前額葉切除術，最有爭議的諾貝爾生醫獎│科學史上的今天：10/12

本文與 研華科技 合作，泛科學企劃執行。

每次 NVIDIA 執行長黃仁勳公開發言，總能牽動整個 AI 產業的神經。然而，我們不妨設想一個更深層的問題——如今的 AI 幾乎都倚賴網路連線，那如果哪天「網路斷了」，會發生什麼事？

想像你正在自駕車打個盹，系統突然警示：「網路連線中斷」，車輛開始偏離路線，而前方竟是萬丈深谷。又或者家庭機器人被駭，開始暴走跳舞，甚至舉起刀具向你走來。

這會是黃仁勳期待的未來嗎？當然不是！也因為如此，「邊緣 AI」成為業界關注重點。不靠雲端，AI 就能在現場即時反應，不只更安全、低延遲，還能讓數據當場變現，不再淪為沉沒成本。

什麼是邊緣 AI ？

邊緣 AI，乍聽之下，好像是「孤單站在角落的人工智慧」，但事實上，它正是我們身邊最可靠、最即時的親密數位夥伴呀。

當前，像是企業、醫院、學校內部的伺服器，個人電腦，甚至手機等裝置，都可以成為「邊緣節點」。當數據在這些邊緣節點進行運算，稱為邊緣運算；而在邊緣節點上運行 AI ，就被稱為邊緣 AI。簡單來說，就是將原本集中在遠端資料中心的運算能力，「搬家」到更靠近數據源頭的地方。

那麼，為什麼需要這樣做？資料放在雲端，集中管理不是更方便嗎？對，就是不好。

第一個不好是物理限制：「延遲」。
即使光速已經非常快，數據從你家旁邊的路口傳到幾千公里外的雲端機房，再把分析結果傳回來，中間還要經過各種網路節點轉來轉去…這樣一來一回，就算只是幾十毫秒的延遲，對於需要「即刻反應」的 AI 應用，比如說工廠裡要精密控制的機械手臂、或者自駕車要判斷路況時，每一毫秒都攸關安全與精度，這點延遲都是無法接受的！這是物理距離與網路架構先天上的限制，無法繞過去。

第二個挑戰，是資訊科學跟工程上的考量：「頻寬」與「成本」。
你可以想像網路頻寬就像水管的粗細。隨著高解析影像與感測器數據不斷來回傳送，湧入的資料數據量就像超級大的水流，一下子就把水管塞爆！要避免流量爆炸，你就要一直擴充水管，也就是擴增頻寬，然而這樣的基礎建設成本是很驚人的。如果能在邊緣就先處理，把重要資訊「濃縮」過後再傳回雲端，是不是就能減輕頻寬負擔，也能節省大量費用呢？

第三個挑戰：系統「可靠性」與「韌性」。
如果所有運算都仰賴遠端的雲端時，一旦網路不穩、甚至斷線，那怎麼辦？很多關鍵應用，像是公共安全監控或是重要設備的預警系統，可不能這樣「看天吃飯」啊！邊緣處理讓系統更獨立，就算暫時斷線，本地的 AI 還是能繼續運作與即時反應，這在工程上是非常重要的考量。

所以你看，邊緣運算不是科學家們沒事找事做，它是順應數據特性和實際應用需求，一個非常合理的科學與工程上的最佳化選擇，是我們想要抓住即時數據價值，非走不可的一條路！

邊緣 AI 的實戰魅力：從工廠到倉儲，再到你的工作桌

知道要把 AI 算力搬到邊緣了，接下來的問題就是─邊緣 AI 究竟強在哪裡呢？它強就強在能夠做到「深度感知（Deep Perception）」！

所謂深度感知，並非僅僅是對數據進行簡單的加加減減，而是透過如深度神經網路這類複雜的 AI 模型，從原始數據裡面，去「理解」出更高層次、更具意義的資訊。

以研華科技為例，旗下已有多項邊緣 AI 的實戰應用。以工業瑕疵檢測為例，利用物件偵測模型，快速將工業產品中的瑕疵挑出來，而且由於 AI 模型可以使用同一套參數去檢測，因此品管上能達到一致性，減少人為疏漏。尤其在高產能工廠中，檢測速度必須快、狠、準。研華這套 AI 系統每分鐘最高可處理 8,000 件產品，替工廠節省大量人力，同時確保品質穩定。這樣的效能來自於一台僅有膠囊咖啡機大小的邊緣設備—IPC-240。

