| 研究生: |
陳建仲 Chen, Chien-Chung |
|---|---|
| 論文名稱: |
智慧醫療技術在長照機構的應用與挑戰:以AI健康監測系統及智能輔具整合為例 Application and Challenges of Smart Healthcare Technologies in Long-Term Care Facilities: A Case Study of AI Health Monitoring Systems and Intelligent Assistive Device Integration |
| 指導教授: |
陳嬿如
翁嘉祥 |
| 口試委員: |
陳嬿如
周冠男 王樹鳳 |
| 學位類別: |
碩士
Master |
| 系所名稱: |
商學院 - 經營管理碩士學程(EMBA) Executive Master of Business Administration(EMBA) |
| 論文出版年: | 2026 |
| 畢業學年度: | 114 |
| 語文別: | 中文 |
| 論文頁數: | 47 |
| 中文關鍵詞: | 智慧醫療技術 、AI健康監測系統 、智能輔具 、長照機構 、跨領域協作 、租賃模式 、法規議題 、數位人才 、政府補助 、智慧長照生態系 |
| 相關次數: | 點閱:20 下載:0 |
| 分享至: |
| 查詢本校圖書館目錄 查詢臺灣博碩士論文知識加值系統 勘誤回報 |
本論文以台灣即將邁入超高齡社會為背景,探討智慧醫療技術,特別是AI健康監測系統與智能輔具,在長照機構中的整合應用與實務挑戰。 研究首先從人口老化與長照需求增加、全球與台灣智慧醫療及AI長照市場發展趨勢出發,說明智慧床墊、跌倒偵測、非接觸式生理監測、外骨骼與智慧輪椅等技術如何協助提升照護品質、效率與安全。 方法上採質性深度訪談與產業案例分析,訪談技術供應商、中小型長照機構管理者及台籍與東南亞籍照護人員,聚焦跨領域協作機制、成本分攤與租賃模式、多語言與文化適應,以及AI生成病歷與數據跨境等法規議題。 研究結果指出,智慧醫療技術能有效降低跌倒與意外風險、節省行政工時並提升照護人員工作滿意度,但落地過程受限於導入與維運成本、數位人才不足、系統整合困難及資安與法規不確定性;外籍看護在語言與文化面向亦面臨介面不友善與訓練不足問題。 因此,論文分別從技術供應商、中小型機構與前線照護人員三個角色提出實務落地方案,包括以場域共創與跨域專案小組強化協作、導入租賃與分級功能商模結合政府補助、多語介面與情境化教學設計,以及採AI輔助加人工覆核的資料治理模式。 最後,論文建議政府在長照3.0與智慧醫療政策下,持續擴大智慧科技補助與租賃機制、建立資料與介面標準、發展AI醫療與長照法規沙盒,並強化數位與跨文化照護人才培育,以推動兼具科技效能與人本關懷的智慧長照生態系。
第一章 緒論 1
第一節 研究背景與動機 1
第二節 研究問題與目標 3
第三節 研究範疇與方法 4
第四節 研究貢獻與論文架構 5
第二章 文獻回顧 7
第一節 智慧醫療技術與長照市場發展趨勢 7
第二節 AI 健康監測系統與智能輔具的技術現況 10
第三節 台灣長照機構的運營模式與技術應用挑戰 13
第四節 相關政策與法規 17
第三章 研究方法 19
第一節 深度訪談與資訊蒐集 19
第二節 訪談內容設計與對象設定 20
第四章 研究結果與分析 23
第一節 訪談結果分析 23
第二節 智慧醫療技術對長照機構的影響 27
第三節 AI 監測系統與智能輔具的應用現況與效益分析 28
第四節 落地的挑戰與解決方案探討 31
第五章 結論 40
第一節 研究結論摘要 40
第二節 研究範疇與限制 40
第三節 未來發展與方向 43
參考文獻 46
中文文獻
1.工業技術研究院(2022)。《智慧長照大聯盟階段成果報告》。
2.內政部營建署(2018)。《高齡者居家及社區式智慧環境科技發展調查及未來需求推估》。
3.國家發展委員會(2023)。《我國人口推計(2024–2070)及超高齡社會影響評估》。
4.教育部工業局(2023)。《智慧醫療與智慧長照產業發展白皮書》。
5.數位發展部(2024)。《數位健康與AI醫療推動方案(2024–2028)》。
6.衛生福利部(2024)。《長照3.0整體計畫暨智慧照護推動方案》。
7.KPMG安侯建業聯合會計師事務所(2022)。《智慧照護創新趨勢調查》。
英文文獻
1.United Nations Department of Economic and Social Affairs. (2019). World population ageing 2019. United Nations.
2.Frost & Sullivan. (2023). Global digital health market outlook 2023–2028.
3.InsightAce Analytics. (2023). Artificial intelligence in long-term care market: Global analysis and forecast 2023–2031.
4.World Health Organization. (2022). Global strategy on digital health 2020–2025: Interim progress report.
5.Chen, J., & Lin, Y. (2021). Adoption of AI-based monitoring systems in long-term care facilities in Taiwan. Journal of Healthcare Engineering, 2021.
6.Wang, H., & Tsai, C. (2020). Smart long-term care information systems and quality of care outcomes. International Journal of Medical Informatics, 145, Article 104304. https://doi.org/10.1016/j.ijmedinf.2020.1’’04304
7.European Commission. (2022). European health data space proposal.
8.Ministry of Health, Labour and Welfare, Japan. (2021). Long-term care insurance system and use of care robots: Policy report 2021.
9.Kaye, J., & Zuboff, S. (2021). Data governance and AI in health care: Privacy, trust, and regulation. Health Policy and Technology, 10(3), Article 100567. https://doi.org/10.1016/j.hlpt.2021.100567
10.Lee, S., & Park, M. (2024). Social robots in elderly care: Acceptance and ethical considerations. Innovation in Aging, 8(1), Article igae001. https://doi.org/10.1093/geroni/igae001
全文公開日期 2031/02/03