跳至正文
朗慧科技

MEDICAL DATA RESEARCH

居家养老AI监测的关键不是“看见异常”,而是让多模态证据可核验

围绕居家养老场景,拆解雷达与视觉如何联合识别疑似跌倒、持续卧地及非接触心率呼吸趋势,重点说明数据切分、专家标注、参考标准、隐私降级、外部验证与照护响应验收边界。

临床文本与纵向多模态AI辅助整理 · 研发交流

独居或白天缺少陪护的老人发生跌倒时,真正困难的往往不是发出一声提示,而是系统能否在遮挡、夜间、多人同居和网络波动的条件下,区分“确实倒地”“主动躺下”“坐下后未起身”以及“设备没有看清”。如果同一套系统还要估计心率和呼吸,问题会进一步变成:非接触传感器给出的数字是否有足够的信号质量,异常是否只是短时运动伪影,照护人员收到通知后能否沿着完整证据链复核并采取行动。

因此,居家养老看护平台不应被简单理解为摄像头加一个报警按钮,也不应把“心率异常检测”直接表述为远程诊断。它更适合被拆成一个面向老年人生活场景的多模态安全监测与响应系统:用雷达捕捉距离、速度和胸腹微动,用视觉或深度信息描述姿态与区域,用软件把事件、质量标记、人工确认和响应过程组织起来。医学研发和数据采购的核心,是先把临床任务、数据粒度、专家标签和验收口径写清,再决定设备与算法。

一、先把平台描述还原为可验收的临床任务

源方案中与医学AI直接相关的内容可以脱敏为三个相互关联、但不能混为一谈的任务。第一是跌倒或疑似跌倒事件检测,目标是识别人体从站立、行走或坐姿向地面快速转移,并判断事件发生的时间、区域、持续卧地状态和证据质量。第二是非接触式心率、呼吸率及其短时趋势估计,目标是发现需要复核的变化,而不是在没有临床参考和适用范围说明的情况下输出疾病结论。第三是照护响应编排,包括向预先授权的家属、护理人员或社区响应角色发送分级通知、提供人工确认入口、记录是否接通和是否升级。第三项是业务流程,却直接决定前两项是否有实际价值;没有响应闭环,单纯提高模型离线分数不能等同于改善照护。

这三个任务的输入模态不同。跌倒检测主要需要全身运动和姿态变化,输入可以包括毫米波或其他无线电雷达的距离—速度信号、RGB或深度摄像头的姿态/轮廓特征,以及房间、床、椅、通道等区域地图。心率和呼吸估计关注胸腹部的周期性微动或视频颜色/运动变化,所需窗口、滤波和质量条件不应直接沿用跌倒分类模型。响应编排则需要事件时间戳、区域、置信度、质量旗标、确认状态和消息投递结果。平台可以保存原始数据用于授权后的质量回放,也可以优先交付抽象姿态、雷达特征和事件日志,但必须在项目开始时明确两种数据的用途与保存期限。

解剖和病种边界也要写清。该需求的主要观察对象是全身姿态、胸腹微动和居家活动状态,并非某个器官或单一疾病的影像诊断。跌倒是安全事件,心率和呼吸是生理参数,二者都可能受到药物、基础疾病、睡眠、情绪和活动强度影响。系统可以输出“疑似跌倒”“持续卧地”“心率/呼吸估计无效”或“趋势偏离个人基线,建议人工确认”,但不应自行生成心律失常、呼吸衰竭等疾病诊断,也不应把一次异常读数作为急救结论。

数据颗粒度至少有三层。第一层是连续信号或视频帧,供信号质量控制和算法开发使用;第二层是按秒或固定时间窗形成的姿态、活动、心率、呼吸和质量特征;第三层是事件级记录,包含事件类型、起止时间、区域、是否真实、是否触发通知、通知是否被确认。采购文件若只写“24小时监测”而没有窗口长度、缺失规则、无效状态和事件边界,后续无法判断漏报究竟来自算法、设备、网络还是标签定义。

