【趋势观察】Sensi.AI如何用AI弥补慢病管理盲区

Sensi 由 Romi Gubes 于 2019 年创立。创始人因家庭经历意识到监护缺失风险，萌发用技术填补“人不在时照护盲区”的构思。Sensi 的使命是“让每位老人更安全地在家中生活更久”。(sensi.ai)

团队集合软件工程、产品设计、护理与老年医学背景。Sensi 获得 Insight Partners、Zeev Ventures 等投资，2025 年完成 4500 万美元 Series C 融资。

主要面向非临床家庭照护机构及家庭用户，优势在于非佩戴、无摄像头、全天候、隐私友好。

音频探测器（pods）安装在关键空间（卧室、客厅、卫生间等），仅在检测异常时生成短音频片段或报警，并上传云端处理。

• 特定环境语音模型：训练于老年居家和护理环境，识别老人说话、背景噪声和设备干扰。

• 环境分类器 + 多级判断：先区分人声/电子源，再用 NLP 模型分析语义，结合语调、情绪等进行异常判别。

• 趋势识别：监测行为频次、夜间起夜、说话停顿、呼吸音异常等偏移轨迹，预警跌倒、认知下降、感染等风险。

• 人机混合审核：低置信度事件交由人工复核，减少误报。

Sensi 属于辅助监测工具，并非医疗器械，因此严格临床数据有限，但通过案例和合作实践展示一定成效：

一位认知障碍老人夜间多次跌倒，Sensi 识别夜间起夜、活动偏差等趋势后，照护机构调整护理时间与人员配置，14 个月内未发生住院事件。

另一案例中，老人厨房滑倒，Sensi 提示后照护人员及时响应，避免严重伤害。

公司分析大量匿名化音频数据，发现老人 91% 时间独处，8 成紧急呼救无人应答，77% 跌倒发生在无人时段。

评价：现有数据偏向案例和公司披露，缺乏同行评审对照研究。

• 风险缓释：提前识别跌倒、急性状况或认知异常，减少急诊/住院。

• 提升效率：优化人员调度和照护时间分配。

• 差异化竞争：增强服务品质，提升客户信任和续约率。

• 数据增值：趋势分析、远程协助、保险对接等。

北美、欧洲及部分亚洲国家老龄化严重，独居老人比例高，家庭照护盲区大，市场空间广阔。相比可穿戴设备或视频监控，Sensi 在隐私、舒适度和易用性上具有优势。

Sensi.AI 是居家慢病管理与老年护理中 AI 音频监测的代表案例：

创新性：非佩戴、无摄像头、被动音频 + AI 弥补照护盲区。

潜力：作为照护感知层 + 决策支持层，可延伸至呼吸异常、情绪监测、认知评估等信号。

挑战：误报率、隐私与合规、证据验证、市场落地及模型泛化。

未来，结合生成式 AI 对话、远程干预、健康经济学验证，Sensi 模式可能成为智能居家照护基础设施，实现“无人时刻也在看护”，为老龄化社会提供技术支撑。