此外，在智慧倉儲場域，研華與威剛合作，研華與威剛聯手合作，在 MIC-732AO 伺服器上搭載輝達的 Nova Orin 開發平台，打造倉儲系統的 AMR（Autonomous Mobile Robot） 自走車。這跟過去在倉儲系統中使用的自動導引車 AGV 技術不一樣，AMR 不需要事先規劃好路線，靠著感測器偵測，就能輕鬆避開障礙物，識別路線，並且將貨物載到指定地點存放。

當然，還有語言模型的應用。例如結合檢索增強生成 ( RAG ) 跟上下文學習 ( in-context learning )，除了可以做備忘錄跟排程規劃以外，還能將實務上碰到的問題記錄下來，等到之後碰到類似的問題時，就能詢問 AI 並得到解答。

你或許會問，那為什麼不直接使用 ChatGPT 就好了？其實，對許多企業來說，內部資料往往具有高度機密性與商業價值，有些場域甚至連手機都禁止員工帶入，自然無法將資料上傳雲端。對於重視資安，又希望運用 AI 提升效率的企業與工廠而言，自行部署大型語言模型（self-hosted LLM）才是理想選擇。而這樣的應用，並不需要龐大的設備。研華的 SKY-602E3 塔式 GPU 伺服器，體積僅如後背包大小，卻能輕鬆支援語言模型的運作，實現高效又安全的 AI 解決方案。

但問題也接著浮現：要在這麼小的設備上跑大型 AI 模型，會不會太吃資源？這正是目前 AI 領域最前沿、最火熱的研究方向之一：如何幫 AI 模型進行「科學瘦身」，又不減智慧。接下來，我們就來看看科學家是怎麼幫 AI 減重的。

語言模型瘦身術之一：量化（Quantization）—用更精簡的數位方式來表示知識

當硬體資源有限，大模型卻越來越龐大，「幫模型減肥」就成了邊緣 AI 的重要課題。這其實跟圖片壓縮有點像：有些畫面細節我們肉眼根本看不出來，刪掉也不影響整體感覺，卻能大幅減少檔案大小。

模型量化的原理也是如此，只不過對象是模型裡面的參數。這些參數原先通常都是以「浮點數」表示，什麼是浮點數？其實就是你我都熟知的小數。舉例來說，圓周率是個無窮不循環小數，唸下去就會是3.141592653…但實際運算時，我們常常用 3.14 或甚至直接用 3，也能得到夠用的結果。降低模型參數中浮點數的精度就是這個意思！ 

然而，量化並不是那麼容易的事情。而且實際上，降低精度多少還是會影響到模型表現的。因此在設計時，工程師會精密調整，確保效能在可接受範圍內，達成「瘦身不減智」的目標。

模型剪枝（Model Pruning）—基於重要性的結構精簡

建立一個 AI 模型，其實就是在搭建一整套類神經網路系統，並訓練類神經元中彼此關聯的參數。然而，在這麼多參數中，總會有一些參數明明佔了一個位置，卻對整體模型沒有貢獻。既然如此，不如果斷將這些「冗餘」移除。

這就像種植作物的時候，總會雜草叢生，但這些雜草並不是我們想要的作物，這時候我們就會動手清理雜草。在語言模型中也會有這樣的雜草存在，而動手去清理這些不需要的連結參數或神經元的技術，就稱為 AI 模型的模型剪枝（Model Pruning）。

模型剪枝的效果，大概能把100變成70這樣的程度，說多也不是太多。雖然這樣的縮減對於提升效率已具幫助，但若我們要的是一個更小幾個數量級的模型，僅靠剪枝仍不足以應對。最後還是需要從源頭著手，採取更治本的方法：一開始就打造一個很小的模型，並讓它去學習大模型的知識。這項技術被稱為「知識蒸餾」，是目前 AI 模型壓縮領域中最具潛力的方法之一。

