【資訊圖表】抗癌新篇章 之 本庶佑與PD-1

本文與 研華科技 合作，泛科學企劃執行

我們都看過那種影片，對吧？網路上從不缺乏讓人驚嘆的機器人表演：數十台人形機器人像軍隊一樣整齊劃一地耍雜技 ，或是波士頓動力的機器狗，用一種幾乎違反物理定律的姿態後空翻、玩跑酷 。每一次，社群媒體總會掀起一陣「未來已來」、「人類要被取代了」的驚呼 。

但當你關掉螢幕，看看四周，一個巨大的落差感就來了：說好的機器人呢？為什麼大街上沒有他們的身影，為什麼我家連一件衣服都還沒人幫我摺？

這份存在於數位螢幕與物理現實之間的巨大鴻溝，源於一個根本性的矛盾：當代AI在數位世界裡聰明絕頂，卻在物理世界中笨拙不堪。它可以寫詩、可以畫畫，但它沒辦法為你端一杯水。

這個矛盾，在我們常見的兩種機器人展示中體現得淋漓盡致。第一種，是動作精準、甚至會跳舞的類型，這本質上是一場由工程師預先寫好劇本的「戲」，機器人對它所處的世界一無所知 。第二種，則是嘗試執行日常任務（如開冰箱、拿蘋果）的類型，但其動作緩慢不穩，彷彿正在復健的病人 。

這兩種極端的對比，恰恰點出了機器人技術的真正瓶頸：它們的「大腦」還不夠強大，無法即時處理與學習真實世界的突發狀況 。

這也引出了本文試圖探索的核心問題：新一代AI晶片NVIDIA® Jetson Thor™ ，這顆號稱能驅動「物理AI」的超級大腦，真的能終結機器人的「復健時代」，開啟一個它們能真正理解、並與我們共同生活的全新紀元嗎？

為何我們看到的機器人，總像在演戲或復健？

那我們怎麼理解這個看似矛盾的現象？為什麼有些機器人靈活得像舞者，有些卻笨拙得像病人？答案，就藏在它們的「大腦」運作方式裡。

那些動作極其精準、甚至會後空翻的機器人，秀的其實是卓越的硬體性能——關節、馬達、減速器的完美配合。但它的本質，是一場由工程師預先寫好劇本的舞台劇 。每一個角度、每一分力道，都是事先算好的，機器人本身並不知道自己為何要這麼做，它只是在「執行」指令，而不是在「理解」環境。

而另一種，那個開冰箱慢吞吞的機器人，雖然看起來笨，卻是在做一件革命性的事：它正在試圖由 AI 驅動，真正開始「理解」這個世界 。它在學習什麼是冰箱、什麼是蘋果、以及如何控制自己的力量才能順利拿起它。這個過程之所以緩慢，正是因為過去驅動它的「大腦」，也就是 AI 晶片的算力還不夠強，無法即時處理與學習現實世界中無窮的變數 。

這就像教一個小孩走路，你可以抱著他，幫他擺動雙腿，看起來走得又快又穩，但那不是他自己在走。真正的學習，是他自己搖搖晃晃、不斷跌倒、然後慢慢找到平衡的過程。過去的機器人，大多是前者；而我們真正期待的，是後者。

所以，問題的核心浮現了：我們需要為機器人裝上一個強大的大腦！但這個大腦，為什麼不能像ChatGPT一樣，放在遙遠的雲端伺服器上就好？

機器人的大腦，為什麼不能放在雲端？

聽起來好像很合理，對吧？把所有複雜的運算都交給雲端最強大的伺服器，機器人本身只要負責接收指令就好了。但……真的嗎？

想像一下，如果你的大腦在雲端，你看到一個球朝你飛過來，視覺訊號要先上傳到雲端，雲端分析完，再把「快閃開」的指令傳回你的身體。這中間只要有零點幾秒的網路延遲，你大概就已經鼻青臉腫了。

