用同一套感測器基礎設施建立縱貫性分析：步態速度趨勢（2 至 3 週內下降 20% 是即將跌倒的最強預測指標）、睡眠品質評分（床上不安、如廁次數與時長），以及每日活動量指數。
這些分析會匯入您的 EHR 與 MDS 文件。當 Hernandez 太太的步態速度在 10 天內下降 18%，系統會標記她需要轉介物理治療諮詢，而不是等她跌倒之後。這直接支持 CMS F689 合規，並強化您的 QAPI 跌倒預防計畫。
IEEE 802.11bf 已於 2025 年 9 月通過。未來的 Wi-Fi 存取點將原生支援動作感測。若您的設施在未來 12 至 18 個月內要升級無線基礎設施，我們會協助您挑選具感測能力的 AP（搭載 Hexagon NPU 的 Qualcomm Networking Pro，或 Broadcom BroadStream 晶片組）並設計邊緣運算層，讓您的 Wi-Fi 網路兼作感測織網。
對於無法等待 AP 升級的機構，我們部署以 ESP32 為基礎的感測網狀網路（每個節點 $5-10）作為過渡方案。開源的 ESP-CSI 工具組今日即可提供 CSI 擷取，而我們以 DANN 為基礎的環境適應模型能處理逐房校準的挑戰。
從雷達啁啾到通知護理師，逐步檢視偵測管線。
浴室天花板上的 60 GHz FMCW 雷達以每秒 20 幀的速率發射頻率掃描的啁啾。每道啁啾從房內表面反射回來。拍頻編碼了到每個反射體的距離。一連串的距離 FFT、都卜勒 FFT 與角度 FFT 變換產生出 4D 資料立方體：房內每個體素的距離、速度、方位角與仰角。這在低於 500mW 的功耗下持續運行。
靜態物體（牆壁、馬桶、扶手）透過保留「活體靜態」目標的自適應濾波加以移除。系統利用相位穩定性來區分昏迷的人（胸壁微都卜勒於 0.3-0.5 Hz）與毛巾架（零相位調變）。OS-CFAR 偵測動態調整雜訊閾值，使金屬扶手不會遮蔽其旁較弱的人體反射。
串流 A 透過輕量 CNN 處理微都卜勒頻譜圖。跌倒會產生寬頻速度脈衝（軀幹在低頻閃現、四肢在高頻閃現），其後速度歸零。串流 B 透過 PointNet 變體處理 3D 點雲，追蹤垂直質心。質心從站立高度（約 1.5m）降至地面高度（約 0.1m）即確認了空間下降。一個以注意力為基礎的融合層結合兩個串流。關鍵的判別點：用力坐到馬桶上會顯示速度尖峰，但質心穩定在 0.45m（座位高度），而非地面高度。系統會抑制該警報。
LSTM 序列模型要求完整的敘事：站立（正常步態樣態）、不穩定（不規則微都卜勒）、加速（重力驅動下降）、撞擊（寬頻能量中止），以及撞擊後伴隨已確認呼吸的靜止。一個 3 至 5 秒的保持計時器確保分類在警示前已穩定。這可避免住民彎腰撿起掉落毛巾所造成的誤觸發。
所有推論都在感測器的邊緣處理器（搭載 DNN 加速器的 TI AM62A 或同等品）上運行。原始雷達資料不離開房間。感測器將結構化酬載推送至護理呼叫系統： {"event": "FALL", "room": "118B", "location": "bathroom", "confidence": 0.96, "floor_time_sec": 8, "breathing": true}。在護理師的 Vocera 徽章上：「118 號房浴室：偵測到跌倒。住民倒臥地面。已確認呼吸。」從撞擊到警示的總延遲：6 至 10 秒。
四個階段。每個階段都有一份您的管理者可在繼續前審閱的交付成果。
