https://www.facebook.com/502140809655161/

梧軒廬苑：邵馬特半島：雅居隨記, Boston, MA (2025)

08/25/2025

許多疾病是可以透過血液交換而感染的！

美國疾病管理局(CDC)公告了一個特別病例：一個在安養院的住民，因為共用血糖機、而被傳染到B肝。CDC也特別強調：雖然經過消毒感控步驟，但這類的血液感染仍是有可能發生的。因此建議大家各自獨立相關血液偵測的儀器設備。

雖然聽起來蠻扯的，但還是盡量注意檢測步驟是否會有增加感染風險、也不要僥倖心態。如果真無法避免步驟中可能產生的風險，那就各自獨立檢測設備以達安全。

08/24/2025

提醒詐騙！不要亂點

08/24/2025

這一篇關於健保和台灣醫療預算支出的文章，算是想了很久、但終於今天碰到機會一鼓作氣。

§ 台灣2025年預算約3兆，但補助健保只有300多億

台灣整年總預算達3兆1325億元，雖然聽起來社福有8310億，但其實號稱幫助健保部分有336億；更細究去看這300多億怎樣名目，辦理癌症新藥暫行性支付專款、護理人力政策整備計畫、提升醫療院所智慧化資訊機制及罕病藥費等健保總額移列公務項目。真正用在〝公務預算增額負擔健保費〞只有144億，而這144億是政府為了維持點值而撥補健保基金。關於點值這個學問，下個段落詳細解說。

這336億用以〝健保財務協助方案〞除了上述〝公務預算增額負擔健保費〞之外，詳細項目如下：癌症新藥暫行性支付專款、護理人力政策整備計畫、夜班護理人員直接獎勵、三班護病比達標醫院獎勵、提升醫療院所智慧化資訊機制及罕病藥費等健保總額、住院整合照護服務試辦計畫、癌症治療品質改善計畫、代謝症候群防治計畫、慢性傳染病照護品質計畫、提升醫事服務機構網路頻寬、提升醫事服務機構智慧化資訊及資料上傳、提升保險服務成效、挹注罕見疾病之全民健康保險用藥費用、輸注液及沖洗液藥品供應穩定專案、政府健保費法定下限認列範圍排除其他法令部分(通常指的是國家預算中，專門撥給健保的法定下限之外的各項政府財政協助方案，不得用於填補健保費的不足)和補助中低收入戶自付健保費(原由菸捐支應)。所以可知這將近200億部分除了常規性費用之外，很大部分是在於衛福部的醫療政策執行層面。

§ 那社會福利項目剩下約8000億到哪去了？

根據政府資料(https://ws.dgbas.gov.tw/001/Upload/461/relfile/11333/233556/b%E7%B8%BD%E8%AA%AA%E6%98%8E%E5%8F%8A%E4%B8%BB%E8%A6%81%E9%99%84%E8%A1%A8.pdf)，公保養老補助約104億、勞動部主管業務約2900億(補助勞保職災等約900億、補助勞工眷屬健保費約700億)、農業部主管約730億(農保和老農津貼約470億)和地方補助弱勢約150億；衛福部主管有約3600億，扣掉前段的健保協助336億，補國民年金615億、健康臺灣深耕60億、癌症防治計畫 40 億、韌性醫療 17.5 億、身心障礙照服28.4 億、防疫中心工程 13 億、成人預防保健16.9 億、強化社會安全網67 億、漁民及其他團體健保費補助280.7億、健保醫療平權數位升級計畫 11.6 億、優化兒童醫療照護經費 17.7 億、)全民心理健康韌性經費 8.9 億跟肺炎防治經費 40.1 億。

額外說明：〝健康台灣深耕計畫〞係依據賴總統國家希望工程-打造健康台灣政策，以「優化醫療工作條件」、「規劃多元人才培訓」、「導入智慧科技醫療」、「社會責任醫療永續」四大範疇；直白說就是執行賴總統的健康政策，但其實並非用在健保或在醫療支出。「健保醫療平權數位升級計畫」是由行政院2023年8月核定，預期透過「民眾健康賦能」、「雲端系統效率精進」、「打破圍牆的醫療照護」及「資料生態系」等4大策略，打造全民、醫療產業等皆受惠之醫療發展生態；這也是政府醫療產業政策，跟健保和醫療支出也沒有直接關係。