現實世界的互動，需要的是「即時反應」。任何網路延遲，在物理世界中都可能造成無法彌補的失誤 。因此，運算必須在機器人本體上完成，這就是「邊緣 AI」（Edge AI）的核心概念 。而 NVIDIA  Jetson 平台，正是為了解決這種在裝置端進行高運算、又要兼顧低功耗的需求，而誕生的關鍵解決方案 。

NVIDIA Jetson 就像一個緊湊、節能卻效能強大的微型電腦，專為在各種裝置上運行 AI 任務設計 。回顧它的演進，早期的 Jetson 系統主要用於視覺辨識搭配AI推論，像是車牌辨識、工廠瑕疵檢測，或者在相機裡分辨貓狗，扮演著「眼睛」的角色，看得懂眼前的事物 。但隨著算力提升，NVIDIA Jetson 的角色也逐漸從單純的「眼睛」，演化為能夠控制手腳的「大腦」，開始驅動更複雜的自主機器，無論是地上跑的、天上飛的，都將NVIDIA Jetson 視為核心運算中樞 。

但再強大的晶片，如果沒有能適應現場環境的「容器」，也無法真正落地。這正是研華（Advantech）的角色，我們將 NVIDIA Jetson 平台整合進各式工業級主機與邊緣運算設備，確保它能在高熱、灰塵、潮濕或震動的現場穩定運行，滿足從工廠到農場到礦場、從公車到貨車到貨輪等各種使用環境。換句話說，NVIDIA 提供「大腦」，而研華則是讓這顆大腦能在真實世界中呼吸的「生命支持系統」。

這個平台聽起來很工業、很遙遠，但它其實早就以一種你意想不到的方式，進入了我們的生活。

從Switch到雞蛋分揀員，NVIDIA Jetson如何悄悄改變世界？

如果我告訴你，第一代的任天堂Switch遊戲機與Jetson有相同血緣，你會不會很驚訝？它的核心處理器X1晶片，與Jetson TX1模組共享相同架構。這款遊戲機對高效能運算和低功耗的嚴苛要求，正好與 Jetson 的設計理念不謀而合 。

而在更專業的領域，研華透過 NVIDIA Jetson 更是解決了許多真實世界的難題 。例如

• 在北美，有客戶利用 AI 進行雞蛋品質檢測，研華的工業電腦搭載NVIDIA Jetson 模組與相機介面，能精準辨識並挑出髒污、雙黃蛋到血蛋 
• 在日本，為避免鏟雪車在移動時發生意外，導入了環繞視覺系統，當 AI 偵測到周圍有人時便會立刻停止 ；
• 在水資源珍貴的以色列，研華的邊緣運算平台搭載NVIDIA Jetson模組置入無人機內，24 小時在果園巡航，一旦發現成熟的果實就直接凌空採摘，實現了「無落果」的終極目標 。

這些應用，代表著 NVIDIA Jetson Orin™ 世代的成功，它讓「自動化」設備變得更聰明 。然而，隨著大型語言模型（LLM）的浪潮來襲，人們的期待也從「自動化」轉向了「自主化」 。我們希望機器人不僅能執行命令，更能理解、推理。

Orin世代的算力在執行人形機器人AI推論時的效能約為每秒5到10次的推論頻率，若要機器人更快速完成動作，需要更強大的算力。業界迫切需要一個更強大的大腦。這也引出了一個革命性的問題：AI到底該如何學會「動手」，而不只是「動口」？

革命性的一步：AI如何學會「動手」而不只是「動口」？

面對 Orin 世代的瓶頸，NVIDIA 給出的答案，不是溫和升級，而是一次徹底的世代跨越— NVIDIA Jetson Thor 。這款基於最新 Blackwell 架構的新模組，峰值性能是前代的 7.5 倍，記憶體也翻倍 。如此巨大的效能提升，目標只有一個：將過去只能在雲端資料中心運行的、以 Transformer 為基礎的大型 AI 模型，成功部署到終端的機器上 。

