透過收錄醫護人員配戴的智慧型手錶，收錄心跳/血壓/步行次數的生理時間序列數據，搭配者每日上下班填寫的疲倦量表，與其基本資料。_x0008_以清洗來源資料、特徵萃取結構化的780種特徵數據集，將受試者數據集抽樣出訓練、驗證和測試集，以機器學習模型自動優化迴歸分析，找出生理數據與疲勞的關聯特徵與過勞模型

使用生理數據的機器模型迴歸分析上下班的疲勞量表變化值,在測試集達到0.7左右的相關係數. 再以上下班增加的疲勞數值超過所有疲勞差值分佈的兩個標準差的為過勞的標準, 使用機器模型做出的分類結果在測試集得出0.8以上的AUC. 以事前即時追蹤，應用人工智慧技術建立醫護過勞模型，自動優化調適通用的過勞模型

過勞偵測模型除了應用在台灣醫療院所普遍有過勞現象的醫護人員外，更可被推廣到國外醫療院所。而在不同領域的產業應用面上，則可依據實際場域情境，調整使用資料來源種類、萃取特徵種類與數量。 將過勞預測模型依據不同屬性的角色調適成該符合該領域情境的預測模型，並將模型嵌入在穿戴裝置提供個人化服務，發揮模型價值。

天使投資人、策略合作夥伴