文 / Casual
健康穿戴裝置不是大人的專利，現在也有嬰兒用的了喔。
Owlet 是一種專門為嬰兒打造的穿戴裝置（襪子），只要穿著，你就能藉由智慧型手機或是電腦知道寶寶的脈搏、血氧量、體溫以及翻身警告。對於嬰兒的照顧者來說，我想翻身警告是個相當棒的功能吧！
透過藍牙 4.0 傳給你的智慧型手機，如果你的手機不支援此規格的藍牙傳輸的話，它也付給你一個 USB 的接受器，插在電腦上，就能透過電腦來接收 Owlet 的資料，並從螢幕觀看。
若你處在 wifi 的環境，經過設定後，監測到的資訊能夠傳到雲端裡，你就能從其他的裝置或電腦查看。當你帶寶寶去看醫生的時候，就能很方便地把寶寶最近的數據提供給醫生，對於醫師的診斷或許會有所幫助。
來看看影片的介紹吧～
https://www.youtube.com/watch?v=q-5YDBp63uk
轉載自營養共筆
本文由 高柏科技 合作，泛科學撰文
林唯耕剛回台灣任教時，曾在清華大學的實驗室裡用一立方公分的「氨」做實驗。沒想到氨氣意外洩漏，那股刺鼻的氣味瞬間瀰漫整棟大樓，引來眾多師生抗議。
「從此以後，我再也不敢在實驗室裡用氨了。」他在《思想實驗室》的訪談中，帶著笑意回憶這段往事。
這段插曲聽來像是一則工程師的寓言：在理論模型中，氨是太空熱控系統的理想介質；但在現實的辦公大樓裡，它首先是逼人逃竄的臭味。公式本身沒有錯，但現實世界永遠比公式更複雜——它包含了人、成本、風險，以及必須為後果負責的工程師。
高柏科技技術專家、清華大學榮譽退休教授林唯耕 ，曾任職於美國 OAO 工程部熱流組，深耕電子構裝散熱與熱管技術多年。隨著 AI 浪潮席捲全球，他鑽研一輩子的老問題再次被推向科技產業的核心：當晶片運算速度無止境攀升，那股伴隨而生的熱，究竟該往哪裡去？
科技巨頭在發表會上熱衷於談論大型語言模型、GPU 規格與驚人的算力。這些詞彙在投影片上光鮮亮麗，彷彿進步毫無邊界。然而，每一次數位運算都紮實地發生在實體晶片上。晶片會發熱、材料會疲勞老化，一旦設備過熱，系統便會降頻保護。在物理現實面前，再動聽的發表會敘事也必須低頭。
回顧個人電腦發展早期，晶片幾乎不需專屬散熱元件。隨後，鋁製鰭片、風扇、熱管到均溫板逐一登場。這段歷程常被視為技術升級，其實更像是對空間的極限勒索：晶片功率翻倍，發熱源的面積卻沒變大，機箱空間也不可能無限擴張。
林唯耕指出，散熱設計的核心只有三要素：功率、熱源面積與空間限制。他舉例，在標準的 1U 機箱中，若發熱面積約為三十乘三十毫米，氣冷系統在達到八百瓦時就會面臨瓶頸。這並非固定的物理常數，而是取決於空間、面積與氣流的動態平衡。最現實的代價在於，風扇轉速提升的背後，是噪音、電力損耗與空間占用。
因此，「液冷技術」的興起並非單純為了追求酷炫，而是算力密度提升後的必然選擇。它能更精準地帶走晶片廢熱，卻也將新的挑戰帶入機房：漏液風險、流道堵塞、材料相容性，以及維運時的難度。工程的進步，本質上鮮少是徹底消滅問題，更多時候是選擇一組「比較值得承擔」的新問題。
太空熱控工程之所以迷人，是因為它剝奪了地球上最常見的散熱工具。在真空宇宙中，沒有空氣能讓風扇製造對流；受光面溫度破百度，陰影處卻極度嚴寒。工程師必須純粹仰賴熱傳導、熱輻射，以及熱管與環路型熱管（LHP）來搬移熱能。
熱管運作的關鍵在於「相變」——液體蒸發時吸收大量潛熱，冷凝後重回循環。林唯耕比較了銅與水的熱傳導能力：在他設定的特定條件下，實心銅塊約能傳導 120 瓦的熱能；但若每秒有一立方公分的水發生蒸發相變，移熱量可瞬間拉升至 2.4 千瓦（kW）。他強調「每秒」的觀念，因為散熱談的是動態流動速率，而非靜態的冷卻魔法。