2 至 3 週。 我們與您的維護主管一同走訪您的設施。逐間房的風險評分：浴室格局、房間尺寸、家具密度、天花板高度（影響雷達視野）。IT 基礎設施稽核：AP 清單（品牌、型號、韌體、CSI 能力）、網路拓撲、VLAN 分段、護理呼叫系統型號與軟體版本。
交付成果： 附帶具體硬體建議、安裝位置、網路需求與護理呼叫整合方案的感測器架構文件。試點與全面部署的成本估算。
8 至 10 週，10 至 15 間房。 在具代表性的房間安裝感測器。以影子模式運行 4 週（警示記錄但不轉送給員工）。將偵測結果與您的事件報告比對。逐間房校準雜訊地圖與誤報閾值。在最後 4 週轉為即時模式，由員工接收警示。
交付成果： 附帶硬數據的試點結果報告：偵測率、每間房每日誤報率、員工反應時間差距、與您過去 6 個月跌倒事件資料的比較。全面部署的投資報酬率推估。
100 間房需 6 至 10 週。 分波推展至其餘房間（每波 20 至 25 間房）。每一波都包含逐房校準、護理呼叫整合測試與員工訓練。預測分析儀表板在累積足夠的基線資料後上線（通常為 30 天的連續監測）。
交付成果： 完全可運作的系統，附帶統一儀表板、NCS 整合、已設定的升級協定、受訓的員工，以及供預測分析使用的 30 天基線。
持續進行。 依據您設施的資料進行每月模型更新。季節性浮現的誤報樣態（夏季開窗、冬季暖氣循環）透過雜訊地圖更新加以處理。預測風險閾值會隨系統累積縱貫性步態與活動資料而精修。
交付成果： 供您的 QAPI 委員會與 CMS 查核準備使用的季度分析報告。跌倒率趨勢資料、預測式介入成功率，以及系統正常運行時間指標。
回答關於您設施的六個問題。取得一份附帶您今日即可採取之具體後續步驟的就緒度評分。
降低誤報需要一套分層式做法，這是多數現成感測器開箱即用所無法提供的。我們在安裝期間建立因應環境的雜訊地圖：吊扇會取得固定座標遮罩，因為其在已知 (x,y,z) 位置的高都卜勒特徵是可預測的。寵物透過雷達截面積閾值與邊界框長寬比加以濾除，因為狗占據的是水平體積（長寬比大於 1），而人占據的是垂直立柱。窗戶附近的窗簾透過擴展卡爾曼濾波取得以區域為基礎的可信度閾值。
在空間濾波之外，我們實作階層式分類串接。系統持續運行一個輕量的存在偵測器，接著僅在粗略動作觸發時才啟動完整的雙串流 CNN+LSTM 模型。深層模型要求時序一致性：跌倒特徵在產生警示前，必須依序呈現加速階段、撞擊與撞擊後靜止。用力坐到沙發上會觸發速度尖峰，但質心高度穩定在 0.5m，而非地面高度，因此系統會正確地予以抑制。
目標是每間房每日少於 2 次誤報，相較於多數部署中導致警報疲勞的 5 至 15 次。我們在試點階段藉由讓系統以影子模式與您現有的監測並行運行 30 天，比較上線前的警示準確度來驗證此點。
可以，而這項整合往往是任何跌倒偵測部署中最困難的部分。做法取決於您的護理呼叫平台。對於像較舊的 Rauland Responder 安裝這類舊系統，我們使用乾接點固態繼電器。當確認跌倒時，感測器的繼電器閉合，連接至房間護理呼叫站的輔助輸入。這會觸發標準的呼叫燈與呼叫器工作流程，而無需對 NCS 做任何軟體變更。它適用於約 90% 已安裝的護理呼叫基礎設施。
對於像 Ascom Telligence、Austco Tacera 或 Hill-Rom Connexall 這類現代 IP 型平台，我們透過 MQTT 或 REST API 推送結構化 JSON 酬載。護理師看到的不是通泛的警報，而是其 Vocera 徽章或智慧型手機上的「302 號房：偵測到跌倒，高可信度，住民倒臥地面 45 秒」。這項情境資訊改變了反應行為，因為員工信任該警示。
