1. 邁向活躍老化的良方：認知儲備

由心理系徐晏萱教授帶領團隊進行認知儲備的研究。病態大腦老化是失智與失能的主因之一，至今許多病因仍無得以治癒之醫學方法。研究發現病態老化的大腦與個體於生活中的實際功能具有顯著的個體間差異，此差異極可能與個人於神經發展過程中所累積的認知儲備有關。因此，認知儲備成為學術研究與臨床實務上關注的焦點，然現有的評量指標不夠細緻，尚無公認的評估方法；且目前社政資源缺乏以認知儲備為焦點的介入方案，未能從發展的時間軸，增進大眾對認知儲備概念的認識，並協助不同族群特性者以系統化的方式擴充其認知儲備，顯見此議題十分值得關注與探討。

台灣因歷史因素，高齡者的教育程度普遍低於國外族群，因此將針對台灣現況，分析台灣高教育程度與低教育程度高齡者適用的認知儲備指標，剖析各指標於過去研究中的優缺點。其次至社區進行實地訪談，分別探討高齡者與當代年輕人對認知儲備的理解程度，評量其現有的認知儲備狀態，並評估文獻中的認知儲備評量指標是否適用台灣族群，藉此發展在地化評估指標。而後藉由學校與醫院合作，將探討病態老化族群的認知儲備特性，以理解認知儲備指標是否可應用於疾病族群，解釋腦部病理、認知功能、及生活適應三者在臨床上時而可見的不一致性，並進一步訪查病態老化族群的認知儲備特性，其與一般健康高齡者間是否存在差異。此結果將可指出病態與健康老化之間可能在個體發展更早的時間點即出現的差異，或可作為未來早期介入的目標。之後綜合前三年的研究內容，發展系統性的認知儲備促進方案，並以個體發展的角度，給予不同族群適用其年齡層的建議，內容可能涵蓋衛生教育、認知刺激、運動訓練、心理健康等。其成果將可為台灣高齡政策提出可能的改善建議，以提升高齡族群身心健康。最後將針對健康與病態老化族群的認知與生活功能狀態進行追蹤，探討各認知儲備指標是否對能力的保存與退化具有預測力，並檢驗介入方案的成效，以作為未來發展介入方案的重要依據。

2. 認知儲備與健康識能

由語言所戴浩一教授帶領團隊進行認知儲備與健康識能的研究。在腦神經可塑性的架構下，從大腦結構、功能、行為的互動，透過行為的訓練，進而刺激大腦的功能，達到延緩大腦結構鬆懈的目標，此即老化的鷹架理論。研究團隊以鷹架理論架構作為延緩老化與失智的生活實踐理論的基礎，並且運用於詮釋高齡者個體之間的差異，以及不同高齡者在個人老化進程中不同階段的差異。

「認知儲備」則是老化鷹架理論架構下延伸作為長期預防的概念。從年輕時建立閱讀習慣、學習新的事務與技術、養成規律作息與運動的習慣都可以刺激大腦神經，儲備神經資源，而這些技巧也與建立「健康識能」息息相關。健康識能是一種多面向的概念，主要係指個人能尋求、瞭解、以及使用健康資訊的能力，也就是個人必須透過閱讀及書寫能力、社交技巧來積極參與日常生活，獲取有意義的資訊，並運用於應對外在環境變化，因此語言文字的書寫、閱讀、理解、記憶、推理，以及數字運算等能力都在「認知儲備」及「健康識能」中扮演重要的角色。

無論是「認知儲備」及「健康識能」能力的養成，都有助於人們適應並應對外在環境的變化，同時有足夠的識讀能力可獲取相關資訊，做出有效溝通，對衛教新知、疾病預防、自我健康照顧（睡眠、自律生活）、正向心態的養成都有莫大的助益，不但可以使高齡者有較好的生活品質，有效協助中高齡人士成功老化（successful aging），也可減少國家社會在照護與醫療方面的負擔。未來可進一步擴大研究範圍與對象，廣泛瞭解社會中各行各業的不同內涵的認知儲備及健康識能。同時將研究對象的年齡擴大至其他年齡層，以便建立跨世代（cross-sectional）的認知能力比較基準，也可為長期縱貫性（longitudinal）的研究奠下基礎，成為台灣首創的跨域、跨世代、長期縱貫性的全方位研究模型。有鑑於上述研究主題，將聚焦在建立在地化認知儲備質化與量化評估方式以及發展認知儲備、健康識能評量與介入方式上。

      (1)認知儲備質化與量化評估方式

首先回顧國內外有關認知儲備的相關文獻，整理現有可行的評量方式；之後實地訪談國內年輕、高齡健康族群與病態老化族群，從第一手資料中分析及比較其特性與不同之處；接著分析台灣高教育程度與低教育程度高齡者適用的認知儲備指標，剖析各指標之優缺點；最後除了發展在地化的認知儲備評估指標之外，也與醫院合作探討病態老化族群的認知儲備特性，以理解認知儲備指標是否可應用於疾病族群。