儘管如此，太空科技並不能直接套用到地面。太空元件因考量重量、功耗與維修難度，偏好無馬達幫浦的被動式設計；但地面 AI 伺服器面臨更高的熱負載與環境溫度，往往仍需幫浦驅動流量。當年那場「氨氣洩漏」事故正是最好的提醒：技術是否「先進」，與它是否「適合」當下的場景，始終是兩回事。
學術研究致力於證明「可行性」，而工業現場則要求「可重複性」——不僅要能運作，還得確保每台出廠的設備都不漏水。林唯耕將此定義為「從 0 到 1」與「從 1 到 100」的差別。後者涉及良率、成本、公差與客戶信任。論文中那次最完美的實驗數據，在產線上往往未必管用。
他從不避談失敗。在高柏科技早期與學界合作時，也曾遇過實驗數據無法複製，或研究方向偏離產業需求。這未必是雙方努力不夠，而是彼此對「成功」的標準不同。為了解決這道鴻溝，高柏科技推動「柏苗啟航創新培育計畫」，每年投入逾千萬資金與成大、中山、台科大等校合作，並指派專業人才在過程中持續微調、校正，確保研發貼近產線現實。
他分享了近期一項液冷工質校正專案。團隊使用非侵入式的超音波流量計進行觀測，但由於儀器預設以「水」校正，換成其他化學流體後讀數便出現誤差。最初嘗試用幫浦壓差推算，卻發現缺乏重複性，數據甚至推導出不合理的蒸發率。最後團隊回歸基本面，改用秤重法搭配能量平衡進行交叉驗證，才讓數據成功收斂。
這個故事真正的價值不在於「產學雙贏」的口號，而在於那段不夠優雅的挫折：假設失效、數據混亂、方法砍掉重練。也正是在這種時刻，企業需要的不只是會算數的人才，而是能洞察研究何時「走鐘」，並有權力喊停、要求重來的關鍵決策者。
林唯耕坦言，過去在校園裡總認為「技術第一、成本第二」，進入商界後才驚覺行銷與信任關係往往才是關鍵。這番話雖然不如科技突破那樣動聽，卻是產品能否進入市場的殘酷真相。再卓越的散熱設計，若無法穩定生產或贏得客戶信任，也僅止於一份精美的報告。
訪談尾聲，主持人國威提出了一個時代難題：假設 AI 能在彈指間生成散熱架構、材料配方與流道設計，企業該選擇全面擁抱 AI 的速度，還是保留緩慢但穩定的工程驗證，以規避潛在的失效風險？
林唯耕拒絕落入二選一的框架。他的觀點是：兩者並存。AI 擅長處理資訊、生成草案；但工程師仍須實作原型，進行嚴苛的性能與可靠度測試，最終由人決定是否出貨。這並非盲目崇拜人類直覺，而是基於一項事實：AI 的資料庫裡，通常沒記載下一次「意外洩漏」或「材料疲勞」的細節，且模型永遠無法為量產結果擔負法律與商業責任。
在 AI 時代，最稀缺的未必是熟練下指令（Prompt）的人，而是具備這種能力的人：能預判答案可能在哪裡出錯、能設計實驗將問題「逼」出來，並且願意為最終的量產品質負起責任。
大眾習慣將雲端想像成輕盈、無重量的空間。但現實中，雲端是由龐大的機房架構而成，裡面裝滿了晶片、管線、泵浦與冷卻液。虛擬算力的每一次擴張，都會在實體世界留下發熱的足跡。散熱工程師的價值，就是不讓這筆物理帳單，被埋沒在光鮮亮麗的投影片背後。
討論功能關閉中。
智慧型手機的功能日趨全面，幾乎就要包辦日常生活大小事，當然也包含我們的健康。有些人拿它來記錄每天的運動狀況，也有人搭配應用程式，監測自己的心肺功能。
但這還不夠，科學家總是能想到更奇葩的需求：未來，你的手機也有機會變身「大麻檢測器」了！羅格斯大學健康暨健康政策與高齡研究所（Rutgers Institute for Health, Health Care Policy and Aging Research）研究團隊，調查大麻使用者的「嗨度」，並將其與機器學習技術做結合，試圖打造能準確判斷大麻中毒程度的日常小工具。