知識蒸餾（Knowledge Distillation）—讓小模型學習大師的「精髓」

想像一下，一位經驗豐富、見多識廣的老師傅，就是那個龐大而強悍的 AI 模型。現在，他要培養一位年輕學徒—小型 AI 模型。與其只是告訴小型模型正確答案，老師傅 (大模型) 會更直接傳授他做判斷時的「思考過程」跟「眉角」，例如「為什麼我會這樣想？」、「其他選項的可能性有多少？」。這樣一來，小小的學徒模型，用它有限的「腦容量」，也能學到老師傅的「智慧精髓」，表現就能大幅提升！這是一種很高級的訓練技巧，跟遷移學習有關。

舉個例子，當大型語言模型在收到「晚餐：鳳梨」這組輸入時，它下一個會接的詞語跟機率分別為「炒飯：50%，蝦球：30%，披薩：15%，汁：5%」。在知識蒸餾的過程中，它可以把這套機率表一起教給小語言模型，讓小語言模型不必透過自己訓練，也能輕鬆得到這個推理過程。如今，許多高效的小型語言模型正是透過這項技術訓練而成，讓我們得以在資源有限的邊緣設備上，也能部署愈來愈強大的小模型 AI。

但是！即使模型經過了這些科學方法的優化，變得比較「苗條」了，要真正在邊緣環境中處理如潮水般湧現的資料，並且高速、即時、穩定地運作，仍然需要一個夠強的「引擎」來驅動它們。也就是說，要把這些經過科學千錘百鍊、但依然需要大量計算的 AI 模型，真正放到邊緣的現場去發揮作用，就需要一個強大的「硬體平台」來承載。

邊緣 AI 的強心臟：SKY-602E3 的三大關鍵

像研華的 SKY-602E3 塔式 GPU 伺服器，就是扮演「邊緣 AI 引擎」的關鍵角色！那麼，它到底厲害在哪？

一、核心算力
它最多可安裝 4 張雙寬度 GPU 顯示卡。為什麼 GPU 這麼重要？因為 GPU 的設計，天生就擅長做「平行計算」，這正好就是 AI 模型裡面那種海量數學運算最需要的！

你想想看，那麼多數據要同時處理，就像要請一大堆人同時算數學一樣，GPU 就是那個最有效率的工具人！而且，有多張 GPU，代表可以同時跑更多不同的 AI 任務，或者處理更大流量的數據。這是確保那些科學研究成果，在邊緣能真正「跑起來」、「跑得快」、而且「能同時做更多事」的物理基礎！

二、工程適應性——塔式設計。
邊緣環境通常不是那種恆溫恆濕的標準機房，有時是在工廠角落、辦公室一隅、或某個研究實驗室。這種塔式的機箱設計，體積相對緊湊，散熱空間也比較好（這對高功耗的 GPU 很重要！），部署起來比傳統機架式伺服器更有彈性。這就是把高性能計算，進行「工程化」，讓它能適應台灣多樣化的邊緣應用場景。

三、可靠性
SKY-602E3 用的是伺服器等級的主機板、ECC 糾錯記憶體、還有備援電源供應器等等。這些聽起來很硬的規格，背後代表的是嚴謹的工程可靠性設計。畢竟在邊緣現場，系統穩定壓倒一切！你總不希望 AI 分析跑到一半就掛掉吧？這些設計確保了部署在現場的 AI 系統，能夠長時間、穩定地運作，把實驗室裡的科學成果，可靠地轉化成實際的應用價值。

台灣製造 × 在地智慧：打造專屬的邊緣 AI 解決方案

研華科技攜手八維智能，能幫助企業或機構提供客製化的AI解決方案。他們的技術能力涵蓋了自然語言處理、電腦視覺、預測性大數據分析、全端軟體開發與部署，及AI軟硬體整合。

