針對高跌倒風險之高齡病患，本團隊與奇美AI大數據中心、護理部團隊合作，並已申請到奇美醫院人體試驗委員會IRB(Institutional Review Board)研究核准將應用於醫院之高齡病房，研發基於深度學習邊緣運算技術之「離床預警暨床邊跌倒報知系統」(如下圖)，其系統架構包含人工智慧影像感測器，稱為「EyeWall」、推播離床預警和床邊跌倒事件的雲端伺服器、事件通報APP以及床邊事件資訊平台。
其創新技術在於人工智慧影像感測器「EyeWall」能夠在老人離床或於床邊發生跌倒時，透過影像模組捕獲即時影像，以邊緣運算深度學習技術於嵌入式系統中直接辨識老人是否發生離床或床邊跌倒。本團隊採用Openpose做為姿態識別與估計的基礎開發模組，辨識影像中高齡病患的身體的部位並建構出人體骨架，再將辨識出的人體骨架以自行開發之軀幹影像辨識演算法和RNN-LSTM 模組對姿態進行分類(如坐床緣、床邊跌倒)，以辨識出高齡病患之離臥床各中姿態，包含：臥床、起身坐起、坐床緣(兩腳懸空下垂)、離床(站立)、行走、床邊跌倒等6種姿態。
本系統亦根據根據醫院高齡病房照護之臨床需求，開發對應之兩階段式離床預警與床邊跌倒報知功能。針對離床預警將設計兩階段預警，第一次預警為病人起身坐起時，第二次預警為病人已坐床緣但仍無人給予協助時。且為避免誤報動作(False Alarm)，系統亦將需判斷(1)病人是否處於單獨狀態，且(2)是否為臥床→起身坐起→坐床緣(兩腳懸空下垂) 之連續動作，才啟動離床預警。

EyeWall 設備僅須掛壁於病床後方高度約2~2.5公尺的牆上，其所具備的AI離臥床軀幹辨識技術會根據人體軀幹與關節點之移動比來判斷床邊動作(臥床→起身坐起→坐床緣→離床 →床邊跌倒等)，並將感測到之離床預警與床邊跌倒事件以訊號傳遞的方式來觸發網路模組隨即將事件透過網路傳送至護理人員手機或護理站。

本系統研發目的主要為醫療院所住院之高齡病患住院安全，導入相關人工智慧與資通技術建構科技化照護環境，預期能有效針對醫院高跌倒風險之高齡病人提供離床預警與床邊跌倒報知功能，以即時給予適當照護服務。