居家多模态监测从采集到响应的技术关系示意查看完整技术图(可放大)

图1 技术示意:雷达与视觉可以共享时间轴,但动作事件、生理趋势和照护告警应分别建模、分别验收;图示不表示真实患者、已完成实验或临床诊断。

二、数据设计的第一原则是“能说明没有看清”

居家环境比实验室更容易产生系统性误差。家具会改变雷达反射和视觉遮挡,夜间光线会改变摄像头可见性,镜面、玻璃、金属和风扇会带来干扰,宠物、访客和护理人员会造成多目标混叠。老人从椅子滑到地面、在地垫上跪下、弯腰捡物或主动在地面做康复动作,也可能与跌倒共享相似的瞬时姿态。数据集不能只收集“倒下”的正例,还要系统纳入坐下、躺下、起身失败、弯腰、爬行、床边活动、多人交叉和传感器暂时失效等阴性或不确定样本。

场景采集应把人、空间、设备和时间作为同一实验单位管理。随机按视频片段切分训练集和测试集,会把同一个人的动作习惯、同一房间的背景和同一设备噪声泄漏到两边,结果看似稳定,换一套房间便可能下降。更稳妥的做法是按人、家庭或房间、设备布局和时间段进行分组切分;当研究目标是跨设备部署时,还应把传感器型号、安装高度、角度和固件版本纳入数据卡。对连续监测而言,不能只保存模型认为“有事件”的几秒,还要保留事件前后的上下文窗口,便于判断预警前是否有步态不稳或起身失败,也便于分析重复告警。

雷达和视觉需要统一时钟与区域坐标。雷达坐标、摄像头坐标、房间平面和床椅区域若没有映射,系统很难回答“哪里发生了什么”。时间同步不只是把设备时间写进文件名,还要记录网络延迟、丢包、重启、帧率变化和各模态的有效起止时间。多人情况下,数据设计应明确是否只服务于授权的目标老人,是否需要匿名轨迹,如何处理其他人的短暂出现。若系统无法稳定区分目标,应输出“不可判定”,而不是把第二个人的运动强行归因给目标对象。

隐私不是界面上的一个“马赛克”开关,而是数据架构问题。摄像头路线可以优先在端侧提取姿态、轮廓、人体框或深度特征,减少原始画面上传;雷达路线可以在不保存可识别图像的情况下提供距离和微动,但仍应评估是否可由轨迹重建生活习惯。原始视频、语音、心率趋势和居住轨迹均可能构成敏感健康信息,应按最小必要、授权访问、分级留存和可审计删除来设计。对于浴室、卧室等高隐私区域,项目应先确定是否需要部署、能否以非视觉模态替代,以及发生不可判定时由谁承担人工复核责任。

三、算法路线应把“检测”“估计”和“响应”分成三条链

跌倒检测可以从姿态时序、人体高度变化、速度变化、接触地面后的持续状态和场景上下文中提取证据。视觉模型擅长描述人体关键点、轮廓和相对姿态,雷达能在低照度或部分遮挡下提供距离、速度与微动信息。多模态融合不必一开始就把所有信号拼成一个大模型;在数据量有限或环境差异很大时,先进行各模态质量评估,再采用后融合或条件式融合,往往更容易解释。若视觉显示“不可见”,雷达显示“快速下降”,系统可以提高疑似事件的复核优先级,但不应在没有可靠时间同步时把两个证据简单相加。

模型的安全层同样重要。一个候选跌倒至少需要考虑快速姿态改变、低高度或地面接触、短时间内无起身动作以及区域合理性。规则不应该被当成医学真理,而是用来限制明显不合逻辑的模型输出。工程上可以加入迟滞和重复确认,避免一个人躺下休息时连续推送多条警报;也要保留人工取消、设备离线、目标不在场和不可判定状态。警报系统的目标不是让模型永远给出答案,而是在证据不足时明确告诉照护者“当前无法可靠判断”。