NVIDIA Jetson Thor 的誕生，將驅動機器人控制典範的根本轉變。這要從 AI 模型的演進說起：

1. 第一階段是 LLM（Large Language Model，大型語言模型）：
   我們最熟悉的 ChatGPT 就屬此類，它接收文字、輸出文字，實現了流暢的人機對話 。
2. 第二階段是 VLM（Vision-Language Model，視覺語言模型）：
   AI 學會了看，可以上傳圖片，它能用文字描述所見之物，但輸出結果仍然是給人類看的自然語言 。
3. 第三階段則是 VLA（Vision-Language-Action Model，視覺語言行動模型）：
   這是革命性的一步。VLA 模型的輸出不再是文字，而是「行動指令（Action Token）」 。它能將視覺與語言的理解，直接轉化為控制機器人關節力矩、速度等物理行為的具體參數 。

這就是關鍵！ 過去以NVIDIA Jetson Orin™作為大腦的機器人，僅能以有限的速度運行VLA模型。而由 VLA 模型驅動，讓 AI 能夠感知、理解並直接與物理世界互動的全新形態，正是「物理 AI」（Physical AI）的開端 。NVIDIA Jetson Thor 的強大算力，就是為了滿足物理 AI 的嚴苛需求而生，要讓機器人擺脫「復健」，迎來真正自主、流暢的行動時代 。

其中，物理 AI 強調的 vision to action，就需要研華設計對應的硬體來實現；譬如視覺可能來自於一般相機、深度相機、紅外線相機甚至光達，你的系統就要有對應的介面來整合視覺；你也會需要控制介面去控制馬達伸長手臂或控制夾具拿取物品；你也要有 WIFI、4G 或 5G 來傳輸資料或和別的 AI 溝通，這些都需要具體化到一個系統上，這個系統的集大成就是機器人。

好，我們有了史上最強的大腦。但一個再聰明的大腦，也需要一副強韌的身體。而這副身體，為什麼非得是「人形」？這不是一種很沒效率的執念嗎？

為什麼機器人非得是「人形」？這不是一種低效的執念嗎？

這是我一直在思考的問題。為什麼業界的主流目標，是充滿挑戰的「人形」機器人？為何不設計成效率更高的輪式，或是功能更多元的章魚型態？

答案，簡單到令人無法反駁：因為我們所處的世界，是徹底為人形生物所打造的。

從樓梯的階高、門把的設計，到桌椅的高度，無一不是為了適應人類的雙足、雙手與身高而存在 。對 AI 而言，採用人形的軀體，意味著它能用與我們最相似的視角與方式去感知和學習這個世界，進而最快地理解並融入人類環境 。這背後的邏輯是，與其讓 AI 去適應千奇百怪的非人形設計，不如讓它直接採用這個已經被數千年人類文明「驗證」過的最優解 。

這也區分了「通用型 AI 人形機器人」與「專用型 AI 工業自動化設備」的本質不同 。後者像高度特化的工具，產線上的機械手臂能高效重複鎖螺絲，但它無法處理安裝柔軟水管這種預設外的任務 。而通用型人形機器人的目標，是成為一個「多面手」，它能在廣泛學習後，理解物理世界的運作規律 。理論上，今天它在產線上組裝伺服器，明天就能在廚房裡學會煮菜 。

但要讓一個「多面手」真正活起來，光有骨架還不夠。它必須同時擁有強大的大腦平台與遍布全身的感知神經，才能理解並回應外在環境。人形機器人的手、腳、眼睛、甚至背部，都需要大量感測器去理解環境就像神經末梢一樣，隨時傳回方位、力量與外界狀態。但這些訊號若沒有通過一個穩定的「大腦平台」，就無法匯聚成有意義的行動。

這正是研華的角色：我們不僅把 NVIDIA Jetson Thor 這顆核心晶片包載在工業級電腦中，讓它成為能真正思考與反應的「完整大腦」，同時也提供神經系統的骨幹，將感測器、I/O 介面與通訊模組可靠地連結起來，把訊號傳導進大腦。你或許看不見研華的存在，但它實際上遍布在機器人全身，像隱藏在皮膚之下的神經網絡，讓整個身體真正活過來。

