過去，當你在醫療院所量血壓時，你用的可能是歐姆龍(Omron)或日本精密(Nissei)的血壓計，但現在則可能是英業達或緯創的產品，而且透過藍牙就能在手機App紀錄這些生理數據，同時還能上傳雲端管理系統，醫生在看診時就能掌握並評估民眾的健康狀況。
隨著物聯網、人工智慧(AI)、虛擬實境(VR)等技術日新月異，科技與醫療這兩個產業的交集愈來愈多，不管是結合物聯網及雲端應用的健康監控設備、採用影像識別提供醫療輔助決策的AI系統、機械手臂或智慧機器人，都可發現投入醫療領域多時的科技廠商，陸續繳出可觀的成績單。
漫步在雲端的健康監測平台
英業達旗下的英華達，以「全家寶」品牌推出了一系列的智慧生理量測系統，包括電子血壓計、心電圖機以及具備血糖、總膽固醇、尿酸三合一功能的量測設備，將原本的健康監控設備變成輕巧可攜的AIoT裝置。
這套系統除了提供一般民眾量測紀錄、隨時掌握自己與家人健康狀況外，並與社區、長照中心、醫療院所合作，民眾所量測之血壓、血糖、總膽固醇及體重等生理量測數據，可即時傳輸至醫院資訊系統，當民眾前往醫院看診時，門診醫師可查看平日量測的生理數據，可應用於慢性病管理、居家醫療、遠距照護、社區健康管理、長照社福團體甚至遠距醫療照護。
智慧穿戴裝置大廠Garmin，則是憑藉其在穿戴裝置的高滲透率及多元應用領域，打造 Garmin Health客製化解決方案，可協助蒐集用戶的各種生理資訊與感測器數據，進行實時偵測資料整合串接服務，為一般大眾、病患進行健康狀態的追蹤及預防。
舉例來說，吉立生技就與孕學林產後護理之家合作，首創母嬰居家健康照護服務，讓媽媽及照護師配戴Garmin智慧穿戴裝置，可隨時偵測其心率、步數、樓層統計、卡路里、壓力、睡眠、身體能量等指數，透過科學數據監測搭配專業醫師建議，全天候掌握媽媽、寶寶、照護師的作息，並管理媽媽及照護人員的身心狀態，以確保能提供寶寶最佳的照護品質。
妙手回春的醫療機器人
對於科技廠商來說，機器手臂、機器人不是什麼新鮮事，但真正應用在健康醫療場域還在起步階段。
工具機大廠上銀科技以核心傳動技術、精密製造為基礎，歷經10年研發，發展出一系列的醫療設備產品線。包括復健設備、照護設備、手術專用設備、自動化醫療設備在內，目前已經推出的則有復健用途的「下肢肌力訓練機」及手術用途的「內視鏡扶持機械手臂」。
「內視鏡扶持機械手臂」是由上銀與中山醫學大學附設醫院合作開發，是全台第一個完全由台灣自主研發並取得醫療認證的的微創手術機器人，可以說是臺灣醫療與精密機械產業結合的範例，有機會打破目前達文西機器人成本昂貴的限制，降低醫療體系導入機械微創手術系統的門檻，減輕民眾的手術醫療費用。
過去進行內視鏡手術，通常需要另一名醫師負責扶持鏡頭伸入體內，協助主刀醫師進行手術，但手術時間往往長達數小時，容易因手部疲勞造成鏡頭晃動，影響執刀醫師的手術精確性；現在由機器人負責扶持內視鏡，透過精準的3D影像與定位控制，可以使手術視線更加清晰，並實現傷口小、恢復更快的微創手術。
另一方面，投入機器人領域超過15年的微星科技，因應疫情產生的非接觸需求，以防疫機器人切入醫療照護場域，一方面可以有效進行消毒，並降低病患及長輩的感染風險，一方面則可取代人力進行部分作業，減少護理照服人員的工作負擔。
事實上，隨著臺灣邁向少子化與高齡化的社會，相關醫護人力需求日益吃緊，加上醫護人員流動率居高不下，使得醫療照護機器人的開發日益受到重視，透過自動化的方式可代替人類進行3K－重複、骯髒、危險性質的工作，肩負起包括防疫、消毒、清潔、衛教、引導、搬運、傳遞等事務。
值得一提的是，微星的機器人可透過鏡頭輔助演算並搭配軟體自動校正，來建立完整的空間地標及路徑地圖，並針對不同的空間環境設計出自主定位導航與自動化運輸程序，甚至可以自行上下電梯，也能多台機器人同時搭配服務；且內部裝有紫外線殺菌照射法(UVGI)，可進行大範圍、大空間的殺菌消毒。
AI影像辨識成醫護好幫手
近幾年來，科技大廠積極推動將AI影像辨識、深度學習及大數據的技術，導入在不同病症的判圖輔助診斷，希望能夠協助醫療資源或人力缺乏的國家或地區。根據市場研究機構Global Market Insights預測，到了2024年AI醫療應用市場規模將達110億美元，其中醫療影像的應用將達25億美元。舉例來說，目前在糖尿病視網膜病變的AI篩檢系統已相當成熟。
根據2019臺灣糖尿病年鑑統計，臺灣糖尿病盛行率達9.32%、糖尿病患超過220萬人，其中約有三成會發生視網膜病變，且糖尿病患者失明率為一般人的25倍，視網膜病變患者中20~30%有失明的風險，平均年齡介於20~65歲，但目前臺灣罹患糖尿病的病人，每年只有不到一半有接受視網膜病變篩檢。
宏碁智醫為此開發出一套VeriSee輔助診斷軟體，透過AI深度學習了多位台大醫院眼科醫師對於糖尿病視網膜病變診斷的經驗，只要在有眼底鏡的內科診所或健檢中心即可做初步篩檢，即使沒有眼科醫師在場也能進行，分析結果可建議患者是否需轉診眼科進行更詳細檢查，避免錯失治療先機。
國眾電腦也與大學光學合作，運用人工智慧深度學習方法與大數據醫療資料處理技術，開發出針對眼底影像進行糖尿病視網膜病變嚴重程度辨識模型。近兩年先後於新北市偏鄉地區及台南市巡迴健檢服務合作，由訓練過的護理師及驗光師前往長照機構、醫療院所或社區據點，為糖尿病友及偏鄉民眾提供眼底鏡的掃描與拍照服務，累計服務人數近4萬人，其AI判讀的準確率已可達到93~94%。
此外，AI影像辨識也能運用在智慧照護場域。例如無敵就透過公開之跌倒影像及網路視訊資料庫，蒐集上萬筆跌倒影像數據，並完成肢體座標影像標註作業，經過深度學習及生成對抗網路(Generative Adversarial Network, GAN)模型訓練後，其跌倒辨識度達90%以上。
由於老年人或身心障礙者的跌倒方式與一般人有所不同，透過跌倒資料庫的建立，後續可開發AI影像辨識系統，一旦老年人或身心障礙者跌倒，AI監視鏡頭會立即透過影像辨識拍下跌倒照片，並將警示訊息傳送給照護者；如此一來不用配戴任何裝置，也能即時偵測及預警跌倒事件，爭取黃金救援時間。
