科技改寫安老服務邏輯（黃岳永）
過去數十年，無論公共或私人供應，安老服務大多圍繞「事後介入」而設計──跌倒後的救援、入院後的治療、功能退化後的長期照顧。然而，隨着人工智能（AI）與感測技術成熟，一種以「預防為本」（Preventive Care）為核心的新模式，正逐步成形。
傳統服務強調事故發生後的即時反應，例如跌倒後的「黃金一分鐘」救援，新一代技術透過持續數據監測，將介入點提前至風險尚未轉化為事故之前。透過分析步態、平衡與活動模式的微細變化，AI已能識別短期功能退化，並在數十分鐘甚至更早發出預警。安老服務因而由「應對事件」，轉向「管理風險」。
在此基礎上，服務單位亦由「人手與時段」轉向「數據與狀態」。傳統模式依賴定期探訪與固定服務時數，本質上屬於間歇性供應；數據驅動模式則透過系統持續運作，在異常出現時才觸發介入，形成一種動態、按需要分配的服務邏輯。這不僅提升效率，更重新定義「照顧」的時間與邊界。
在香港高密度與多遮擋的居住環境中，單一感測方案難以可靠運作，而利用「多源感測融合」，結合穿戴裝置與環境感測器的混合模式，可在不同空間與情景中維持穩定數據輸入，提升整體準確度，反而更適合香港。同時，「無感化」設計逐漸取代依賴用戶主動操作的方案，例如以雷達「點雲」（Point Cloud）辨識活動，在不涉及影像的前提下持續監測，兼顧私隱與可用性。
至於演算法層面的突破，來自深度學習的應用。相較於依賴人為定義特徵的傳統模型，深度學習可直接從原始數據中學習行為模式，大幅提升判斷準確度並減少誤報。對安老服務而言，這不只是技術優化，更關乎系統「可信度」。當警報既準確又可靠，照顧者才會真正依賴系統決策。
科技所帶來的不僅是工具升級，而是服務結構的重塑。當風險可以被提前識別，資源配置亦需由醫院與院舍，逐步轉向社區與家庭；由處理意外後果，轉為減少意外發生。這與國際上「Aging in Place」（原居安老）與「預防式照顧」的政策方向一致，但亦對既有制度構成挑戰。
在香港，相關政策仍主要以服務項目與設備為資助單位，例如樂齡科技資助計劃及社區照顧服務券，多以「是否提供某項服務」作為評估基礎，而較少衡量「是否降低風險」或「是否延緩功能退化」。
當科技已能改變結果，制度卻仍停留於投入層面，兩者之間的錯配便逐漸浮現。
此外，數據驅動的安老模式亦涉及跨系統整合，包括醫療、社福與家庭之間的資訊流通與協同運作。
缺乏統一標準與清晰治理框架，不僅限制技術應用，亦可能引發私隱與責任界定問題，這些均非單一市場力量可以解決，而需要政策層面的主動回應。
可以預見，未來安老服務的核心指標，將不再只是「服務提供量」，而是「風險避免能力」。在這轉型過程中，科技並非終點，而是一種重新配置時間、風險與資源的基礎設施，真正的關鍵在於：當技術已準備就緒，我們的制度，是否同樣準備好改變。
更多黃岳永文章：
支持EJ Tech
如欲投稿、報料，發布新聞稿或採訪通知，按這裏聯絡我們。