研究發表於《藥物與酒精依賴》（Drug and Alcohol Dependence）期刊[1]。
法國喜劇劇集《大麻咖啡館》（Family Business）中，年輕企業家喬瑟夫．亞贊（Joseph Hazan）乘著法國大麻合法化的順風車，決定將老父親傑哈德．亞贊（Gérard Hazan）的肉鋪改造成大麻咖啡館。雖說父親一開始很反對，但在偶像安瑞可．馬西亞斯（Enrico Macias）的循循善誘下，父親最終也體驗了呼麻的快感，並開始積極面對他們的咖啡館事業。
大麻為何能讓人快樂到放棄執著？一個叫四氫大麻酚（Tetrahydrocannabinol, THC）的傢伙扮演著關鍵角色。由於 THC 的化學結構與人體的內源性大麻「花生四烯乙醇胺」（anandamide）十分相似，它能與大麻素受體（cannabinoid receptors）結合，並啟動大腦的獎勵系統，讓我們感到身心愉悅[2]。
這不免讓人感到好奇：究竟，人們是如何攝入大麻的呢？
一般來說，大麻被攝取的途徑有二：吸食，或直接拿起來嗑（沒啦，是摻在食物裡面服用）。當人們吸食大麻時，裡頭的化學物質會從肺部進入血液，進而將它們運送到身體各處，包括大腦。但如果是用吃的，由於是透過消化系統吸受，因此大麻所帶來的影響通常會晚個 30 分鐘到 1 小時出現。
對大麻使用者來說，它最迷人的地方大概就是使用後欣快的放鬆感受。此外，有些人也會體驗到感官放大的飄忽景象，但也有部分人認為，大麻會讓他們感到焦慮、恐懼、不信任和恐慌。雖然目前較少有因純粹吸食大麻而死亡的案例，然而，若是使用過量，便會引發大麻中毒（cannabis intoxication）[3]。
大麻中毒的人，輕則產生飢餓與嗜睡等症狀，嚴重的話，會導致認知與對人事時地物的定向感降低，甚至會出現急性精神病（acute psychosis）[4]。其他典型、可預測的症狀，還包括口乾舌燥、紅眼、短期記憶受損，以及知覺和動作的影響等5。
部分大麻中毒者，會因為大麻在精神上的影響，對外界反應時間過慢，造成工作或學校表現低落，甚至在開車、駕駛時形成干擾，最終導致交通事故與傷亡等憾事。
雖說如今有血液、尿液或唾液等測試，能針對大麻中毒進行檢測，但若要實現日常生活中的時刻監測，恐怕還是有些限制的。
過去曾有研究，以現代人形影不離的「智慧型手機」裡的感測器，來探測高風險的飲酒者，準確率高達 90%[6]。有鑑於此，羅格斯大學健康暨健康政策與高齡研究所團隊開始研究，想知道在機器學習模型的協助下，手機是否能發揮檢測「大麻中毒」的作用，即時探測那些可能因大麻中毒引發的危機。
團隊首先從美國賓州匹茲堡（Pittsburgh, PA）找來 57 位年齡介在 18~25 歲的年輕人，透過自我報告，得知他們每週至少使用大麻兩次。之後，團隊透過「手機回傳調查」搭配「手機內感測器數據」等方法，每日收集受試者使用大麻的相關數據持續至多 30 天，以掌握他們在大麻中毒後的狀況。
其中，回傳調查每日三次，包含開始與結束使用大麻的時間、用量，以及主觀感受的自我評分——依據「嗨」的程度，評分標準為 1~10分，其中 10 分為「敲級嗨」。後來回傳的 451 起大麻使用事件中，平均「嗨度」為 3.77 分。
而手機則搭配應用程式，收集了 102 種手機感測器的數據，如 GPS、加速度計（accelerometer）、撥出的電話數量以及平均移動距離等。有些人聽到這裡可能坐不住了。等等⋯⋯GPS 這類定位工具與加速度計，到底能做什麼？是這樣的，GPS 可用來偵測大麻使用者陷入「自我陶醉」時的行進範圍（travel boundary），而加速度計則是用來監測他們的步態與身體活動量。
