本實驗計畫以2015年至2020年累積超過3萬5千筆老人保護案件通報資料作為AI機器學習素材，透過機器學習逐步訓練累積經驗，掌握更多老人保護案件之特徵值，未來當通報案件進案時，即可從個案特徵分析其風險程度並提醒社工。因此，資料如何篩選使用，會影響設計模型預測精確度。使用服務表單等欄位資訊進行資料篩選，首先刪除與訓練目標高度相關的資訊如個案分級，同時排除與個案風險無關的欄位如受理時間，最後，建立模型訓練使用資訊，包含被害人資訊、相對人資訊以及被害人與相對人關係、案情內容、案件處理情況、案件類型等。
老人保護個案AI預警分析模型的建立，主要採用以決策樹為基礎之梯度提升（Gradient Boosting）的機器學習演算法，透過不同年度的通報案件驗證機制，讓模型在整體的預測能力上具有最佳的成效。此次的風險預警機制，除了利用燈號顯示個案風險等級外，亦重視近期受關注的解釋性AI（Explainable AI）問題，因此團隊透過解釋性分析工具（SHAP Value），透明化模型判斷風險背後所思考的因素，並以圖表方式呈現每一筆影響AI決策再通報案件之風險因子（詳如預警模型解釋示意圖）。
