受Covid-19疫情影響，症狀體徵監測需求高漲，居家期間為提升免疫力，也強化了健身風潮興盛，越來越多人注重自我健康管理。因此，市場上開始出現許多生理感測應用，特別導入在穿戴裝置內，更容易貼近人體，隨時監測生理狀況，並且利用感測融合技術能全面、精確地檢視。
2020年起Covid-19肆虐全球，截止2021年1月中旬已有超過9千萬人確診，死亡人數接近2百萬人，疫情嚴峻下醫療系統吃緊、民眾避免就診，造成體溫等病徵偵測、非接觸醫療、居家照護的需求大增。另外，Covid-19會影響肺部機能，血氧飽和度(SpO2)降低至正常數值95%以下，產生「隱性缺氧」(Silent Hypoxia)情況，不論無症狀檢疫者、治療中病患，甚至已治癒但終身後遺症者，都導致血氧偵測需求大量增加，艾邁斯(ams)台灣區總經理李定翰(圖1)表示，以往來說，血氧偵測應用在特殊用途，例如預防高山症，但全球爆發Covid-19後，血氧偵測的需求量激增了7、8倍。
圖1 艾邁斯台灣區總經理李定翰表示儘管生理資訊感測晶片設計成熟卻沒有適合軟體來應用，或是使用的元件沒有通過醫規驗證，這些感測裝置淪為無法發揮感測功能的玩具，在市場上就被淘汰掉。
根據Knowledge Sourcing Intelligence的調查報告，2019年醫療感測市場規模是119.8億美元，預計到2025年達到236.59億美元，年複合平均成長率為12.01%。帶動生理資訊感測市場成長關鍵，除了2020年受Covid-19疫情影響外，近年來人們對健康、運動越來越重視，可看到小米手環、Apple Watch、Garmin智慧手表等，陸續將生理資訊感測晶片(如光電感測器、陀螺儀、加速度計、濕度、溫度計等)嵌入在穿戴裝置，實現心電圖、血氧感測或跌倒感測等應用，以便隨時監測使用者生理狀況。
不僅消費者的需求增加之外，感測元件的精確度、演算法也愈趨成熟，將數個感測融合(Sensor Fusion)在一起，針對不同生理資訊來提供新興感測應用，甚至提供專門針對Covid-19的感測應用，且隨著製程技術的進步，感測器體積不斷縮小，增加方便性與減少耗能，加速穿戴應用普遍發展。
後疫情時代下Covid-19感測應用
為了防止新冠病毒傳播，隨著醫療界不斷釋出疾病資訊與確認病灶，產學界紛紛研發可辨識染疫的生理資訊感測設備，例如：智慧裝置公司Oura Health開發一款智慧戒指，蒐集使用者的體溫、心率、呼吸率、睡眠和動作狀況，提前3天發現使用者是否染疫，這款智慧戒指也被美國職籃聯盟NBA採用。
另一方面，儘管無症狀患者沒有出現任何發燒、咳嗽等明顯異常狀況，表面上難以辨識，但血氧飽和度低於95%會出現缺氧，若低於90%則表示呼吸道或肺部已經受到影響，因此市場出現大量血氧感測裝置，來辨識Covid-19隱性感染者，例如：Garmin智慧手表、Apple Watch提供血氧感測功能。
除此之外，辨識Covid-19症狀能直接利用生化技術來偵測，ADI醫療消費業務系統應用經理俞毅剛指出，額溫無法確實檢測出無症狀或症狀發生前的感染情況，也無法分辨Covid-19病毒和一般呼吸道病毒。因此，ADI與生物技術公司Pinpoint Science共同利用可攜式奈米感測器技術診斷裝置，透過化學感測技術，不用額外使用放大技術或化驗室，1分鐘內就可以查明病原體。
不過，大多數偵測Covid-19症狀的感測方式並非使用新感測技術，而是應用對象不同的差異，資策會MIC資訊產業研究中心資深產業分析師鄭凱安認為，目前感測技術差異性不大，主要改變是應用領域和應用端規格需求，從Covid-19篩檢角度來看，一開始快篩的準確率只有50%，無法當作參考數據，現在可能要求90%、95%才算準確。
至於如何提升準確率？一方面需要把反應條件設定更狹窄(例如：化學反應、電光量測反應)；另一方面則是利用感測融合技術與AI技術，了解患者心跳、脈搏、呼吸與血壓的數值，經過AI學習來判斷患者的問題，凸顯了軟體在生理感測晶片重要性，未來連韌體都也要提供AI功能。
感測融合百變應用
在中醫方面，中醫醫師會用「望、聞、問、切」方式來蒐集、了解患者的病情，透過觀察患者的五官、氣味、病狀和脈象分析病因並作出診斷；西醫則是醫生也會藉由儀器來觀察心跳、肺部狀況或是五官來診斷。因此，當感測人體生理資訊越多元，能夠更容易掌握使用者生理狀況，或是更精細地診斷問題。
因此，近年來，越來越多的生理資訊感測解決方案都採用感測融合來觀察，特別是鎖定某一種疾病觀察來強化診斷的正確性。恩智浦半導體(NXP)技術專家Stefan De Troch(圖2)提到，感測融合藉由不同感測器中取得數據，來產生無法靠單一感測器所提供的訊息，這些訊息能夠進一步處理和分析，或在必要時針對終端應用進行決策，並且套入機器學習與邊緣運算來深入應用。他進一步舉例表示，目前有一套診斷呼吸中止症的偵測系統，即是利用壓力感測器來測量使用者的氣流並融合氣壓感測器來避免高度、壓力的偏差，再加上運動感測器補償因為受到傾斜影響導致讀數不正確。