無論是大小型語言模型的微調、工業瑕疵檢測的模型訓練、大數據分析，還是其他 AI 相關的服務，都能交給研華與八維智能來協助完成。他們甚至提供 GPU 與伺服器的租借服務，讓企業在啟動 AI 專案前，大幅降低前期投入門檻，靈活又實用。

台灣有著獨特的產業結構，從精密製造、城市交通管理，到因應高齡化社會的智慧醫療與公共安全，都是邊緣 AI 的理想應用場域。更重要的是，這些情境中許多關鍵資訊都具有高度的「時效性」。像是產線上的一處異常、道路上的突發狀況、醫療設備的即刻警示，這些都需要分秒必爭的即時回應。

如果我們還需要將數據送上雲端分析、再等待回傳結果，往往已經錯失最佳反應時機。這也是為什麼邊緣 AI，不只是一項技術創新，更是一條把尖端 AI 科學落地、真正發揮產業生產力與社會價值的關鍵路徑。讓數據在生成的那一刻、在事件發生的現場，就能被有效的「理解」與「利用」，是將數據垃圾變成數據黃金的賢者之石！

👉 更多研華Edge AI解決方案
👉 立即申請Server租借

編按：曾經有段時間，「前額葉切除術」為精神醫學帶來了無限希望，許多醫生用這種方式將重症病患的前額葉切除，好讓他們變得乖順、情緒穩定，因此也被視為「幸福的切割」，但可怕的代價緊接在後──許多接受手術的人智力退化到連生活都無法自理，這種不可彌補的終生遺憾給手術發明者引來了排山倒海的批評。但時至今日，類似的手術仍被廣泛應用於治療重度癲癇病患，咦？事情是怎麼發展的呢？

大腦可以維修嗎？

美國電視影集《絕命毒師》（Breaking Bad ）的主人翁是華特．懷特（Walter White），他是個身無分文且罹患肺癌的中年高中化學老師，他與以前的學生傑西．品克曼（Jesse Pinkman）一起投入了生產結晶甲基安非他命的罪犯生涯，希望生前販毒的大筆錢財能夠做為死後安家之用。該電視影集製作人文斯．吉利根（Vince Gilligan）曾經簡單地說過，這個五季的電視影集就是把奇普斯先生（Mr. Chips， 譯註：英國小說家詹姆士．希爾頓〔Jame s Hi l ton〕的作品及其改編電影《萬世師表》〔Goodbye, Mr. Chips 〕的主角）變成疤面煞星（Scarface，譯註：美國同名犯罪電影毒梟主角的暱稱）。

腦葉切斷術（lobotomy）曾經是醫學手術中的疤面煞星；過程會切開人的大腦，切除或刮掉腦葉以便達到治療精神失調的病徵的目的，有些時候會損害人的個性和智能。

至於寫這篇文章的個人目的，我想要向你們描述把這個疤面煞星變成奇普斯先生的手術。我希望可以說服你們，這個曾經惡名昭彰的醫學手術現在已經值得信賴，而足以為許多遭受顳葉癲癇之苦的人帶來希望；此外，我也想恢復「lobotomised」（接受腦葉切斷術）這個英文字本有的姿態，使其不再是用來形容一個人不夠聰明，或是受到神經外科介入治療而變成植物人的貶抑之詞。

不過，如同華特．懷特大概會說：「傑西，我們可不要操之過急。」我們需要從疤面煞星開始談起。

簡單而粗暴，為了治療精神疾病而誕生的腦葉切斷術

第一起的腦葉切斷術發生於一九三五年，同時也稱為腦葉切除術（lobectomy，譯註：兩者的差異主要在於，一個是前額葉的部分， 另一個是整個腦葉），是由葡萄牙神經科學家安東尼奧．埃加斯．莫尼茲（António Egas Moniz）主持進行。對於一個拿著冰鑿從眼睛後方敲入並像切雞屁股般地切掉人的些許大腦的手術，許多人可能會心生納悶，這種東西怎麼可能一度蔚為風潮；不過，這個手術的使用在一九四○年代初期開始急劇增加，到了一九五一年的時候，單就美國而言，腦葉切斷術就執行了接近兩萬宗。埃加斯．莫尼茲甚至在一九四九年得到了諾貝爾醫學獎，原因正是他發現了「腦葉切斷術對於某些精神病的治療價值」。然而，這個手術始終備受爭議，而且有一些受害者。隨著一九五○年代中期開始採用抗精神病的藥物治療方式之後，腦葉切斷術隨即近乎完全棄置不用。在這篇文章的第一部分，我所關注的正是這些粗陋的早期腦葉切斷術。

