智慧長照 AI:照護記錄生成、家屬溝通與異常提醒的落地場景與個資界線

去年冬天,我們進了一間中部的住宿型長照機構。現場照服員每天最怕的不是翻身、餵食、洗澡,而是下班前那 40 分鐘——補寫照護記錄。一個人顧八到十床,交班時憑記憶把「今天李奶奶午餐吃了七分、下午情緒躁動、傍晚解便一次」逐格填進系統。字醜、漏填、時間對不上,是常態。稽核來的時候,這些記錄又是機構評鑑的命根子。

長照 AI 真正能落地的第一個缺口,就在這裡。不是取代照服員,是把他們每天流失在紙筆上的工時撿回來。

長照 AI 該從哪裡開始落地

很多機構一聽到 AI,想的是「智慧照護機器人」「跌倒偵測攝影機」。這些不是不好,而是導入成本高、跟現有流程衝突大,上線後往往變成角落裡積灰的展示品。我們的判斷相反:長照 AI 最先該做的,是那些每天發生幾百次、規則清楚、又極度耗人力的文字工作。照護記錄生成、家屬溝通、異常訊號初篩,這三件事風險可控、收益立即可見,是最務實的起點。

照護記錄生成:把口述變成合規文件

我們做的第一件事,是讓照服員用講的。交班時對著手機講一段話——「王伯伯今天血壓偏高,140 over 95,午睡兩小時,晚餐正常,情緒平穩」——系統即時轉成結構化欄位:生命徵象、進食、排泄、活動、情緒,分格歸位,再套上機構的記錄格式與用語規範。

導入前,單班平均補記錄 38 分鐘;導入六週後,降到 11 分鐘。省下的不只是時間,是記錄品質。因為口述當下記憶最新鮮,漏填率從原本抽查的兩成多,掉到個位數。

但這裡有個必須誠實講的雷:AI 生成的記錄一定要照服員簽核才算數。我們踩過一次,早期版本讓系統自動歸檔,結果一句「情緒平穩」被誤植到躁動的長輩身上,幸好稽核時抓到。從此我們把規則寫死——AI 只生成草稿,人確認才落檔。照護記錄是有法律效力的文件,不是聊天摘要。

家屬溝通:從「報平安」到「有依據的安心」

家屬最常問的一句話是:「我媽今天還好嗎?」以前機構的回答多半是「都好、放心」。這種安心很脆弱,一出事家屬立刻覺得被隱瞞。

我們把每日照護記錄的重點,自動整理成一段家屬看得懂的白話摘要,附上當日進食、活動、睡眠的簡單趨勢。不是把病歷丟給家屬,而是翻譯成人話:「今天胃口比昨天好,下午參加了團體活動,午睡較久可能因為早上復健比較累。」家屬的追問電話少了將近一半,因為他們拿到的是有依據的安心。

要提醒的是,溝通內容的界線要事先跟家屬與長輩約定——哪些能主動推播、哪些屬於敏感健康狀況需要護理師人工判讀後才發。AI 負責整理與初稿,拿捏分寸的仍然是人。

異常提醒:別把 AI 當醫生

異常提醒是這三者裡最需要克制的。我們讓系統盯著記錄裡的趨勢——連續兩餐進食量掉、體重一週內明顯下降、排便異常天數累積——命中規則就推給護理站。

它的定位是「提醒人去看」,不是「判斷病情」。我們刻意不讓它下任何醫療結論,寧可多幾次假警報,也不讓它扮演它不該扮演的角色。長照現場的責任歸屬太清楚:出事是人在扛,AI 只能當那雙多出來的眼睛。

個資與健康資料的界線在哪

這是長照機構導入 AI 最容易忽略、卻最致命的一塊。長輩的健康狀況屬於《個人資料保護法》的特種個資,蒐集、處理、利用的門檻遠高於一般個資,家屬也不等於當事人,不能想推播什麼就推播什麼。我們在每個案子開頭就先把界線畫清楚:

最關鍵的一條:涉及原始健康資料的推論,盡量在機構內部或去識別化後處理,不要圖方便直接丟給外部模型。同意書要寫清楚 AI 的角色、資料流向、家屬能看到什麼。這些不是法遵部門事後補的表格,是導入第一天就該定好的設計前提。

我們在 Tenten 做長照 AI,從不從模型出發,而是先跟照服員跑一輪交班、跟護理長確認哪些提醒該人工把關、跟法遵一起把個資界線寫進流程,再讓工程師進場把它接上機構現有的記錄系統。Demo 上點頭不算數,是照服員下班早了半小時、家屬電話少了一半、稽核那天記錄一格不漏,才算真的上線。