一張床也能讀出心跳？Dozee 以 BCG 將生命徵象監測藏進床墊下
床墊下通常不是病人會注意到的地方，卻可能成為連續監測生命徵象的感測位置。印度醫療科技公司 Dozee 將一片感測片放在床墊下，運用心震描記術（Ballistocardiography，BCG）擷取身體細微振動，再由訊號處理與軟體分析心率、呼吸率等變化。它試圖解決的問題很實際：如何在不增加病人穿戴負擔的情況下，讓病房取得更連續的生理趨勢。
從貼在身上，到放在床墊下
BCG 並非直接記錄心臟的電活動。每次心臟收縮與血液射出，都會帶來極小的身體反作用力；呼吸、翻身與肢體活動也會形成振動。床墊下的感測片接收這些微小變化，經由訊號處理，嘗試從混雜的波形中辨識心搏與呼吸的週期。Dozee 的產品資料稱，裝置可在病床上非接觸式連續量測；此處描述的是產品設計與原理，不能直接推廣為所有床型、病人和臨床情境都能維持相同表現。
圖說：AI 生成示意圖，呈現床墊下感測的概念；不是 Dozee 實際產品或醫院場景。
感測方式的改變也改變了照護流程的設計。傳統貼片或導線需要接觸病人，床墊下感測則把主要硬體移到病床結構中。連續數據可以提供趨勢資訊，但資料本身不會自動成為醫療決策：設備是否適用、量測中斷時如何處理、警示送給誰，以及由誰判斷是否介入，仍需由醫療機構明確設定。
AI 的角色，是從雜訊中找出可用訊號
BCG 的難點在於訊號微弱且容易受干擾。病人翻身、咳嗽、床體晃動，都可能讓波形偏離穩定狀態。Dozee 將其演算法定位為辨識生理週期與動作干擾，並把結果送往監測平台。更準確的說法不是「AI 看見疾病」，而是系統試圖將連續感測結果整理成心率、呼吸率或風險提示，供臨床人員查看。
圖說：AI 生成示意圖，展示「感測—訊號處理—人員判讀」的概念；不是 Dozee 實際介面或臨床數據。
臨床研究提供初步答案，也揭示證據邊界
一項發表於 2023 年 IEEE COMSNETS 的 Dozee VS 臨床驗證研究，包含在美國與印度三個地點進行的三項調查，共有 120 名受試者，並分析超過 14,000 組心率與呼吸率資料。與 ECG、EtCO₂ 等參照方式相比，研究報告的心率平均絕對誤差（MAE）為每分鐘 2.48 次，呼吸率 MAE 為每分鐘 1.67 次；與 FDA-cleared 的 EarlySense 2.0 比較時，兩項 MAE 分別為 2.31 次與 1.42 次。MAE 是測量差異的平均值，不等於「整體準確率 98.4%」，也不代表裝置在每位病人身上都有相同表現。
另一項於 2024 年發表的前瞻性觀察研究，在印度 King George’s Medical University 追蹤 706 名一般病房病人，共 84,448 小時監測。研究指出，在病情惡化事件發生前最後 24 小時內，首次警示到惡化的平均間隔約 16 小時；不同分析組別的敏感度介於 67% 至 94%。這是單一醫院的觀察性研究，說明系統可能提供提早注意的時間窗口，但不能單憑這些數據推論它已降低死亡率、避免 ICU 轉入，或在所有醫院都能複製相同結果。
從設備到病房，成敗還要看工作流程
對醫院而言，關鍵不只在感測片能否讀到訊號，還包括警示是否足夠準確、護理師能否及時處理，以及告警是否增加新的負擔。錯過異常會造成風險，過多不必要的警報也可能形成警報疲勞。醫療團隊需要在實際病房中評估不同床墊與床架的訊號品質、資料缺漏、誤報與漏報，再決定監測門檻、升級處理程序和人工覆核方式。
資本與擴張也反映出這類產品正嘗試從技術驗證走向市場部署。Temasek Trust 於 2025 年 3 月公布，旗下 C3H 參與 Dozee 的 Series A5 融資，資金將支持美國市場拓展與研發。這證明投資人看好其發展方向，並不等於臨床效益已獲普遍驗證；投資、部署規模與醫療結果應分開衡量。
Dozee 的案例呈現一種值得追蹤的醫療感測路徑：把生理訊號量測從貼片與導線延伸到床墊下，再用軟體把連續訊號整理成可供判讀的資訊。下一個檢驗點不是一句「AI 能否預測病情」，而是更嚴格的問題：在不同醫院和病人群體中，系統是否可靠、警示是否能轉成及時處置，以及這些處置是否帶來可重複量測的病人結果。
留言