我們也與 NCS 的升級邏輯整合：若 90 秒內無回應，警示便由指派的 CNA 升級至負責護理師，再升級至護理主任（DON）。一個讓多數整合卡關的技術細節是 UL 合規。若您設施的 NCS 通過 UL 1069 或較新的 UL 2560 認證，新增一個輔助輸入裝置絕不能破壞該認證。我們會處理設施在州查核期間維持合規所需的電氣隔離（光耦合繼電器）與文件。
這些是互補的技術，而非競爭關係，正確的選擇取決於房間與使用情境。毫米波雷達（60 GHz FMCW）是一種專屬感測器，能為每個偵測到的點產生 4D 資料：距離、速度、方位角與仰角。它能穿透浴簾偵測、在全黑環境下運作，並透過微都卜勒特徵區分呼吸中的人與靜止的椅子。在受控研究中，跌倒偵測準確度一致地高於 95%，而像英國 Vayyar Care 這類真實世界部署已降低了住院率。
Wi-Fi 感測利用來自既有 Wi-Fi 訊號的通道狀態資訊（CSI）來偵測動作與存在。隨著 IEEE 802.11bf 於 2025 年 9 月通過，未來的存取點將原生支援感測。其優勢在於基礎設施的重複利用：若您的設施已有相容的 AP（Qualcomm 或 Broadcom 晶片組），您只需透過軟體更新即可加入感測。由於訊號能穿透牆壁，覆蓋範圍更廣。其取捨在於較低的準確度（跌倒偵測 85-90%，相較於雷達的 95%+）以及對來自微波爐、藍牙裝置與鄰近網路之 RF 干擾的敏感性。
我們通常在準確度至關重要的高風險房間（浴室、臥室、失智照護）建議採用雷達，而在覆蓋比精確度更重要的公共區域、走廊與全棟存在監測採用 Wi-Fi 感測。這些系統共用一個共通的分析儀表板，讓您的員工看到一個統一的視圖。
在架構上，毫米波雷達比任何以攝影機為基礎的替代方案更保護隱私。感測器發射 60 GHz 無線電波，並將反射處理為點雲與都卜勒特徵。它在物理上無法產生人臉或身體的影像。即使有人攔截了原始資料串流，他們看到的也是座標元組與速度數值，而非視覺資訊。
在 HIPAA 之下，自雷達衍生出的行為樣態（如廁頻率、睡眠品質、步態速度）確實構成受保護的健康資訊，因為它們描述了個人的健康狀態。我們透過邊緣處理來處理此點：原始雷達資料在感測器的嵌入式處理器上處理，絕不離開該裝置。只有抽象化的事件（「偵測到跌倒，302 號房，可信度 0.98」）會傳輸至您的網路，傳輸中以 TLS 1.2+ 加密，靜態時以 AES-256 加密。
Wi-Fi CSI 資料的法規樣貌略為複雜。在 GDPR 第 9 條之下，自 CSI 擷取的步態樣態理論上可辨識個人，這使原始資料被歸類為生物特徵資料。我們的架構透過同一套邊緣處理策略來因應此點：CSI 在本地分析，於推論後立即丟棄，只有事件層級的資料會被傳輸。
至於州隱私法，目前已有 19 個州明文允許在取得同意下於護理之家房內使用攝影機。雷達與 Wi-Fi 感測完全迴避了這場爭論，因為它們並非監視裝置。目前沒有任何州規範非視覺的 RF 感測。話雖如此，我們仍建議在您的住民入住協議中記載此監測，因為透明度能建立與家屬之間的信任。
長時間倒臥正是真正危險的所在。倒臥地面超過一小時的長者中，有半數會在六個月內死亡，即使跌倒本身並未造成直接傷害。併發症包括持續肌肉壓迫所致的橫紋肌溶解症、冰冷地板所致的低體溫、脫水，以及急性腎衰竭。