      (2)發展認知儲備、健康識能評量與介入方式

以識字與閱讀為基礎，發展系統性的促進方案，內容涵蓋衛生教育、認知刺激、運動訓練、心理健康等。再以個體發展的角度，給予不同族群適用其年齡層的建議。最後針對健康與病態老化族群的認知與生活功能狀態進行追蹤，探討各指標是否對能力的保存與退化具有預測力，並檢驗介入方案的成效，以作為未來發展介入方案的重要依據。

3. 高齡者認知能力及大腦神經機制：語言表達及理解能力

閱讀與理解能力是由多種的語言能力與複雜的認知技能所交織而成的，而現有的閱讀研究主要聚焦於學齡讀者的閱讀發展與困難，少有觸及老化的面向。老化的確會帶來不利於閱讀表現的變數，例如高齡讀者認知處理速度變慢與認知資源減少，由長期記憶提取訊息的能力減弱，對於不相干的聯想訊息之抑制能力降低，這些因素都將降低高齡讀者在閱讀時相關訊息於工作記憶共現(co-occur)的機率，可能無法產生必要的連結，增加不相干訊息的干擾，產生抓取不到重點與主題等現象；然而，年齡增長也發展出一些有利於閱讀表現的認知機制，例如高齡者累積較多的詞彙量，對詞彙多重意義的深度掌握有利於理解的推論機制，往往也具有較完整的普通常識，部分高齡者藉由教育與職業因素，發展出豐富之特定領域的背景知識，可能形成有效率的長期工作記憶的表徵系統，這些都是促進閱讀理解的正向因素。為理解高齡者在認知能力、語言表達、理解能力及大腦神經機制之間的關係，將採用以下兩項措施進行分析：

      (1)認知神經心理學測驗

進行受試者基本認知功能評估與精神狀態評估問卷，再進行中文識字測驗、語言流暢度、詞彙測驗、類同測驗、常識測驗、加州字詞測驗、數-字序列等測驗，以獲取受試者認知功能的初級資料。

      (2)功能性磁振造影實驗(fMRI)實驗

持續與嘉義長庚醫院合作，進行功能性磁振造影實驗(fMRI)實驗，瞭解高齡受試者的大腦影像情況，綜整累積之資料數據，建立雲嘉南高齡者在理解、表達、閱讀與寫作的常模。

高齡者除了出現認知老化之外，失智症也為國內高齡者越來越多罹患的一種疾病，它的症狀包括記憶力減退，對語言能力、空間感、計算能力等產生不良影響。失智症最常見的成因是阿茲海默症、血管型失智症，帕金森氏症等，除了為照護的家人帶來生活或經濟上的困擾，政府及社會所需付出的成本亦不容小覷。研究目的即在於運用精準的醫學及工程科技來解決高齡失智以及其他相關疾病，因此失智症方面的研究，將由電機系賴文能教授與生醫系陳永恩教授帶領團隊執行下列相關計畫。

4. 亞健康高齡者之認知退化預防

為了維持與強化亞健康高齡者的認知能力，採用整合ICT資通訊科技之「三動」（腦動/身動/互動）儀器設計，配合認知強化課程與教材的設計，以達到認知強化的目的。研究團隊將開發以接觸式量測人體光體積描記圖 (photoplethysmography, PPG) 的信號，以量測高齡者的生理參數，該感測器以手環形式呈現。此外，為避免高齡者不願意或是忘記配戴手環式感測器，本團隊亦將開發遙測（非接觸式）影像式感測器量測遠程人體光體積描記圖(remote photoplethysmography, rPPG)的信號，同樣可以量測生理參數。利用雙軌方式量測高齡者的生理參數，確保可以獲得高齡者的資料與數據。

有了高齡者生理參數量測的工具或儀器，本計畫團隊還將建立一個日常生理參數的「健康分析平台」，藉由人工智慧的分析與預測技術對此族群給予健康建議，有助於維持早期健康狀態，延緩老化。實務上，本計畫將配合縣市政府推動高齡照護中心或個人的生理健康參數量測推廣，鼓勵每一位高齡者持續量測，並自動將生理參數上傳雲端照護平台，再由平台上的人工智慧程式自行分析，主動發現身體健康有異樣的長者，再由實體醫生通知並進行看診。

除了高齡者生理參數外，本團隊發現高齡者健康也受到環境因素影響。因此，本計畫工學院團隊將結合高雄醫學大學精準環境醫學研究中心，使用一般RGB攝影機或特殊紅外線相機（配合無人機攜帶攝影感測器大範圍即時巡視），以人工智慧技術配合環保署地面式定點PM2.5即時數據資料庫，估計各地方的即時環境微粒PM2.5的數值。收集環境參數數據後可以由醫學專業團隊，配合本計畫的大數據資料科學團隊，協力分析環境汙染物對高齡失智症的影響。