心率和呼吸率估计需要单独的信号处理链。雷达微动信号常包含呼吸、心搏、身体移动、背景反射和多人干扰,摄像头信号还会受到光线、肤色、运动、压缩和视角影响。可行路线通常包括目标区域定位、去趋势、带通或时频分析、峰值/周期估计、运动伪影检测和有效性评分。只有当窗口内信号质量达到预设条件时,才输出数值;否则应返回无效或延长观察窗口。研究综述显示,雷达测量心率和呼吸率在不同研究中的误差表现差异很大,距离、角度、姿势、运动和算法都会改变结果,文献之间的定量比较也受到变量不统一的限制。4这意味着采购验收不能只写一个漂亮的平均准确率,更要规定运动分层、姿势分层和无效率。

“异常检测”还需要基线和上下文。对一位刚走完楼梯的老人,较高心率未必是异常;睡眠、疼痛、焦虑或发热也会改变呼吸节律。系统可以先建立个人或场景基线,再检测持续偏离,并同时输出运动状态、信号质量和观察时长。即使出现偏离,也应由授权的照护或医疗人员复核。将一个趋势标记直接升级成自动呼救,既可能造成误报疲劳,也可能在参考标准不足时制造不必要的风险。

四、标注主体不是“会操作软件的人”

跌倒数据的标签至少要包含事件类型和时间边界。建议区分真正跌倒、滑倒、从床/椅转移、主动坐卧、起身失败、持续卧地、遮挡、多人干扰、设备失效和不可判定。对同一事件可记录候选开始、身体接触地面、保持卧地、重新起身和人工确认等时间点。这样,研发端才能分别评估检测延迟、持续状态识别和告警确认,而不是把一个很宽的时间段粗略标成“跌倒”。

生命体征标签则需要写明测量窗口、参考设备、同步误差、姿势、活动状态和参考值缺失。心率和呼吸的参考不应由同一套待测算法反向生成。研究者可根据项目目的使用经确认的心电或脉搏参考、呼吸带、人工计数或其他合适设备,但必须记录参考设备的采样、有效范围和同步方式。2025年的居家雷达呼吸监测概念验证研究表明,多夜家庭验证需要处理参考设备运行时段不同、设备本身估计误差以及时间对齐等问题;作者也强调,家庭环境的参考标准并不容易选择。3这对居家平台的启示是:参考标准和对齐规则必须在试采之前冻结,而不是在结果不理想时临时更换。

标注人员应按任务分工。医学或康复领域专家适合界定跌倒和持续卧地的临床语义,经过培训的标注员可以执行初标,数据质检人员负责完整性、时间轴和格式,响应流程人员则负责确认“告警是否被接收、升级是否按规则完成”。后者的操作记录不能替代医学事件金标准。不同专家之间的争议应保留原始标注、仲裁理由和版本号;低共识样本可以作为不确定集、鲁棒性测试集或主动学习候选,不应不加说明地并入硬标签。

盲审和交叉复核要覆盖模型容易“自证”的环节。标注人员不应先看到模型置信度再决定真值,模型开发者也不应通过查看测试集逐例调整阈值。标签指南需要定义“看不清”“证据不足”“设备异常”和“无法确认”这些状态,否则标注员会被迫在真/假之间选择,最终把数据缺陷伪装成模型能力。对于真实跌倒,可能无法获得完整视频或连续参考设备,数据卡应明确哪些样本只支持事件发生的大致时间,哪些样本可以支持精确延迟和生理数值比较。