我相信你們都熟知約翰．甘迺迪（J. F. Kennedy），以及李．哈維．奧斯華（Lee Harvey Oswald，譯註：一般認為此人是甘迺迪暗殺案的頭號嫌犯）對他的頭部造成的傷害。然而，你們可能不知道， 甘迺迪的妹妹蘿絲瑪莉（Rosemary）是早期接受腦葉切斷術的病人之一，時間是一九四一年，當時的她只有二十三歲。她或許不是學校裡最聰明的學生，可是她的日記顯示了她是一個思考周密且觀察敏銳的年輕女子，在由當代最有野心和最無情的大家長約瑟夫．甘迺迪（Joseph Kennedy）所掌控的大家族中，她正在力爭上游。由於蘿絲瑪莉有主見且叛逆，醫師們就說服了他的父親可以採用一種尚在實驗階段的新手術，藉此控制固執女兒波動無常的情緒和變化莫測的行為。然而，他並沒有諮詢太太的意見，看來她似乎不太可能同意這件事。 我們至少可以說，整個手術的經過實在駭人。

醫院只讓蘿絲瑪莉服用了一劑溫和的鎮靜劑。詹姆士．瓦茲醫師（Dr James Watts）從頭殼往大腦上劃下了外科手術切口，他們用來切除一小塊大腦的器具看起來像是一把奶油刀。在瓦茲醫師進行切除時，華特．費里曼醫師（Walter Freeman）則問蘿絲瑪莉一些問題，他要她背誦《主禱文》（Lord’s Prayer ），而另外兩位醫師則幫忙粗略估算要切除多少大腦；令人匪夷所思的是，他們依據的並不是腦部的電氣活動，而是蘿絲瑪莉對問題的回應。情況就有點類似艾薩克．牛頓（Isaac Newton）用一支光禿的粗針就要觀察自己眼球底部一樣：我們只能說這是莽撞的行為。當蘿絲瑪莉開始背得顛三倒四之後，醫師就停止了手術。動完腦葉切斷術之後，大家很快就發現這次的手術無疑是個大災難。蘿絲瑪莉的心智能力退化成如同兩歲大的小孩，她馬上被送入精神病院，終其一生都無法言語或走路，而且伴隨著失禁症狀。約瑟夫．甘迺迪後來不曾再見過這個女兒一面。至於蘿絲瑪莉的兄弟姊妹，則要等到二十年之後才知道了這個姊妹為何從家族消失的真相。

我跟許多人一樣，對腦葉切斷術的認識是來自文學和電影。田納西．威廉斯（Tennessee Williams）的姊姊也叫蘿絲，也接受了腦葉切斷手術而終身失能。這位偉大的劇作家在其劇作《夏日癡魂》 （Suddenly Last Summer ）批評了這種手術，在劇中，這樣的手術則是讓同性戀者得以「道德健全」的手段。不過，真正讓這個手術的惡名以最大力道傳播出去的，應該是肯．克西（Ken Kesey）一九六二年的小說《飛越杜鵑窩》（One Flew Over the Cuckoo’s Nest ），該小說更於一九七五年被改編成由傑克．尼克遜（Jack Nicholson）主演的同名電影。這個故事的英雄是勇猛、叛逆和充滿魅力的藍道．P．麥墨菲（Randle P. McMurphy），由於他攻擊了奧瑞岡（Oregon）州立精神病院專橫的護士長，後來被迫接受腦葉切斷術。整個故事的敘述者「酋長」波登（Chief Bromden）描述了手術的悲慘結果：「一直張著眼睛，裡頭的腫脹已經消退得差不多了；眼睛就這麼瞪著刺眼的月光，闔不上也進不了夢鄉，由於張開了這麼久且無法眨眼而眼神呆滯，看來就像是保險絲盒裡燒掉的保險絲一樣。」另一個病人是這樣形容麥墨菲：「那張臉面無表情，就像是商店裡的假人……」我依然清楚地記得，電影裡的酋長溫柔地抱起麥墨菲仰臥的身體的那個時刻，他看著朋友的空洞臉龐才驚恐地意識到：雖然燈是亮著，但是沒有人在家。這可以說是現代電影史中最令人震驚的時刻之一。幾乎同樣讓人不安的電影畫面則是出現在一九六八年的經典科幻電影《浩劫餘生》（Planet of the Apes ）；查爾頓．赫斯頓（Charlton Heston）所飾演的太空人泰勒（Taylor）發現未來的猩球科學家已經為同行的團隊成員施行了腦葉切斷手術。