在對照受試者的回傳調查及手機數據後發現，當使用者回報他們「正嗨」時，透過 GPS 的數據分析可知，他們的移動範圍並不遠。另外，此時加速度計的資料也顯示，主觀報告大麻中毒者，雖然活動多樣性下降，但身體的活動程度卻比較劇烈。
最後，他們在演算法的幫助下[7][註1]，盼能瞭解上述方法，是否能區別無中毒和中毒（輕度或中度）的情形。透過各種中毒時的行為特徵，加上機器學習技術的檢核，智慧型手機就可以變成如假包換的「大麻使用監測器」啦！
為了探究這個組合的準確性，團隊企圖在不同的時間點（例如：一周中的某一天，或是某一天的幾點幾分）下做排查，找出與大麻使用行為與特定時間點的關係，以進一步確認大麻中毒的具體指標。
結果顯示，僅出動手機內的感測器偵測這群人是否使用大麻，準確度為 67 ％；但若結合「個人呼麻時間點」與 GPS 和加速度計等資料，則準確度高達 90％。
面對如此結果，研究團隊認為，以手機結合機器學習預測大麻中毒程度，是相當可行的。不過，未來還需要加入更多資料，以完備這項工具。
首先，由於該研究對大麻中毒的判定，主要建立在「受試者主觀判斷和自我（ㄕㄡˇ）報告」的基礎上，因此在物質使用和生理反應的識別上，不如執法部門的檢驗工具那般客觀。此外，像是大麻使用者的使用史、攝入身體的途徑、劑量，以及使用者對大麻的耐受性，都會影響他們報告身體狀況的結果。
不僅如此，像是不常使用大麻者在中毒時，他們的行為與身體反應和那些「老司機」們相比，是否有明顯差異？該研究受試者多為白人，其他人種在同劑量的條件下，會不會產生相應的數據？這裡不是要戰種族，但光是「喝酒」這件事，每個人種的反應也多少帶有一些差異，像亞洲人普遍就很難代謝酒精[8]。
以上種種，都是這個工具可能被泛用的關鍵。最後，假設這個大麻偵測小工具，有朝一日被推到應用程式的市場上，你會想下載嗎？又，我們是否能因為大麻使用者的敏感身份與風險，而逕自對他們搜集資料、加以監控？作為一旁拍手叫好等待好用產品問世的小老百姓，在引頸期盼的同時，也必須深思這樣的問題。
在少子化的台灣，每個孩子都是寶，父母親殷切期盼孩子出世，更希望孩子能健康長大。隨著檢測技術的進步，家長們也有越來越多的選擇。
最首要的是國家提供的篩檢項目，包含代謝篩檢與聽力篩檢。目前的新生兒先天性代謝異常疾病篩檢有 21 個項目，這些代謝疾病若未能及時治療，可能造成損害，導致永久性後遺症。禾馨醫療小兒科陳菁兒醫師指出，國民健康署提供的新生兒篩檢主要是篩檢「採檢當下」血液中的代謝產物、酵素，可以找出急性或嚴重程度較高的疾病，以便即早接受治療、減輕症狀。至於聽力篩檢，可以找出當下已經發生嚴重聽力損傷的寶寶。
由政府補助的各項篩檢皆相當重要，但還是有其侷限性，陳菁兒醫師分析，所以有些未列入篩檢的疾病，或者是比較晚發病的寶寶，往往得等到出現症狀、生長遲緩時，才就醫檢查，可能錯過黃金治療期，而造成父母的自責與遺憾。
受惠於醫學的進展，目前已可運用基因檢技術讓新生兒篩檢更加完善，「新生兒基因檢測」只需寶寶採取幾滴血液或是刮取口腔黏膜細胞便能進行檢驗，能夠提早驗出晚發型的寶寶，且涵蓋更多疾病種類。
新生兒基因檢測的起源與聽力篩檢有關，陳菁兒醫師解釋，以往大家認為只要通過新生兒聽力篩檢的寶寶，聽力應該就沒有問題，但是後來卻發現，部分在 4-5 歲有語言發展遲緩的小朋友，檢查起來其實是聽力損傷造成的學習遲緩，代表仍有部份聽力損傷無法透過新生兒聽力篩檢出來。