也許有人會質疑，癌症防治、全民心理健康、全民健康數位工程等，跟民眾健康也是有關係呀，為何不算在健保或醫療支出上呢？簡單說，這就是公共衛生政策跟民眾醫療的差異。問了google AI (政府為何要執行公衛)：政府執行公共衛生的目的是為了「預防疾病」、「延長壽命」並「提升民眾的健康水準」，涵蓋了疾病預防、健康促進和降低健康不平等。透過公衛專業，政府得以進行社區健康調查、疫病防治、環境風險評估等工作，並確保食品安全等與民眾健康息息相關的事項，以保障整體社會的健康福祉。總而言之，政府執行公共衛生是為了從宏觀的角度，透過有組織的努力，全面提升民眾的健康品質與福祉，並應對公共健康面臨的各種挑戰。

(公衛跟醫療支出差異)，google AI也回答非常好：公衛是從預防的角度出發，強調疾病預防、健康促進及環境保護，而醫療支出則是指用於治療疾病、照護病患的實際花費，兩者涵蓋範圍不同；公衛是社會整體性的健康守護，而醫療支出則是個人或社會在醫療服務上的直接經濟投入。

所以，不管醫療保險制度差異，公衛都是由政府主導、由公部門預算去執行的政策；跟實際用在個人醫療上、甚至醫療品質提升是不同概念、不同項目的。

§ 健保錢哪來之前，先看錢怎花

花錢容易、賺錢難，先看健保怎樣支出、讓大家有點感覺在。

2025年健保編列約9300億預算，包含牙醫門診約550億、中醫約340億、西醫基層診所約1750億和醫院約6440億，以及健保小金庫約210億。健保小金庫也沒那麼邪惡，需要支付雜項如鼓勵轉診8億、山地離島醫療補助13.5億、居家醫療約94億、補C肝罕病AIDS等雜項約2億、促進醫療品質5.2億、備用金20億、矯正機關醫療服務20億、腎病照護5億、藥事品質0.3億、急重難症補助41.6億、提升服務5億、補助資訊化約15億、補助護理40億。算一算也發現，其實每條也都看起來有憑有據、有模有樣，也不好刪減哪項、短少哪個。

§ 先了解需求後，再來看健保收入

健保保線費收入絕大多數來自保費收入，以2022年為例：投保單位負擔保費約45.8%、保險對象自付約40.7%以及約13%的補充保險費來源。從健保開辦30年來看健保財務收支狀況而言，收不抵出已成常態；因人口老化、醫療科技進步及保險費自然成長率偏低等因素，全民健保長期面臨財務壓力、甚至提議提高保費也是大家已知共識。不過跟民眾多收錢是麻煩，而作為軍公教的雇主負擔、再加上政府需要提撥健保部分，讓政府才是面對真正財政壓力。既然多收錢很難、那減支出比較容易一點囉。所以就有二代健保的〝點值〞設計。

點值設計就是在於核定每年健保有〝預算〞、已經預想好下一年度要花多少錢；但一方面不好限制醫療支出、另方面也要管控醫療單位之下，所以點值算算就是：點值 = 預算醫療支出 / 實際醫療支出；直白解釋，預想下一年要花100元，但實際上花了110的話，那點值就是100/110 = 0.91。用此回推各醫療院所實際上能夠請領到的金額：實際上醫療費用是100點、乘上點值0.91之後，那能請領到就是91元。有沒有超越諾貝爾經濟學獎的設計呀？！

所以不管實際上醫療花費是多少，醫療服務沒有上限、但政府預算有上限；醫療服務還有下限、但政客操弄沒有下限。就已經說了人口老化、醫療進步、通貨膨脹等，甚至醫療服務擴及和品質提升，各種橫的豎的理由推升醫療費用，大家也明擺著想要擴增醫療費用。不過政府很會做事、很會控制預算。

§ 那台灣健保應該要到多少呢？

OCED有個醫療支出占GDP比統計，日本（11%）、韓國（8%）、OECD國家平均值（9.7%），台灣因為有健保和自費部分，統計上稍微有點落差、這也造成正反兩方可以論辯之處。台灣2024年名目GDP約25.5兆台幣、2025台灣健保預算是9300億，0.93/25.5 = 3.6%，跟之前有專文討論過差不多，加上民眾自費端、甚至拉入長照費用去拉抬經常性醫療保健支出(CHE)，但也頂多在6~7+%、多個3-4%而已。但其實日本韓國也還是有民眾自費端、長照花費，連韓國官方醫保都在8-9%了，似乎台灣健保也需要急起直追。