但有了大腦、有了身體，接下來的挑戰是「教育」。你要怎麼教一個物理 AI？總不能讓它在現實世界裡一直摔跤，把一台幾百萬的機器人摔壞吧？

打造一個「精神時光屋」，AI的學習速度能有多快？

這個問題非常關鍵。大型語言模型可以閱讀網際網路上浩瀚的文本資料，但物理世界中用於訓練的互動資料卻極其稀缺，而且在現實中反覆試錯的成本與風險實在太高 。

答案，就在虛擬世界之中。

NVIDIA Isaac Sim™等模擬平台，為這個問題提供了完美的解決方案 。它能創造出一個物理規則高度擬真的數位孿生（Digital Twin）世界，讓 AI 在其中進行訓練 。

這就像是為機器人打造了一個「精神時光屋」 。它可以在一天之內，經歷相當於現實世界千百日的學習與演練，從而在絕對安全的環境中，窮盡各種可能性，深刻領悟物理世界的定律 。透過這種「模擬-訓練-推論」的 3 Computers 閉環，Physical AI (物理AI) 的學習曲線得以指數級加速 。

我原本以為模擬只是為了節省成本，但後來發現，它的意義遠不止於此。它是在為 AI 建立一種關於物理世界的「直覺」。這種直覺，是在現實世界中難以透過有限次的試錯來建立的。

所以你看，這趟從 Switch 到人形機器人的旅程，一幅清晰的未來藍圖已經浮現了。實現物理 AI 的三大支柱已然齊備：一個劃時代的「AI 大腦」（NVIDIA Jetson Thor）、讓核心延展為「完整大腦與神經系統」的工業級骨幹（由研華 Advantech 提供），以及一個不可或缺的「教育環境」（NVIDIA Isaac Sim 模擬平台） 。

結語

我們拆解了那些酷炫機器人影片背後的真相，看見了從「自動化」走向「自主化」的巨大技術鴻溝，也見證了「物理 AI」時代的三大支柱——大腦、身軀、與教育——如何逐一到位 。

專家預測，未來 3 到 5 年內，人形機器人領域將迎來一場顯著的革命 。過去我們只能在科幻電影中想像的場景，如今正以前所未有的速度成為現實 。

這不再只是一個關於效率和生產力的問題。當一台機器，能夠觀察我們的世界，理解我們的語言，並開始以物理實體的方式與我們互動，這將從根本上改變我們與科技的關係。

所以，最後我想留給你的思想實驗是：當一個「物理 AI」真的走進你的生活，它不只是個工具，而是一個能學習、能適應、能與你共同存在於同一個空間的「非人智慧體」，你最先感受到的，會是興奮、是便利，還是……一絲不安？

這個問題，不再是「我們能否做到」，而是「當它發生時，我們準備好了嗎？」

研華已經整裝待發，現在，我們與您一起推動下一代物理 AI 與智慧設備的誕生。
https://bit.ly/4n78dR4

2018 年的諾貝爾生理醫學獎頒給了致力於癌症免疫治療的詹姆斯•艾利森 (James Allison) 博士和本庶佑 (Tasuku Honjo) 博士。他們所研究的「免疫檢查點療法」(checkpoint blockade) 是癌症免疫療法 (Cancer Immunotherapy) 的一種，原理是利用病人本身的免疫反應機制來對抗癌細胞。

癌細胞之所以能在我們的身體內隨意肆虐，是因為它們會誘使免疫細胞啟動「抑制免疫反應」的訊息傳導，換言之，就是讓免疫反應停擺、放過癌細胞。而兩位博士所研究的免疫檢查點療法則是要阻斷癌症細胞「抑制免疫反應」的訊息，讓免疫細胞得以在腫瘤內部被活化、並順利完成消滅腫瘤細胞的任務。

詹姆斯•艾利森主要研究的標的為免疫系統中作為「剎車」的蛋白質，T細胞中的蛋白質 CTLA-4。他領悟到如果能放開「剎車」則可能促使免疫細胞攻擊腫瘤，開啟了嶄新的「癌症免疫療法」。同時期本庶佑則研究解析 T細胞中的另一種蛋白質 PD-1，並同樣發現其亦有作為免疫「剎車」的功能，他研究的內容爾後成為很有效的癌症免疫療法標的。