圖2 恩智浦半導體技術專家Stefan De Troch認為感測器融合藉由不同感測器中取得數據，進一步利用AI或邊緣運算處理和分析，或在必要時針對終端應用進行決策。
另外，一部分生理資訊感測裝置會把晶片蒐集的原始數據，直接在後台利用感測融合軟體來處理分析，但是另一方面，隨著邊緣運算技術發展，也有一部分是在感測器直接融合分析，Bosch台灣暨東南亞總經理黃維祥說明，該公司直接在感測器裡面嵌入MCU，能夠立即把加速度、角度變化和地磁等三方面數據直接融合，不需要傳輸到後台再利用融合軟體來計算，這樣改變讓系統製造者會更方便。
不過，儘管感測融合提高了準確性，但起初在設計生理資訊感測器的硬體方面，整合不同感測器仍受到成本、應用或是感測本身特性的限制。首先是成本，不同生理感測晶片製程不同，需要提高更多成本來整合，例如光感測器用10奈米製程，但一般磁感測器則還採用0.18微米製程，這兩者就很難整合在一起，不符合成本效益；第二，每個感測器感應方式不同，可能影響彼此精確性，因此為了強化感測精確性，建議整合類似的感測技術；第三則是需求，從應用端來看，部分穿戴裝置防跌倒偵測把動作感測器、加速度計與光感測整合，當使用者跌倒後，陀螺儀、加速度計能夠從動作特徵判定使用者跌倒狀況，光感測器則偵測環境光亮度變化來推斷跌倒，但使用者在白天跌倒，光感測器便無法發揮作用，成為了多此一舉的角色。第四是後續維修，在測試或是正式使用階段，若單一生理感測晶片失效，造成感測模組一整組都無法使用，便提高維修成本。因此，整合不同感測技術在製造商角度來說永遠都在成本與應用之間拔河，必定產生一定的極限。
生理感測資料去蕪存菁
資料準確性是感測晶片最重要的特性，尤其是針對慢性病患或重大傷病患者而言，每一項數據都決定了使用者一整天飲食選擇與生活作息，甚至醫生會參考數據調整治療方式。
另外，從事訓練的運動員或健身者也會根據生理資訊感測蒐集的數據，來調整運動強度，尤其針對心肺功能方面的數據。李定翰表示，生理資訊感測晶片需求有三個因素，第一個是發生的時機，第二個是成熟的硬體設計技術，第三個是能提供應用的軟體演算法，這三個因素缺一不可，若硬體設計完成卻沒有適合軟體來應用，或是使用的元件沒有通過驗證，這些感測裝置淪為無法發揮感測功能的玩具，在市場上就被淘汰掉。
隨著越來越多生理感測功能導入到穿戴裝置，裝置更貼近於人體，容易受到人體影響，例如汗水、體溫、姿勢或膚色等，這些都會導致生理感測晶片蒐集數據失真情況，李定翰以過去開發心率感測器的經驗指出，由於感測器需要販賣全世界，當初在設計時總共偵測36種不同膚色的人，這些顏色都會影響感測器的精確度，造成誤差。
不僅如此，周圍環境的燈光(例如：鹵素燈、螢光燈)也會透過皮膚散射，甚至在太陽下直接呈現光飽和情況，這些雜訊都會影響感測晶片所蒐集的數據。此外，外部電源靠近也會生產雜訊。
為了減少光感測吸收的雜訊，李定翰指出主要有四種方式可以解決。首先是濾光片，使用有機、無機、干擾型或吸收型濾光片，正確選擇相對應的濾光片，調整自身需要波長範圍；第二，調整穿戴裝置打光的強度；第三是調整自動增益控制(ACG)；最後是演算法是否能對應不同使用者，此牽涉到軟體演算法精確度。
除此之外，感測融合同樣產生干擾。當不同感測器封裝在一起，由於每一個感測器感應方法不同，有些是直接接觸人體，有些是外部機械力的接觸，例如光感測器與地磁感測器，兩者同時執行便交互干擾。因此，儘管不同感測器整合在一起，但運作時候需要設定排程來獨立運作，例如每個感測器都設定延遲0.1奈秒來接收/發送資訊。
製程/排程降低裝置耗能
為了能夠隨時偵測並傳輸人體的生理資料，降低耗能和保持供電成為了穿戴型裝置的重要課題。目前，生理資訊感測晶片製程越來越小，耗能也越小。現在大多數穿戴裝置的電量續航力不長，安森美半導體醫療分部高級應用工程師楊雪芳(圖3)表示，研發智慧裝置最大痛點是功耗與功能多樣性的矛盾，以及功能多樣性與研發週期縮短的矛盾。為了保持長時間穩定供電，鄭凱安表示，目前國外正積極研發如何利用震動、壓電、太陽能、人的體熱或是運動轉化成電能技術，來應用在穿戴性裝置設備。
圖3 安森美半導體醫療分部高級應用工程師楊雪芳提出研發智慧裝置最大痛點是功耗與功能多樣性的矛盾，以及功能多樣性與研發週期縮短的矛盾。
隨著感測融合技術出現，整合不同感測器的方式越多元，不僅提高了感測的準確性，在生理資訊感測應用層面也越廣，尤其在Covid-19期間，激發許多偵測Covid-19症狀的應用。
然而，為了隨時監測使用者生理狀況，生理資訊感測大多應用在穿戴裝置，雖然穿戴裝置提供許多功能，但相對地也消耗大量功耗，目前產學界正在研發透過能源採集(Energy-harvesting)方式維持供電，當技術達到一定成熟度後，更能提升生理資訊感測的精準度與應用性。 未來，生理資訊感測應用情境更複雜，交雜既有的感測技術，感測融合技術與智慧化技術必然成為標準功能。