根據健保參訪韓國醫保制度報告(https://report.ndc.gov.tw/ReportFront/PageSystem/reportFileDownload/C11202296/001)(對呀，政府都有專人學習各國所長，當然台灣也會知道他國怎樣改革怎樣做)，韓國醫保預算來源主要為保費收入80%、政府稅收14%及菸捐等6%。但同時，健保費率自 2009 年起每年調升，到2023年為收入的7.09%。台灣健保費率2021年後調整到5.17%；假設台灣也同南韓比例，chatgpt估算台灣健保就可以多2400億，這樣健保就達到台灣GDP 約4.6%。另外韓國就醫部分負擔與台灣不同，門診就醫之醫院層級越高，需自行負擔費用比率 30~ 60% 越高，民眾如至三級醫院門診就醫需自行負擔費用高達 60%，住院就醫則需自行負擔 20%。台灣部分，住院負擔則依住院天數及病房別而定，例如急性病房住院30天內為10%負擔、門診部分負擔隨醫療院所層級而異，例如診所50元、地區醫院80元、區域醫院240元、醫學中心420元；中醫和牙醫門診50元。依前面健保預算，基層診所、中醫和牙醫共約2650億、30%部分負擔就增加800億，醫院6440億的20%部分負擔就約1300億，這樣多了2100億就可以讓健保醫療支出到5.5%。另外，韓國政府貼補(稅收和菸捐)20%，台灣如依比例政府也貼上1900億，這樣也達6.5%，拉上原本經常性醫療支出的部分，台灣也有機會醫療支出接近10%。

08/24/2025

絕對相當震撼消息！
相比toyota是合作開發supra所以用上BMW的引擎(更嚴格來說，應該是交換toyota的油電技術，而toyota在Z4架構上做了supra、連生產都是在BMW生產Z4的工廠)、LR家是因為當時被BME併購而使用BMW引擎(之後隨著再轉手、換了jaguar那顆V8引擎)。雙B可謂瑜亮情結、在豪華品牌中各職勝場，雖然在引擎開發上的確BMW一路走來、始終領先：BMW專注在L6的開發，不像Benz從L6轉V6又轉回L6、SOCH/DOCH徘徊過，小台AMG系列從最輕巧的NA V8，走到了猛進版的turbo L4、現又傳聞要回到大缸引擎)。

牽動背後，包含這20+年車廠的整併合作，變成超大型汽車集團聯合開發、不同品牌卻共用許多主要引擎底盤和零組件，到現在面對純電車、混合動力甚至自動駕駛、無人駕駛的挑戰之下，車廠之間不適單純競爭關係，而也帶有合作可能、在新技術挑戰汽車市場上，找出可能成功的道路。

chatcpy也這樣分析：

為何梅賽德斯會考慮採用寶馬引擎？
1) 成本與開發壓力：梅賽德斯在電動車市場的表現不如預期，2024 年美國市場銷售大幅下滑，部分 EQ 車型甚至計劃暫停接單。為了降低開發成本並應對即將實施的歐盟 Euro 7 排放標準，梅賽德斯正在尋求外部引擎供應商。

2) 寶馬 B48 引擎的優勢：寶馬的 B48 引擎已在多款車型中廣泛應用，並符合即將實施的 Euro 7 排放標準，適用於插電式混合動力（PHEV）車型。這使其成為梅賽德斯在過渡期間的理想選擇。

可能的合作模式與影響
1) 合作範圍：初步計劃僅涉及寶馬的 B48 汽油四缸引擎，但未來可能擴展至柴油引擎及其他動力系統部件。

2) 生產地點：目前討論的生產地點包括寶馬位於奧地利斯泰爾（Steyr）的工廠，該工廠在 2024 年生產了超過一百萬台引擎。

3) 對梅賽德斯的影響：這一合作將使梅賽德斯能夠快速獲得符合最新排放標準的高效引擎，降低開發成本，並加速其混合動力車型的上市進程。

4) 對寶馬的影響：作為主要競爭對手，梅賽德斯的採用將提升寶馬引擎的市場認可度，並為其在全球市場的拓展提供支持。

結論
梅賽德斯與寶馬的合作標誌著兩大德國汽車品牌在傳統內燃機領域的競爭關係發生了顯著變化。這一合作不僅有助於梅賽德斯降低成本、應對排放標準，還可能對整個汽車產業的合作模式產生深遠影響。然而，這一合作仍需經過正式確認，並可能面臨市場接受度、品牌形象等方面的挑戰。

08/22/2025

繼續討論老男人話題，攝護腺癌治療部分；之前討論到為保雄風、放射線治療成為顯學。今天再延續討論，如果屬於高風險的局部攝護腺癌，是一開始先手術、之後根據風險再搭配後續放射治療或藥物治療（或之前先用藥物治療在手術，總之、以手術為主的治療方式) vs. 還是用藥物治療搭配放射治療(就是以不手術為主的治療方式)？