由於失智症受個人基因及環境因素影響頗大，因此，目前的科技可針對失智症進行早期預測。本團隊也將與在地的醫院合作，如嘉義大林慈濟醫院的失智症中心、嘉義基督教醫院等，利用人類基因及環境數值，包含前述的環境汙染PM2.5數據等健康相關影響因子，以人工智慧技術預測個人在未來五至十年得到失智症的風險機率，這有助於在亞健康年齡層時代對失智症進行預測，並提早進行公共環境或個人生活環境及步調的改善。

5. 高齡者之失智症候群早期診斷與介入

對於高齡者的失智症候群早期診斷可以有效延緩其失智老化，盡早施以適當的治療，也是重要的一環。

(1)早期失智症 (Mild Cognitive Impairment, MCI) 的診斷

現況若要精確偵測早期失智症，仍需依靠醫學或工程科學的方法。國外一長期研究依據病人三年內定期拍攝功能性核磁造影（fMRI）影像追蹤中，可藉由人工智慧的分析方法來判定是否有早期失智症發生的高機率。本團隊已和嘉義基督教醫院等醫療院所合作，陸續建置病人fMRI醫學量測影像，進行科技判定失智症的長期研究。亦有其他的研究是從語音及語言的分析著手，從一段數分鐘的語音中可以分析病患是否罹患早期失智症，這些跟傳統量表都是從不同面向判定失智症，不同的是加入感測器及現代的人工智慧的科技。多面向的判定可以增進早期失智症判定的精確性。

 (2)失智症資料庫分析

本團隊亦將使用健保資料庫或醫院 EHR資料庫來分析失智症與其他疾病的共病關係，例如腦部相關疾病、精神疾病等與失智症的關係。因腦部產生器質性病變為失智症成，更有文獻曾列出12項危險因子，其中「外傷性腦損傷」及憂鬱症是失智症腦部及精神相關疾病的重要危險因子之一。本團隊將深入探討腦部相關疾病、精神疾病與失智症的相關性。本研究所需的分析資料檔將向衛生福利部中央健康保險署所屬資料科學中心申請2000-2022年全民健康保險資料庫，篩選18歲以上有腦部疾病及精神疾病之患者，使用一般統計及機器學習方法建立預測模型，並評估模型的預測效能。本計畫期透過預測模型針對高風險族群進行失智症的預測，並依據不同症狀和危險因子制定不同的治療方法，從而預防並降低失智症的風險，並有助於提供醫療政策決策者與醫療服務供給者擬定失智症相關政策及相關照護措施之參考。

(3)失智症者的生活協助與認知強化

在確定早期失智症後，必須擬定早期介入的方式。因為失智症的腦部老化為不可逆過程，無法回復，僅能延緩其老化進程，因此所採用的步驟具備多樣性。本團隊將探討以數位健康(digital health)的方式進行研究。數位健康是一門應用科學，運用數位科技提升健康管理與健康照護。首先是具備失智緩和的VR/AR 「體智能」設備。例如在身動方面，體智能板除了提供功能性體適能的訓練，同時也能達到認知功能與感覺統合的訓練。而AR技術的運用讓使用者不會因為自身或環境的限制，侷限了活動的可能性，反而可以擁有不同環境下的互動體驗。實務上，本團隊預計將實體的「體智能板」以AR/VR技術化為多樣性的「虛擬體智能板」，達到不受場地限制及數位健康的目標。

另一方面，本團隊的工學院教師持續致力於開發關懷科技產品，即橘色科技，例如具緩和失智功能的智慧型聊天機器人、陪伴機器人等。這一類的科技產品可以藉由與高齡者的語音互動，就高齡保健、打疫苗、或兒孫家庭生活等特定主題進行聊天。本團隊目前已具有基礎研究能量，一方面將人工智慧融入技術中，使機器人與人的語言互動更趨穩定，不至於混淆或誤解；另一方面配合嘉義雲林地區高齡者使用語言的習慣，嘗試解決閩南語語音辨識的問題。有了聊天機器人的陪伴，配合對長者生理參數的收集與分析，可使失智症長者在身心健康的照護上更趨周到。

此外，本團隊開發出一款存腦本揪健康APP，透過科技來促進高齡長者腦力功能與身心健康，評估科技輔助長者認知、身心健康的功效，將以將以本計畫社區生活實驗室出發，進入真實社區場域進行高齡者實證研究，探究透過體能、智能多重訓練APP對鄉村社區長者身心功能促進之實驗成效。