此治療法的主要治療靶點，是 CTLA-4 和 PD-1 這兩個免疫抑制受體，如果它們跟各自的配體結合，就會抑制 T 細胞的功能和活動力。所以新藥就是要阻斷 PD-1 或 CTLA-4 的功能，讓我們的免疫系統恢復正常運作、打擊癌細胞。不過，光是依靠免疫系統其實很難完全「消滅」癌症，只是，藉由免疫系統的監控，或許有望降低癌細胞的影響力、讓癌症變成能和平共處的慢性病。

B 型肝炎研究

B 型肝炎是東亞的高致死率流行病，至今台灣仍有 250 萬名帶原者處在肝癌陰影下。中研院基因體研究中心楊懷壹副研究員，投入研究肝炎病毒 20 年，協助建構「肝癌風險計算器」。現在，他與團隊的最新發現，已接近治癒 B 型肝炎的最後一哩路。

自 1996 年加入陳建仁院士的團隊，楊懷壹進入台灣 7 個鄉鎮，徵求 2 萬 4 千名受試者提供檢體，長期追蹤研究 B 型及 C 型肝炎病毒慢性肝炎病患。並建立了肝炎病患罹患肝癌的風險預測評估，改善患者處境、降低國家醫療支出及社會負擔。團隊同時於國際醫學期刊發表了逾 80 篇重要論文，為全球肝炎醫療研究提供重要資訊基礎。

亞太地區隱形死神：B 型肝炎

面對 B 型肝炎，台灣可以算是國際的模範生。

B 型肝炎病毒（Hepatitis B Virus, HBV）是一種 DNA 病毒，其傳染途徑有二。第一種為母子分娩的傳染：由病毒抗原陽性母親（特別是 e 抗原陽性母親），於生產時經由血液、羊水、陰道分泌物傳染給新生兒。第二種則是水平傳染：病毒透過感染者的血液或血液製劑，經由皮膚黏膜傷口而傳染。

台灣是 B 型肝炎的高盛行地區，在全面接種疫苗前，居民帶原率約在 15~20% ，目前約有 250 萬名帶原者（病毒表面抗原持續超過 6 個月）。 1984 年台灣開始對 B 型肝炎表面抗原（HBsAg）陽性孕婦所生的嬰兒施打 B 型肝炎疫苗，1986 年開始為新生兒全面接種。此後，六歲兒童 B 型肝炎帶原率由 1989 年 10.5% 顯著下降至 2007 年 0.8% 。

B 肝病毒以亞太地區流行率特別高，其感染人口為 2 億 5 千萬人，約佔全球帶原者總數 3/4 。 25%~40% 的 B 型肝炎帶原者會進展為肝硬化、肝癌等末期肝臟疾病，導致患者死亡。

楊懷壹認為， B 型肝炎可說是屬於東亞的流行病，是在地特有的健康問題。面對這樣的問題，加以專注研究，反而可以在解決 B 型肝炎問題的方法上成為世界的領先者。現在許多西方國家在處理 B 型肝炎問題時，都要向台灣的研究者取經。而楊懷壹參與建構的「肝癌風險計算器」，以及團隊即將發表的「 PD-1 預測 B 型肝炎功能性治癒 」就是奠基於長期研究的重要成果。

科學算命：肝癌風險計算器

肝癌風險計算器可以將「相對」的危險性，轉換成「絕對」的風險估計。

台灣未接種 B 肝疫苗的世代已超過三十歲，是否會發展成肝硬化或肝癌，讓許多患者有芒刺在背般的憂慮。而醫療資源應該如何分配給不同處境、病況的患者們，也是重要的公共議題。