當然這個非常聳動的治療方式：手術為主 vs. 不手術為主，挑戰當今許多癌症治療就是要開刀的主流。當然這背後理由在於攝護腺癌本身的特殊性、病人年齡和共病、搭配其他藥物治療的作用和副作用的整體考量等等。總之，美加醫師找到非常挑戰和創意的研究，但登到了歐洲泌尿科期刊驗證(在外科醫師為主的場子)，而不是美國的、也是額外的深意呀。

高風險攝護腺癌中放療與手術治療策略之比較：隨機對照試驗分析

研究背景
高風險攝護腺癌（high-risk prostate cancer, HRPCa）為局部期患者死亡的主要原因之一。現行指引推薦兩大治療路徑：①放射治療（RT）合併長期雄激素抑制治療（LT-ADT）；②根治性前列腺切除術（RP）合併淋巴結廓清，並視術後病理及風險狀況給予輔助或挽救治療。然而，兩者不僅在局部治療方式不同，亦涉及患者篩選、全身治療搭配、生化復發（Biochemical relapse, BCR）定義、術後治療利用率等差異。過去比較研究多來自回溯性機構或登錄資料，存在失訪、缺數據、治療非標準化及選擇偏差等限制。為克服此問題，本研究首度整合兩項同時期多中心隨機對照試驗（RCT）的個體病人資料（IPD），比較RT 與 RP 為基礎之治療策略在高風險攝護腺癌的臨床結果。

研究方法
透過系統性文獻檢索，納入同國家、同時期進行、針對高風險患者之RCT。最終分析兩項試驗：

RTOG 0521（RT組）：患者接受RT（72–75.6 Gy）合併LT-ADT，部分患者再合併紫杉醇為主的化療。
CALGB 90203（RP組）：患者隨機分配至單純RP或術前化療＋ADT後RP。術後可依病情接受輔助或挽救性RT/ADT。

主要終點為遠端轉移（DM）風險，將死亡視為競爭事件。次要終點包括BCR、疾病進展、攝護腺癌為主因的死亡率（PCSM）、其他原因死亡（OCM）。

研究結果
最終納入RT組557人，RP組733人。RT組患者年齡較大、基線PSA較高，且T3–T4比例較多。中位隨訪時間兩組皆為6.4年。

主要終點（DM）：
RT組的DM累積發生率顯著低於RP組。8年時，IPTW校正後RT組為15%，RP組為22%（p=0.004）。多變量分析顯示RT組相較於RP組，遠端轉移風險降低（sHR 0.57, 95% CI 0.42–0.79）。結果在各亞組（年齡、PSA、Gleason分數、T分期）及敏感性分析中均一致。

次要終點：
BCR與疾病進展：RT組的BCR與進展風險均顯著較低（8年BCR率32% vs 68%，sHR 0.24）。

PCSM：兩組間無顯著差異，不論以疾病進展或遠端轉移定義PCSM，均顯示存活結果相似。

OCM：RT組其他原因死亡率較高（8年11% vs 1.8%），可能與基線患者年齡與併存症較多有關，而非治療本身造成。

討論
此研究首次利用RCT個體資料比較高風險攝護腺癌之兩大治療模式。結果顯示 RT合併LT-ADT策略在降低遠端轉移風險上優於RP策略，而在癌症特異死亡率則相近。此差異可能源於RT組廣泛合併LT-ADT的全身治療強化效果，而RP組即使合併術後RT/ADT，其多模式治療利用率與一致性不足。值得注意的是，當RP組患者實際接受術後RT或ADT時，其遠端轉移風險與RT組相近，顯示「系統性治療強化」才是關鍵，而非單純的局部治療選擇。

然而，RT組較高的其他原因死亡率提醒需謹慎解讀，因其可能反映患者篩選差異與合併症，而非治療本身副作用。此外，本研究追蹤時間中位數僅6.4年，可能不足以揭示更晚期的死亡差異。

臨床意涵
對於新診斷的高風險攝護腺癌患者，放療合併長期ADT的策略可在降低遠端轉移風險上帶來優勢。雖然RP仍可作為治療選項，但大多數患者需要搭配術後輔助或挽救性治療，否則療效可能不及RT策略。未來持續進行中的RCT（如SPCG-15）將有助於更完整釐清兩種策略的長期效果與副作用差異。

08/22/2025

大師兄回來了

08/21/2025

第二份也是很有趣的研究，就是〝醫師你拱蝦〞
醫院都會出版很制式的衛教指導文件，但有時候自己寫得很開心、但讀的人看不懂；所以可否有個快速翻譯米糕、根據不同教育水準來做翻譯呢？有專業出版社做了，但就燒錢也花很多時間；現在有生成式AI出現，那究竟可以有多好呢？