台大醫院耳鼻喉科醫師與基因醫學部團隊針對這個問題深入研究，這才發現台灣人具有一些特別常見的聽損基因及點位，於是發展出聽損基因檢測在新生兒的應用。
陳菁兒醫師說明，上圖中藍色圈圈代表由新生兒聽力篩檢所發現當下已經有嚴重聽損的寶寶，橘色圈圈是利用基因檢測所找出來較輕微、以及晚發型的聽損寶寶。研究發現這兩種檢查重疊的部分很小，也就是說新生兒基因檢測可以找到傳統聽力篩檢無法篩檢到的族群，且兩者同等重要，無法互相取代。
這樣的研究開啟了新生兒基因篩檢的應用，在台灣也已經頗為普及，準父母在產檢過程中都可以由醫療院所獲得相關資訊。
不同檢測技術，可以找出的不同疾病特性的族群，陳菁兒醫師說明，「新生兒代謝篩檢」所檢驗的採檢當下寶寶血液中的代謝物質，可以偵測出急性且嚴重的代謝疾病，但輕型或晚發型代謝疾病就不一定驗得出來；「新生兒基因檢測」則可以提早找出高風險寶寶，後續便能加強照護和追蹤。
除了聽力損傷及代謝疾病，目前新生兒基因檢測的應用範圍很廣，還可以進階到找出特定中樞神經、血液、肌肉、心臟、視力等多種疾病，陳菁兒醫師說，透過基因檢測甚至可以了解一些藥物過敏的問題。
「基因檢測可以實現預防醫學與精準醫療的概念。」陳菁兒醫師說，「以藥物過敏為例，輕微的可能只是皮膚搔癢紅腫，但嚴重可能導致死亡。過去大家只能在用藥之後，才從臨床反應知道是否對藥物過敏，現在則可利用藥物基因檢測找出可能引起過敏反應的藥物，就醫時就能提醒醫師避免使用相關藥物，或調整藥物劑量，以降低藥物不良反應發生的機會。」
藥物基因體學包括藥物代謝與藥物不良反應的資訊，陳菁兒醫師分析，因為每個人對藥物代謝的速率不同，所以在相同劑量下可能產生不同的反應，譬如小朋友常用的退燒藥，可能因為代謝速率不同而導致不良反應，嚴重可能造成腸胃道出血。成人常用的降尿酸藥物，在某些人身上可能出現史帝芬強生症候群 (Steven-Johnson Syndrome，SJS) 或毒性上皮溶解症 (Toxic Epidermal Necrolysis，TEN)，皮膚會嚴重潰爛，甚至導致死亡。
「還有知名電視劇「麻醉風暴」中上演的惡性高熱，主要是因為帶有特殊基因的人群，在使用某些麻醉藥物後容易演變成惡性高熱，而危及性命。」陳菁兒醫師說，「以往這些比較特殊的案例，常找不到原因，但是現在透過藥物基因檢測，我們可以提早找出容易對這些高敏感藥物產生不良反應的族群，有助於提升用藥安全。」
因為人體的遺傳基因不會改變，一輩子只需要驗一次即可，這些攸關用藥安全的資訊，長大以後也都非常實用。
針對有家族史的寶寶，因為帶有相同疾病基因變異的機率比較高，需要以基因檢測確認是否為高風險寶寶，提早做預防照護。
至於沒有家族史的寶寶，則可以透過基因檢測找出相關疾病，並能藉此找出隱藏的家族史而讓整個家族受益。
也就是說，新生兒基因檢測的好處其實不只侷限在受檢的寶寶，陳菁兒醫師分析，包含已出生、未出生的兄弟姊妹、其他家族成員，甚至上一代或下一代都可能是受益的對象。
無論是否有已知家族史，如果新生兒驗出疾病基因變異，都應該接受完整遺傳諮詢，必要時再進行相對應基因檢測。「有的家族因為寶寶做了基因檢測，才發現其他家族成員其實也有相同的疾病，因而得以提早接受治療。」陳菁兒醫師說，「另外，了解遺傳疾病的狀況，也可以讓爸爸媽媽在準備生育下一胎時，做好計畫。」
陳菁兒醫師提醒，基因檢測是一種風險評估的概念，一生只需驗一次，就可以得到終身受用的基因疾病資訊。提早檢測就越能夠提早預防，避免錯失疾病的黃金治療期，甚至其他家族成員也可能連帶受益喔！