楊懷壹在 20 年前開始參與的大規模長期研究在此時發揮效果，他與團隊利用當時陳建仁院士所領導的長期追蹤世代 （REVEAL study cohort） ，研究三芝、竹東、朴子、高樹、馬公、白沙及湖西等 7 個鄉鎮的 B 肝患者病況發展，歸納出 B 型肝炎進展的重要危險因子，成為預測 B 型肝炎慢性患者 5 年及 10 年內肝癌發生機率的風險計算器。

楊懷壹針對肝癌危險因子如：性別、年齡、肝癌家族史、酗酒習慣、肝功能指標、 B 型肝炎病毒 e 抗原、 B 型肝炎病毒量以及病毒基因型等臨床指標進行大量樣本統計迴歸，得到各自權重，建構出肝癌風險計算器。

其中以「性別、年齡、肝功能指數、 e 抗原、病毒量」等 5 個指標最為重要，也是現行肝癌風險計算器的構成因子。

「在這些危險因子中，HBV DNA 檢測是最昂貴的，一次就要 2000 元以上，在社區中難以被接受。我們發現可以用表面抗原 HBsAg 「定量」檢測來取代，成本只要 200 元，希望能讓更多人得知自己的肝癌風險」楊懷壹說。現在肝癌風險計算器更已推出 app，讓智慧型手機使用者能夠自行檢測。

最後一哩路的起點：PD-1 應用於慢性 B 肝

透過 PD-1 相關研究，我們或許找到治癒 B 型肝炎最後一哩路的入口。

談到最新的研究成果，楊懷壹的語氣相當興奮。

計畫性死亡-1（Programmed Death-1）蛋白簡稱 PD-1，出現在 T 細胞表面，在免疫系統中具有負向調控（Negative regulation）功能 ，可以抑制 T 細胞活化及增生。楊懷壹說：「 PD-1 可以算是免疫系統的煞車因子。」

PD-1 有二種已知的配體（Ligands）： PD-L1 和 PD-L2 。當非淋巴細胞（如肝臟細胞或腫瘤細胞）在其表面表現 PD－L1 蛋白，並與 T 細胞表面的 PD-1 蛋白接觸並發生反應，此 T 細胞便會凋亡，失去免疫功能。

如此機制原本可以保護人體組織免於過度發炎，但也受到狡猾的 B 肝病毒利用，長期下來導致 B 肝病毒相關的免疫系統疲乏（T cell exhaustion），無力消滅肝炎病毒。也因為如此， B 肝病患自動痊癒（指血清中表面抗原消失）的機率相當低；即使以目前的抗病毒藥物治療，也難以提升治癒率。

目前的臨床抗病毒療法雖然能避免肝炎發展成癌症，但也無法清除病毒。患者必須不斷服藥，依靠外力對抗病毒，若是停藥則有嚴重風險。

楊懷壹眼神發亮地說：「經過反覆地實驗分析，我們發現了血液中可溶性 PD-1 濃度可以準確地預測 B 肝病患是否自動痊癒轉變為非帶原者；血液中可溶性 PD-1 濃度低的 B肝病患有非常高的比例可以發展出對抗 B 肝病毒的免疫力而自動痊癒！」

未來的臨床試驗，將可測試以抗體將 PD-1 及 PD-L1 的結合阻斷。肝炎病毒無法破壞 T 細胞，那麼患者的免疫系統就可以維持活化，自行消滅肝臟中的肝炎病毒，並有助產生抗體。 PD-1 抗體免疫療法的發展，讓所有 B 肝帶原者不僅免於擔憂肝癌，更可以保持清除病毒、最終停藥的希望。

這樣的成果看來令人興奮，但實際上是建立在許多嘗試與挫折之上。對於楊懷壹而言，研究的過程就是建立假說，再不斷挑戰自己的假說。瓶頸是一定會出現的。而負責分析資料的團隊成員潘美虹表示：「遇到瓶頸，就要先喝下午茶，讓心情恢復一下再回來嘗試。」