這篇文章就研究：術前與術後的書面指引對病患理解與配合度至關重要，然而，許多病患因教育程度或醫學素養有限，難以充分理解這些文件，進而增加併發症風險。過去已有嘗試，例如 Elsevier 的 Easy-to-Read Library，由專業團隊將複雜醫囑簡化至淺顯易懂的版本，並整合進電子病歷（EMR）系統。然而，這類人工簡化需要龐大資源投入，規模有限。隨著大型語言模型（LLMs）快速發展，研究者開始探討其能否成為低成本且可擴展的替代方案，用於自動簡化醫療說明文件。但由於 LLMs 可能產生錯誤或「幻覺」，因此需要與人工版本進行系統性比較，以確保可讀性、正確性與安全性。

方法
本研究採橫斷式設計，於 Epic EMR 系統中的外科指引文件，排除了皮膚贅生物切除、活檢等小手術。納入的文件共有三種類型：

標準版（由醫療機構提供的原始說明）；
人工簡化版（Easy-to-Read 版本）；
LLM 簡化版（由 ChatGPT-4o 以「將以下外科指引改寫至六年級閱讀水準並保留所有必要元素」的提示產出，設定 temperature = 0）。

研究主要指標為可讀性與正確性。可讀性部分，使用五種常見公式計算，並整合為平均年級水準。正確性方面，由兩名研究助理在盲態下比對人工或 LLM 簡化版本與標準文件，標記「遺漏」或「幻覺（失真）」之差異，再由兩位外科醫師評估其潛在臨床危害，分為 1 至 5 級。

結果
結果顯示，無論人工或 LLM 簡化均能將文件從原始九年級水準降至約六年級。其中，人工作者處理的 43 份文件平均為 6.2 級（95% CI 6.1–6.3），而 ChatGPT 產出的 790 份文件則為 6.6 級（95% CI 6.5–6.6）。然而，術前文件由 LLM 處理時降幅稍小（平均 7.0 級），顯示其在專有術語刪減上更保守。

在 43 份同時具備三版本的文件中，進一步人工審閱發現：
*人工簡化版本平均每份有 1.1 個不一致之處；
*LLM 簡化版本平均為 0.6 個；
*47% 的人工簡化文件（20/43）含至少一項不一致，而 LLM 僅有 26%（11/43）。

值得注意的是，人工版本的不一致大多屬於「非臨床關鍵的遺漏」，而 LLM 版本則較少出現高嚴重度錯誤。最終，在三級以上（具臨床潛在風險）的錯誤發生率上，兩者相近。

討論
這項研究首度證實，LLM 在可讀性與正確性上，能與專業人工簡化相媲美。特別是 LLM 能在短時間內處理 790 份文件，大幅超越現有人工努力的規模，展現自動化推廣的潛力。LLM 在術前文件中表現較保守，可能反映其在平衡「去除專業術語以提升可讀性」與「維持臨床精準度」間的取捨。然而，研究也強調，若將 LLM 直接應用於臨床仍需謹慎：
*必須有醫師監督，以避免潛在風險；
*病患對聊天機器人的信任與使用意圖已存在，若缺乏把關，錯誤指引可能帶來嚴重後果；
*本研究的限制包括：人工簡化文件數量偏少、審查方式倚賴研究助理人工比對、未經病患實際測試理解度，以及溫度設為 0（與臨床真實使用情境不同，因多數人使用預設值）。

08/21/2025

今天看了兩份有趣的研究
1) 關於醫師壽命的研究，這份多看到的、實在太有趣了！
而且還是哈佛醫學院的研究文章 🩺🩺🩺

醫師平均壽命有比較長嗎？其實有，不過內科命長、外科命短，也不是多短、跟其他專業差不多，不過還是優於一般民眾。但主要死因就有趣得多了，專業類別包含醫師、自殺率都比常人高，不過外科醫師車禍和被攻擊比例明顯高很多(車禍磁鐵、被毆打風險 @@)，疾病來說，糖尿病少、但高血壓多(因為高壓工作環境所以生理機制？)

這篇研究針對美國外科醫師的死亡率進行首次大規模、以人口為基礎的分析，利用 2023 年《全國生命統計系統》（National Vital Statistics System）的死亡證資料，結合《美國社區調查》（American Community Survey）人口數據，檢視 25 至 74 歲外科醫師的死亡模式。比較組包括非外科醫師、律師、工程師、科學家，以及一般勞動人口，並進行年齡與性別校正，以每十萬人口死亡率作為指標。

結果顯示，外科醫師的年齡與性別校正後死亡率為每十萬人口 355.3，顯著高於非外科醫師（228.4），死亡率比值（MRR）為 1.56。換言之，外科醫師的死亡風險比其他醫師高出五成以上。雖然外科醫師的死亡率與律師、工程師、科學家接近，但仍低於一般勞動人口（632.5）。