(4)透過生活實驗室建立失智症的社群活動資料庫

除了利用數位健康的技術，傳統藉由人際關係鏈結方式的作法亦須同步進行。本計畫的「高齡研究」團隊及「生活實驗室」團隊以醫學及工程以外的社會科學方式來嘗試，也就是進行可以強化認知的社區活動及其相關教材開發。首先，本計畫團隊將從運動與認知角度來進行探討，並設計一系列能夠應用在機構或個人身上的教材或器材，例如體智能板，進一步減少高齡失智人口的增長。

若需搭配前述AR/VR科技的導入，最終目標是進行跨域人才的整合：高齡教育、運動與認知、資通訊電腦科技等，從社會人文或科技創新、數位轉型的層面來出發，設計一套有系統的課程與教學模型並全面推廣。本團隊有部分的技術或方法係基於資料的分析，除了有衛福部的健保EHR資料庫可以運用外，社會科學，尤其是社會個人或群體行為的分析用資料庫則是少見。因此本計畫的跨領域團隊結合了高齡、教育、社福、工程科技、及資料科學等人才，加上生活實驗室建置與運作經驗，對衛福部於106年為呼應WHO全球失智症行動計畫而建立的「長照2.0創新設立失智共同照護中心」賦予新的功能與價值，即藉由該失智共照中心的參與建立失智症者的社群活動資料庫，以作為失智症資料科學 (dementia data science) 分析的來源及基礎。

6. 超高齡失智老人之疾病診斷與治療

在神經退化疾病中，近年的研究發現菌腦腸軸線（microbiota-gut-brain axis）能調節神經免疫系統，因而成為熱門的研究領域。臨床研究也發現腸道微生物菌群的改變及益生菌的服用會影響壓力、自閉症、憂鬱症及帕金森氏症。因此探討益生菌能否延緩失智症的病程發展進而減輕照顧者的照護壓力，以及基因遺傳、表觀遺傳作為疾病之早期診斷手段，對失智症、癌症等疾病病患有其重要性。

(1)益生菌在失智症預防與減緩的應用

研究團隊首先探討PS23益生菌是否可以改變腸道菌相，並藉此改善阿茲海默型輕度失智症患者的記憶、認知、情緒、心理症狀及生活品質。並將探討失智照顧者的照顧狀況、社會支持的需要及身心福祉狀態，以瞭解家庭、社區之社會及環境資源，探究與照顧服務相關之調適行為，並提供規劃永續照顧架構的參考。

本研究擬採取隨機雙盲臨床實驗設計，在與中正大學進行常態合作的嘉義基督教醫院神經內科招募數十位輕度失智症受試者，並將受試者隨機分成實驗組與控制組，每組分別連續食用24週已上市的Lactobacillus paracasei PS23TM益生菌膠囊。本研究選入之受試者及其主要照顧者，在益生菌介入前後皆需接受成效評估工具測量。本團隊亦會在益生菌介入前後，採集受試者糞便，進行次世代定序技術進行腸道微生物菌相分析，結合本計畫工學院人工智慧團隊及技術，分析腸道微生物菌跟失智症的關係。由於受試者可以同時服用醫師開立之處方藥，因此不會影響受試者的治療。

(2)高齡者常見疾病之早期診斷及其醫療

在高齡社會及日益嚴重之環境污染下，癌症、憂鬱症等疾病為高齡者常見之疾病，若能及早發現與治療，都能增加病患之預後。本團隊過去利用乳癌病患之血液游離 DNA (cfDNA)，偵測甲基化基因，並作為預後之生物標記，而去甲基化之表觀遺傳藥物，也能有效抑制癌細胞之生長。因此本團隊利用健保資料庫或醫院自行建置之資料庫，分析環境污染源與癌症、憂鬱症等疾病之關聯性；再以細胞實驗進行，利用甲基化生物晶片，分析癌細胞之異常甲基化情形；最後從嘉義地區之醫療院所，納入癌症受試者，收集組織、血液及尿液樣本，分析其cfDNA中之基因甲基化情形，依據其後檢查與病理結果，計算比較甲基化分析作為篩選癌症之敏感性(sensitivity)及特異性(specificity)等。若實驗能驗證基因之甲基化對預後之關係，本團隊將再從基因資料庫中分析候選基因之功能，並選出對癌細胞生長(proliferation)及侵犯(invasion)有關聯之基因作進一步分析，同時進行細胞及動物實驗的詳細分析及探討候選基因之功能。

此外，為了避免高齡者在服用藥物的同時伴隨引發藥物不良反應，本團隊積極開發基於人工智慧之深度學習技術的藥物不良反應預測。在實際應用中依照相關病症以及使用藥物，與相關的醫院合作，使用其去識別性後的病患病歷資料庫收集複數個受測個體的相關數據，建立相關類神經模型(neural network)，以對高齡病患進行藥物不良反應的預測。