流行病學：解決社會的健康問題

流行病學不同於一般生醫研究，是與社會、與人相關的，流行病學家必須要走入社區。

這是楊懷壹對流行病學研究的想像與實踐。20 年前剛退伍，就加入陳建仁院士的團隊擔任研究助理，在週末前往各鄉鎮進行社區世代研究個案的追蹤訪視。在數位資訊不普及的時代，社區世代一開始的工作是前往戶政事務所，抄寫所有 30~65 歲居民的聯絡方式，寄信徵求同意。 9 萬名收件者中僅有 2 萬 4 千人願意參與研究。

楊懷壹回憶，當時幾乎每個週末都和台大肝膽腸胃科的醫師們合作，下鄉為研究個案進行超音波檢測，再熬夜整理資料與處理檢體。「很感謝陳建仁老師留下這麼珍貴的研究材料，即使是數萬名受試者交付的檢體，我們也非常謹慎小心地使用，每 10c.c. 會分裝成三管。不過至今歷經了許多血清生物標記的檢測， B型肝炎和 C型肝炎慢性感染研究個案的 1991 至 1992 年收集的基線檢體也幾乎消耗殆盡了。」

在小金門服役時，楊懷壹逐漸確立了自己對流行病學的志趣，進入田野工作所得的觀察，更立體化了他的研究動機。至今仍記得某些受試者，他說，有些人急著想檢測，會打電話來催促研究團隊安排追蹤檢測；有些個案身體惡化的程度則讓人於心不忍。「當時多數人只能宿命性地接受自己得到 B 肝，大多態度消極，實際上也無路可走。有些人會絕望地問『多吃青菜有用嗎？』那當然是沒什麼太大幫助的，當時也沒有抗病毒藥物。」

楊懷壹分享，有志投入流行病學研究的年輕人們，可以多加探討所在社會各層面的健康問題。反過來說，對於社會、群體健康有好奇心、研究志向的人，也是流行病學界最歡迎的。

至今已擔任多年教職，楊懷壹覺得擔任教師與研究員的最大差別，在於對象。

「面對大學生和面對博士班以上的研究團隊成員，我要扮演不同的角色。」對大學生和研究生，教師最重要的任務是引起他們的興趣和注意力。楊懷壹笑說：「剛開始幾乎每週都熬夜做教材，我寧可一開始先辛苦，也不要上台念乾稿、讓課程很無趣，對自己和學生都不好。」

至於研究團隊，則是楊懷壹一起探索新的知識、研究方法的重要夥伴。在團隊成員胡惠涵的籌辦下，連續三年舉辦基因體流行病學研習營，邀請技術最前沿的美國專家，與學員們分享技術與經驗，希望能夠促進更多有志者一起在流行病學的研究之路上，找到「解決問題」的方法。

---

延伸閱讀

• 楊懷壹的個人網頁
• 2013 中研院 open house 科普演講 – 預測慢性 B 型肝炎患者罹患肝癌的風險
• 衛福部疾病管制署，1998。《台灣B型肝炎疫苗史》
• 林志陵，高嘉宏，2008。 〈肝癌的流行病學〉，《中華民國癌症醫學會雜誌》 24(5), 277-281.
• Jin, H. T., Ahmed, R., & Okazaki, T. (2010). Role of PD-1 in regulating T-cell immunity. In Negative Co-Receptors and Ligands (pp. 17-37). Springer Berlin Heidelberg.
• YANG, H., LEE, M. H., & CHEN, C. J. (2011). Prediction of hepatocellular carcinoma risk in chronic hepatitis B and C: review of findings in REVEAL-HBV/HCV study. Journal of Clinical Hepatology, 4, 010.
• Topalian, S. L., Hodi, F. S., Brahmer, J. R., Gettinger, S. N., Smith, D. C., McDermott, D. F., … & Leming, P. D. (2012). Safety, activity, and immune correlates of anti–PD-1 antibody in cancer. New England Journal of Medicine, 366(26), 2443-2454.

採訪編輯｜林任遠　美術編緝｜張語辰

本著作由研之有物製作，以創用CC 姓名標示–非商業性–禁止改作 4.0 國際 授權條款釋出。

本文轉載自中央研究院研之有物，泛科學為宣傳推廣執行單位