在死因分布方面，惡性腫瘤與心臟疾病是所有職業群體的首兩大死因。然而，外科醫師在部分特定死因上有明顯差異。首先，惡性腫瘤死亡率在外科醫師中特別突出（193.2），幾乎是非外科醫師的 2.2 倍，顯示外科醫師在癌症相關死亡上有高度風險。這可能與長期暴露於手術室的低劑量輻射、麻醉氣體、或其他職業危害相關。此外，高壓、長時間工作與生活作息不規律，也可能增加癌症發生率與惡化風險。

其次，外科醫師的第四大死因為車禍，遠高於其他專業群體的排序（一般職業群體僅列第九位）。這與既有文獻呼應，即外科醫師因長時間工作、連續值班後的疲勞駕駛，容易造成交通事故。這種與工作時數和輪班相關的風險，對外科醫師的健康與安全構成特殊威脅。

再者，高血壓與他殺（assault）在外科醫師死亡原因中的排序亦高於其他群體，分別列第八與第九位。高血壓可能反映長期高壓環境導致的心血管負擔；而他殺雖然總體比例不高，但排序靠前，顯示外科醫師可能因醫療糾紛、病患衝突或醫療暴力而承受額外風險，凸顯職業安全議題。

研究指出，雖然非外科醫師通常因健康知識與資源較佳而享有低於其他專業的死亡率，但這種「醫師保護效應」並未延伸至外科醫師。其相對較高的死亡率，很可能源自外科職業的高壓環境、長工時、值班文化、專業危害以及生活方式限制，而非醫療資源不足。

總結來看，外科醫師的死亡率與死亡結構具有職業特異性：癌症與心臟病依然是主要死因，但車禍、高血壓與暴力事件的突出排序，揭示了外科職業的特殊風險。這些發現不僅提示需要進一步研究外科醫師的癌症風險來源與職業危害，也呼籲醫療體系正視外科醫師的工作負荷、疲勞駕駛風險與職場安全問題，以減少可避免的死亡。

08/20/2025

像這種AI輔助癌症篩檢的研究，就超級熱門、也各門各派都會參一腳的領域；不過是怎樣增益(從圖片上、從radiomics上的分析研究)，甚至診斷效益、醫療經濟學上也都是大家有興趣的領域(之前分享過)。在介紹正文之前先簡單短評一下：

乳房攝影（mammography）是目前全球最重要且被廣泛採用的乳癌篩檢工具。乳癌是女性最常見的惡性腫瘤之一，早期發現與治療能顯著提升存活率並降低死亡率。乳房攝影的核心價值在於能在尚未出現臨床症狀前，偵測出早期病灶，包括微小鈣化點與尚不易觸及的腫塊，這使其成為公共衛生層級上最有效率的篩檢手段之一。

與其他影像方式相比，乳房攝影具有敏感度高、成本相對較低、可大規模推行的特性，因此被大多數先進國家的國家篩檢計畫納入常規。大量臨床研究證實，定期接受乳房攝影檢查可降低乳癌相關死亡率約 20% 至 40%。同時，它也能協助醫師在臨床決策中，針對不同風險族群給予個人化建議。

綜合而言，乳房攝影的重要性不僅在於篩檢，更在於提供了早期介入的機會，改善治療效果並減輕社會與醫療體系的負擔。因此，它不僅是醫療技術，也是守護女性健康的公共衛生成就。

而人工智慧（AI）在乳房攝影（mammography）上的研究進展與未來方向，涵蓋技術演進、臨床成果、應用拓展與挑戰：

一、研究背景與技術發展脈絡
早期乳癌篩檢以人工讀片為主，雖能降低死亡率，但受限於人力負荷高、解讀落差與召回過多問題。2000 年代初曾推出輔助診斷系統（CAD），但大量研究證明其效果有限，可能提升召回率卻無助於提高敏感度或診斷性能。隨著深度學習（DL）興起，AI 技術開始真正踐行其潛力，尤其在圖像特徵提取與分類上的表現大幅提升。

二、AI 在乳房攝影領域的應用成果
1. 提升檢出率與減少遺漏
大型臨床研究顯示，AI 輔助放射科醫師能提升癌症檢出率。例如瑞典隨機對照研究中，AI 加單位醫師的組合檢出率與傳統雙人讀片相當，甚至提升 20% 。德國真實篩檢資料更指出，AI 組比標準組提高 17.6% 檢出率，召回率未增加。Google Health 的 AI 系統在美、英資料集上的比較中，顯著降低假陽性與漏診率。

2. 降低假陽性與非必要召回
某研究開發的 DL 演算法在不損害檢出率的前提下，減少 31% 的召回與 41.6% 的讀片負擔，還降低 7.4% 的良性穿刺活檢案件。