五、验收应从事件级、数值级和流程级分别计算

跌倒检测首先是事件级任务,不是逐帧分类。验收可以报告事件灵敏度、精确率、召回率、漏报、误报每人时、告警延迟和不可判定率,并按日间/夜间、可见/遮挡、单人/多人、站立/坐卧和不同房间类型分层。若同一次跌倒产生十条通知,不能把十条消息都算成十个独立真阳性;应规定事件合并窗口、重复告警和人工确认规则。对照组必须包含足量的正常生活片段,因为居家部署最容易出现的问题往往是持续误报,而不是某个受控动作没有被识别。

生命体征验收应同时看一致性和可用性。心率、呼吸率可报告平均绝对误差、偏差、协议界限、有效窗口比例和在不同活动状态下的分层结果;若目的是趋势监测,还应检验方向变化是否与参考一致,而非只比较单个数值。对体位变化、被褥遮挡、说话、咳嗽、翻身和多人靠近等情形,应明确是继续输出、降低置信度还是拒答。医院场景的非接触传感器综述显示,雷达、红外和微波传感器在若干研究中与传统测量方法表现相近,但纳入研究数量有限,医院结果也不能直接外推到居家照护。5

外部验证必须晚于模型和规则冻结。把同一家庭的不同视频片段随机分到训练和测试集,不能证明跨家庭泛化;把不同房间但同一设备布局作为唯一外部集,也不能覆盖安装变化。合理的外部验证至少应包含未参与调参的房间、设备位置、照明、网络条件和目标人群,并逐项记录模型拒答。2025年的系统综述指出,跌倒研究常见样本小、方便抽样、参考标准依赖观察者确认、缺少盲法和外部验证等问题,模型研究还常有缺失数据处理不足和过拟合评估不足。2另一篇老年照护范围综述也指出,许多研究仍集中于技术评价、可用性或可行性阶段,真实跌倒和临床应用证据有限。1

业务验收不能只验模型。一次完整回放应能够回答:输入是否齐全,模型和规则用的是什么版本,事件何时产生,谁收到通知,是否人工确认,是否重复升级,若未响应是否按预案处理,以及最终结论是否被修改。对于没有网络、设备离线、镜头被遮挡或雷达信号持续异常的情况,系统要有明确的降级路径。源方案中的家属、护工、志愿者、社区和物业等角色,可以抽象为不同权限的响应节点;实际项目需要由授权方决定接收范围、最短响应时限、升级条件和记录保存期限,而不能由算法自行假设“有人会处理”。

从专家标注到外部验证的验收链示意查看完整技术图(可放大)

图2 技术示意:先冻结任务本体和参考标准,再进行独立场景验证与交付回放;图示不表示真实患者、统一阈值或临床效果。

六、把隐私、偏差和可维护性写进数据卡

居家监测的偏差不仅来自模型,也来自谁被采集、在哪些房间被采集和谁愿意持续使用。行动慢、使用助行器、认知状态不同、身材和姿态差异明显的老人,可能与年轻健康志愿者产生不同的雷达和视觉分布。夜间、冬季厚衣、床上被褥、卫生间水汽和家具变化同样会影响有效率。数据卡应记录纳入与排除条件、场景覆盖、模态缺失比例、设备安装范围、标注共识、异常处理和已知不适用条件,不能用一个总体数值掩盖关键亚组的不可用。

隐私评估也需要可度量。除了检查原始画面是否被上传,还应确认系统日志是否暴露生活规律,是否能通过轨迹推断居住者身份,是否允许按角色查看原始证据,以及用户撤回授权后数据和缓存是否被删除。面向研发的数据交付可以优先提供脱敏视频、姿态序列、雷达特征和事件表;如果确需原始视频用于复核,应将访问、导出和回放纳入审计。非接触并不等于无隐私风险,摄像头少拍一些也不等于自然获得伦理或合规授权。

数据版本要跟着场景变化走。新增设备、调整安装高度、修改事件定义、替换标注指南或改变告警迟滞,都应形成版本记录,并说明哪些训练集、验证集和指标受到影响。数据管线可以通过样例、质量记录、数据卡和回放包让研发团队在本地复现;但“能够完成标注与交付流程”不等于已经拥有某种雷达现货、某个医学算法或临床认证。项目规格、采集设备、授权范围、周期和验收阈值仍需在书面方案中逐项确认。