關於腦葉切斷術的背景說明如下：費里曼醫師和莫尼茲醫師是這個手術的先驅，他們之所以會進行這個費里曼自己描述為「手術誘發的童年」的手術，就是試圖利用這個手術來治癒思覺失調症、慢性頭痛、偏頭痛、產後憂鬱、躁鬱症以及輕度行為障礙等疾病。費里曼醫師曾經在一天之內就進行了令人瞠目結舌的二十五起腦葉切斷手術， 因此許多接受手術的人都下場不佳也就不足為奇了。有個名叫霍華德．杜利（Howard Dully）的小男孩是因為不討母親歡心而被迫接受手術；二次大戰之後，好幾千位返家後出現創傷後壓力症候群的美國士兵都接受了腦葉切斷手術。執行手術的醫師都認為，除了手術使人身亡之外，病人的永久性腦部損傷和退化成只能自行呼吸的植物人的狀態，都不過是有效治療手段的附帶傷害。

現代科技讓腦部手術不再是沒有地圖的冒險

讀到這裡，我可以理解你們可能覺得我給了自己一個全然無望的任務，畢竟想讓黑面煞星變成奇普斯先生幾乎是自不量力，更別說是宣稱腦葉切斷術已經是值得信賴的手術了。不過，現在的情況確實如此。

事情的變化是這樣的。回到一九四○年代和一九五○年代，外科醫師拿著冰鑿和奶油刀在腦袋瞎弄，他們對於自己在做的事要不是一知半解，不然就是根本一無所知，情況有點像是從西班牙啟航的探險家克里斯多福．哥倫布（Christopher Columbus），既沒有地圖，也不清楚自己真的要前往哪裡，或是到了那裡會發現什麼。基本上，改變的就是地圖製作的這個部分。多虧了X光、發射電腦斷層掃描攝影術、核磁共振造影、正子斷層造影掃描、單光子射出電腦斷層造影掃描、腦電波圖和腦深層電刺激的發明，外科醫師現在對於大腦先前神祕的拓樸圖有了更清楚的概念，也就更能夠了解大腦發生了什麼事、發生的部位和發生的原因。我們現在已經可以確切地說出掌管視覺、嗅覺、語言，或行動的各是大腦腦葉的哪個部分，舉例來說，無論好壞，掌管我發表演說的大腦部分是布洛卡區，是位於額葉的一個區域；告訴我時間不夠要快點說完的大腦部分則是位於大腦後部的頂內葉區。

對於大腦這個最美好的人體器官的偉大奧祕，我們現在終於擁有能夠了解的手段，而這是佛朗茲．約瑟夫．加爾（Franz Joseph Gall） 和凱薩．倫柏羅索（Cesare Lombroso）等早期的大腦和頭部製圖師做夢也想不到的方式。現在的我若是能夠找出，到底是大腦的哪個部分竟然瘋狂到讓我覺得自己能夠完成以神經外科為主題的書寫任務，如此一來，我們或許就知道了一切。我們現在已經配備了人體頭部的世界地圖（mappa mundi），我們不妨將之稱為一份電子版的大腦地圖（mappa cerebrum），這彷彿是外科醫師擁有了進入人體頭顱探索旅程的最新衛星導航系統；不管是簡單的顱骨切開術，或者是在顱骨鑽洞來緩和硬腦膜下血腫，我們現在對於所有的神經外科手術的療程和結果更有信心。