3. 多模態 AI 系統之開展
整合 2D 乳房攝影（FFDM）、合成乳房攝影與 3D 斷層攝影（DBT）的 AI 系統在臨床研究中展現 AUROC 達 0.945，召回率下降 31.7%、醫師查看負擔減 43.8%，敏感度維持 100% 。

4. 影像內潛在指標的判讀拓展
如康乃狄克州會使用 FDA 核准的 AI 工具於乳房攝影上檢測乳動脈鈣化（BAC），預測心血管風險。

三、AI 在影像診斷的輔助角色
近來美國已有多達 340 款 AI 放射影像工具獲 FDA 核准，涵蓋乳癌偵測、腦瘤、肺部等多領域。GC、美國放射科界正逐步導入 AI，尤其在初篩與優先診斷上表現優秀，但仍需人類監督以避免錯誤與假訊息

四、挑戰與展望
1) 資料可取得性與多樣性不足：AI 模型常侷限於特定來源或族群，導致泛化能力受限。
2) 模型可解釋性（XAI）：臨床醫師需了解 AI 判斷依據，以促進信任與採用。
3) 法規與責任定位：目前醫師仍對 AI 判讀結果負法律責任，除非是完全自主系統。
4) 臨床整合與教育：需建立標準驗證流程，並教育醫療人員與病患，提升導入機率。

兩篇研究的重點摘要：
一、利用乳房 X 光影像放射組學（Radiomics）模型預測進展性特徵
evelopment of radiomics-based models on mammograms with mass lesions to predict prognostically relevant characteristics of invasive breast cancer in a screening cohort

研究背景與目的
本研究由 Jim Peters 等人發表於《British Journal of Cancer》。作者致力開發基於放射組學（radiomics）的機器學習模型，旨在從乳房攝影中質量（mass）病灶特徵判斷入侵性乳癌的預後相關指標。由於早期乳癌的預後決策依賴於病灶的組織與分子特性，若能依靠篩檢影像快速預測，將便利精準醫療實踐，尤其在篩檢團體中具高度應用潛力。

方法概述
研究選用乳房攝影篩檢資料中呈現可疑病灶的影像，提取 radiomic 特徵，包括形狀、紋理與強度等指標；再結合機器學習算法，如深度學習或傳統模型，訓練模型以預測腫瘤的預後特徵，例如惡性程度、生長趨勢或復發風險。

研究貢獻與意涵
雖然目前僅有摘要與簡要資料，未列出具體模型性能指標，但這類研究呼應放射組學在乳腺癌診斷與預後評估上的潛力，為未來臨床整合人工智慧提供重要基礎。若成功建構有效模型，未來可整合至篩檢流程，提升篩檢效能與策略選擇精準度。

二、AI 評估間隔期乳癌風險的回溯性研究
Retrospective evaluation of interval breast cancer screening mammograms by radiologists and AI

研究背景與目的
間隔期乳癌（Interval Breast Cancer, IBC）指的是在兩次正常乳房攝影之間被診斷出的乳癌，通常代表篩檢未及時發現的細微病灶。本研究由 Jonas Subelack 等人發表於《European Radiology》，評估 AI 系統在判讀這類影像中是否能補足人類放射科醫師的盲點，強化篩檢品質。

研究方法
回溯性納入 119 例 IBC 患者，其平均年齡為 57.3 歲。三位放射科醫師對這些“間隔乳癌”之乳攝影進行回顧評估，標記其中有潛在可見異常（可能漏診）vs. 無異常。同時應用 AI 系統針對每張影像給出「案例分數（case score）」與「風險分類」，量化潛在癌症風險。

主要結果
醫師評估中，68.9% 被分為「無可見異常」，31.1% 被視為「可能漏診」。全體 IBC 案例中，46.2% 的 AI 分數 ≥25；25.2% ≥50；13.4% ≥75。在「可能漏診」群體中，AI 分數明顯較高（平均 54.1 vs 23.1，p < 0.05）；高風險比例也高（48.7% vs 14.7%，p < 0.05）。

值得注意的是，在「無可見異常」腫瘤中仍有 13.4% 的案例 AI 分數 ≥50，其中 62.5% 放射醫師當時未進行共識討論。這代表 AI 能夠識別部分人類仍未察覺的高風險影像。

研究結論與臨床意涵
這份研究顯示，AI 在乳房攝影項目中可當成人為判讀的安全網，尤其能幫助識別醫師事後未察覺的病灶。若整合 AI 到乳癌篩檢系統，未來有望減少漏診、降低間隔期乳癌發生率，有助提升篩檢質量與早期診斷率，從而改善治療結果。