对于AI数据基础设施和流程服务商,合适的参与边界是把复杂需求拆成可交付的数据产品:协助定义模态与任务、设计采集及脱敏规则、组织专家标注与质检、提供版本化样例和数据卡,并将模型开发端需要的导出格式和验收记录固化下来。若项目涉及雷达硬件、端侧推理、医疗器械注册或真实照护服务,还需要相应的设备、软件、临床和运营责任方共同承担,不能因为数据流程完整就推断整个平台已经具备独立的医疗能力。

七、从“报警功能”走向可持续的人机协同

居家监测最值得研发投入的地方,不是把界面做得更像指挥中心,而是让每一次异常都能被理解和处理。告警消息应尽量包含事件类别、发生时间、区域、信号质量、是否多人干扰、是否已自动复核和下一步需要谁确认;对生理参数则呈现观察窗口、趋势、质量和参考条件,避免把一个没有上下文的数字推给非专业人员。照护者需要的是可行动的信息,而不是无法解释的模型分数。

在业务逻辑上,可以把事件分为提示、待确认和升级三层。提示层记录可疑变化但不打扰所有人员;待确认层要求指定角色在规定时间内查看事件上下文或与老人通话;升级层仅在规则、权限和人工确认条件满足时通知更高优先级响应者。若老人主动语音呼救或人工按键,平台可以将其作为独立高优先级输入,但要与AI推断的跌倒分开记录。这样既能保留人工主导,也能在后续分析中区分“模型发现”“老人求助”和“照护者确认”。

系统上线后的数据闭环同样是临床研发的一部分。每次误报、漏报、无效和无法接通都应带有原因码;照护人员可以标记“主动躺下”“设备被移动”“房间发生变化”或“无法确认”。这些反馈不应直接回流训练,而应经过脱敏、质量复核、标签更新和版本评估。否则,系统会把某个家庭的偶然行为当成通用模式,或者为了降低误报而悄悄抬高阈值,牺牲真正事件的召回。

结语:把需求写成证据链,平台才有可能真正可用

智慧居家养老的技术难点不是缺少一个“AI”标签,而是要同时处理事件识别、生理参数估计、隐私保护、人工响应和长期维护。雷达、视觉和软件平台可以提供互补证据,但只有在时间同步、质量筛查、专家标签、参考标准和外部验证都被写进规格后,输出才具备可核验性。近期研究已经显示非接触监测具有发展潜力,也显示真实居家环境、参考标准、样本偏差和临床验证仍不能被省略。13

对研发团队而言,最小可行的第一步不是宣称“全场景实时诊断”,而是选定有限房间和明确事件本体,完成小规模试采、双人标注、质量回放和独立验证;对数据采购方而言,最重要的合同附件不是一张总体准确率表,而是任务定义、数据卡、标注指南、模态与设备说明、版本血缘、外部测试方案和异常响应记录。只有把“看见异常”转化为“证据充分、边界清楚、有人复核、结果可追溯”,居家监测才可能从演示功能走向值得信赖的照护基础设施。

参考来源

  1. Emerging Digital Technologies Used for Fall Detection in Older Adults in Aged Care: A Scoping Review
  2. Digital Healthcare Approaches for Fall Detection and Prediction in Older Adults: A Systematic Review of Evidence from Hospital and Long-Term Care Settings
  3. At-home validation of a non-contact, radar-based breathing monitor for long-term care of patients with respiratory diseases: A proof-of-concept study
  4. Systematic Literature Review Regarding Heart Rate and Respiratory Rate Measurement by Means of Radar Technology
  5. Application of non-contact sensors for health monitoring in hospitals: a narrative review
  6. Contactless vital sign monitoring systems: a comprehensive survey