基於一些（大概與先前詳述的既有名聲相關的）敏感原因，現在的神經外科醫師都會說腦葉切斷術是一種「前顳葉切除術」（anterior temporal lobectomy，簡稱ATL）。這項手術需要完全移除大腦顳葉的前面部分，是目前針對醫學上難以治療的內側顳葉癲癇（medi a l temporal lobe epilepsy，簡稱TLE）病人的標準治療方案，也就是說這樣的病人無法以抗癲癇藥物來控制癲癇性痙攣。雖然這個手術依然有風險而且極為昂貴，但是據報有介於百分之八十到百分之九十的病人在術後都不會再出現癲癇。

我們已經不再動用奶油刀或冰鑿來切開大腦。我可以告訴你第一手的資料，這是因為身為你的勇敢報導者的我在幾星期前去觀摩了一次前顳葉切除術的進行，地點是位於倫敦皇后廣場（Queen Square） 的國立神經病學和神經外科醫院（National Hospital for Neurology and Neurosurgery）。一天之內進行二十五次腦葉切割手術的年代已經一去不復返，我看的那一場前顳葉切除手術幾乎進行了八小時，而且參與手術的醫護人員共計九位，其中包括了三位神經外科醫師。手術開始之前，病人頭部X光片上的一個微小到幾乎看不見的損傷或疤痕吸引了我的目光，而那或許是連瑞士鐘錶匠都不會注意到的，但是卻逃不過我們的神經外科醫師麥克沃伊醫師（Dr McEvoy）的法眼。麥克沃伊醫師向我解釋，那個疤痕必然跟病人的癲癇有關，大概是病人小時候發高燒所感染的結果。在倒不如說是一點都不狂熱的氛圍之中，前顳葉切除手術正式開始。

目前，在進行顱骨切開術之前，光是使用電動手術刀（或是俗稱的「保威」[Bovie]手術電燒刀）來移除肌瓣和清理頭顱表面，可能就要花上將近兩個小時的時間。接下來是以高速電鑽來進行顱骨切開術，而過程中發出的聲音和味道都讓我想起了自己讓牙醫補牙的經驗。醫師切下了一個火柴盒大小的顱骨，並且將之安全地保存，以便之後能夠嫁接回去。

就在顱骨下方，有一層叫做硬腦膜的薄膜包裹著整個大腦，看起來就像是雜碎羊肚（haggis，譯註：此為將肉雜、洋蔥和調料等放入羊胃中烹煮的一種蘇格蘭料理）上的外皮。切開薄膜後，顯露出來的就是閃閃發光的灰色大腦，上頭布滿了蛛網狀的血管，簡直像極了電影《異形》中有趣的異形蛋。使用了巨型神經外科顯微鏡，就連像人類頭顱這樣深沉而無法進入的腔體都能夠一目了然，才能夠在今日執行切除大腦的精巧工作。

在為病人動手術的時候，外科醫師告訴我，動完腦葉切割術的大腦很快就會重新自我配線；現在的病人在一輩子深受癲癇性痙攣之苦後，對於大腦在術後要建立新的突觸所帶來的短期不便，都認為那是值得付出的代價。就我外行人的意見來看，相較於早期的粗略估算和冰鑿，更別說是背誦《主禱文》的方式，現今的整個高度科技和極度精細的科學手術可以說是極大的進步。相信你們也很樂意知道，現在那位病人的術後復原良好，而讓他需要動神經外科手術的前顳葉癲癇也完全消失了。

如果換成是華特．懷特的年輕犯罪拍檔傑西．品克曼在場目睹這場令人讚嘆的手術的話，我想他一定會跟神經外科醫師擊掌致意並且說道：「唷，科學，很神喲。」

——本文摘自《皮囊之下》，2019 年 4 月，健行出版社。