以加速度計為基礎的標準穿戴裝置無法可靠地偵測長時間倒臥，因為裝置可能已被取下，或最初的跌倒事件未必觸發了閾值。毫米波雷達透過較簡單感測器所欠缺的一項特定能力來處理長時間倒臥偵測：微都卜勒呼吸偵測。即使一個人完全靜止地躺在地面上，其胸壁在呼吸期間仍會位移 4 至 12mm。在 60 GHz 下，此位移代表了 5mm 波長中相當可觀的一部分，在反射訊號中產生可偵測的相位調變。
系統確認：該人的點雲質心位於地面高度（z 約為 0m），大肌群動作已停止，但微都卜勒確認了呼吸。此狀態觸發「跌倒且無法自行恢復」警示。我們依據您的臨床協定設定升級計時器。通常，若大肌群動作在跌倒後 3 分鐘內未恢復，系統會警示指派的 CNA。若 90 秒內無員工確認，便會升級。若呼吸特徵也劣化或停止，系統會觸發緊急應變。
時序建模（維持序列記憶的 LSTM 網路）正是將這套系統與簡單動作偵測器區別開來之處。系統理解整個敘事：站立、然後加速、然後撞擊、然後伴隨呼吸的靜止。那段序列毫無模稜兩可之處。
我們從 10 至 15 間房開始，經挑選以代表您設施面臨的各種挑戰：幾間標準單人房、至少 2 間浴室（風險最高的空間）、視情況納入一間失智照護房，以及一個公共區域。試點運行 60 天，分為三個階段。
第 1 階段（第 1 至 2 週） 為現場評估與安裝。我們稽核您的 IT 基礎設施：安裝了哪些存取點、您運行哪套護理呼叫系統、您的網路是否支援用於 IoT 流量的 VLAN 分段。許多機構運行的是 10 年屋齡的 Ruckus 或 Aruba AP，無法在不降低呼叫燈系統效能的情況下承擔額外的感測器流量。我們在高風險房間安裝雷達感測器，並在您的 AP 支援 CSI 擷取的公共區域設定 Wi-Fi 感測。
第 2 階段（第 3 至 6 週） 為影子模式。系統與您現有的監測並行運行。每一筆警示都會被記錄，但不轉送給員工。我們將我們的偵測結果與您的事件報告比對、逐間房校準誤報閾值（有吊扇的房間需要與沒有吊扇的房間不同的參數），並調校雜訊地圖。
第 3 階段（第 7 至 8 週） 為附帶量測的即時模式。員工接收警示。我們追蹤反應時間的改善、每間房每日的誤報率，以及任何系統捕捉到、而您先前做法所漏接的跌倒。
一座 100 床的設施（裝設 10 至 15 間房），試點費用為 $15,000-25,000。在結束時，您會擁有硬數據：系統偵測到多少起跌倒、每日多少次誤報、員工反應時間差距，以及一份清晰的全面部署投資報酬率推估。100 間房的全面部署通常為 $150,000-250,000，含硬體、整合與第一年的分析，換算下來為每間房每月 $125-210。鑑於單一伴隨傷害的跌倒平均成本為 $30,000，只要系統每年預防 5 至 8 起致傷跌倒，便能回本。
支撐這個解決方案頁面的互動式白皮書。這些更深入地探討訊號處理、神經網路架構與感測器物理。
60 GHz FMCW 雷達物理、雙串流 AI 架構（CNN + PointNet + LSTM）、在 Cortex-M/A 處理器上的邊緣推論、CFAR 偵測，以及 UL 1069 護理呼叫整合。
通道狀態資訊（CSI）分析、菲涅耳區微動偵測、用於環境適應的域對抗神經網路（DANN），以及 IEEE 802.11bf 實作架構。
一座平均每年 40 起跌倒的 100 床設施，在法律風險之前就已承擔 $120K-240K 的直接成本。
從一次設施評估開始。我們稽核您的房間、基礎設施與護理呼叫系統，然後交付一份附帶具體建議與成本推估的感測器架構文件。除評估之外無任何承諾。