新加坡讯 - 独居在淡滨尼组屋的97岁居民朱丽·查（Julie Chia）女士虽然年事已高，却依然保持着活跃的生活方式。无论是前往楼下乐龄友伴会活动中心打Rummy-O牌，还是出门买报和晚餐，她都感到安全有保障。
这项针对200多名独居长者的研究项目名为"居家智能传感器促进长者福祉"（Sensors In-home for Elder Wellbeing）。研究团队通过安装在受试者家中的8种传感器收集数据，最新成果显示机器学习预测模型检测轻度认知障碍（MCI）的准确率已达90%，较2020年首阶段70%的准确率显著提升。
传感器网络分布在客厅、床底、药箱和门框等位置，配合钥匙扣上的定位标签和可穿戴设备，能全天候监测长者的活动轨迹、作息规律和记忆表现。系统通过分析居家移动频率、外出时长、睡眠质量及遗失物品频次等指标，实现非侵入式的行为模式追踪。
领导该项目的新加坡中央医院精神科高级顾问兼研究员艾瑞丝·罗塔教授（Iris Rawtaer）指出："相较于传统MMSE和MoCA认知评估工具，这套系统在90%的案例中都展现出更优的表现力。"研究团队采用的机器学习模型能解释预警逻辑，如识别出MCI患者常表现出的居家活动减少和服药遗漏特征。
研究数据显示，到2030年新加坡认知障碍症患者将达15.2万人，2050年更将攀升至18.7万人。值得关注的是，全球研究显示约半数MCI患者可能在五年内发展为认知障碍症。目前研究团队正开发商业合作模式以确保系统的可持续运维，第三阶段计划测试多人家庭应用场景并优化传感器布局。
"未来这套系统不仅能用于认知评估，还可拓展至安全监测和健康评估领域。"乐龄友伴会执行董事凯伦·魏（Karen Wee）表示。虽然当前可穿戴设备在老年群体中普及度有限，但随着科技发展，这种非接触式智能监测技术将为社区养老提供重要支持。
【全文结束】