總結
放射組學研究：探索從乳房影像抽取更多量化特徵以預測乳癌預後，是未來精準醫療策略的重要支撐。
AI 間隔期乳癌研究：實證 AI 能補足人類判讀缺口，具體提升篩檢安全網效能，對篩檢政策與臨床流程意義重大。

08/19/2025

美國雖然醫師收入高，但據傳約有1/3的醫學畢業生並未執行臨床工作，而且缺醫師仍在進行當中。因此靠著國際醫學畢業生來填補缺口、特別是醫療資源缺乏區，就變得重要。有多重要呢？

最新發表在JAMA提出了分析，美國預估至2025年底將出現約9萬名醫師短缺。過去，國際醫學畢業生（IMGs）在一定程度上填補了人力缺口，但近15年來，其角色相較於美國本地醫學畢業生（USMGs）所佔比例的變化並不清楚。本研究利用2010至2022年間公開的縣級資料，分析USMG與IMG在美國各地醫師人力中的相對貢獻，並依城鄉差異及醫療資源不足區（MUA）進行比較。

研究方法為回溯性縱斷分析，涵蓋全美3067個縣與等同行政區。結果顯示，USMG人數由2010年的平均183人增至2022年的228人，增幅24%；IMG則由58人增至74人，增幅27%。然而，IMG所佔比例在整體上始終維持在約18%，未呈現顯著上升或下降趨勢。

城鄉差異方面，農村地區人口平均約2.5萬人，醫師密度為每萬人10名；城市地區則平均24.1萬人，醫師密度為每萬人19名。農村地區約88%、城市地區約86%被劃為MUA。在這些地區中，IMG比例最高的情況出現在「城市MUA」，約達21%；相對而言，USMG在農村地區占比更大，約85%。此外，MUA地區整體上比非MUA地區的IMG比例略高0.5%，且此差異具統計顯著性（P = .003），但隨時間並無明顯變化。

綜合而言，2010至2022年間，IMG在美國醫師人力中的比例相對穩定，但在MUA，特別是城市MUA，IMG扮演較大角色；而USMG則在農村地區較為突出。這些結果顯示，儘管近年美國醫學院與畢業生數量顯著增加，IMG仍在彌補醫師人力缺口上佔有重要地位。若未來美國收緊IMG工作簽證，可能加劇醫師短缺，尤其衝擊MUA地區。

另外，去年JAM也有同樣一篇文章討論IMG在各專科的比例，這些國際醫學生占了約1/4的住院醫師名額(23.5%)但大多散落散病理、內科、家醫、兒科和精神科；但一般外科 (10.4%)、麻醉科 (8.0%)、神外 (8.3%), 婦產 (6.2%), 皮膚 (3.3%), 整外 (2.8%), 耳鼻喉 (2.1%), and 骨科 (0.9%)。所以可見美國也是陷入普遍〝美麗比生命〞還重要的困境；IMG相對弱勢、所以多往不受USMG青睞的領域，但IMG越少的科別就表示越受USMG競爭的科別。

08/19/2025

要說八國聯軍或八大門派齊聚白宮都可以，川普一記九級乾坤大挪移讓烏克蘭軍購、歐洲買單、美國開心之下，歐洲算是趕緊穩住川普陣腳；雖然前幾天在阿拉斯加，美俄也未達成實質公開的共識。

這時候就趕緊來不負責任猜測開賭近期和談可能結果：
1) 烏東四州+克里米亞肯定是沒得吵了，俄羅斯咬進嘴的就很難吐出來
2) 安全協議：不只俄羅斯力抗、美國也很難情願出錢出兵，北約或類北約第五條很難談成。不過既然烏克蘭這麼識相地加碼掏錢給美國(1000億軍購)，應該會有美國形式、歐洲形式再多一點的保障；至於歐洲諸國怎樣多一點就看各國討論和烏克蘭誠意問題
3) 有趣好奇的是，俄羅斯佔領區內的礦產怎樣算？如果和美國聯合開發，會不會讓美國怎樣偏心？
如果俄羅斯近期內打下紅軍城，是否更讓烏克蘭更死心？又或，烏克蘭要趁著紅軍城淪陷之前，先拉住美國、談好協議？
看來中國是沒機會明顯分到烏東重建計畫，那烏西的工程能吃到多少來移轉國內通縮和GDP下行問題？

梧軒廬苑：邵馬特半島：雅居隨記

08/25/2025

08/24/2025

08/24/2025

08/24/2025

08/22/2025

08/22/2025

08/21/2025

08/21/2025

08/20/2025

08/19/2025

08/19/2025

Address

Telephone

Website

Alerts

Shortcuts

Share

Category