Loading [MathJax]/extensions/tex2jax.js

0

0
0

文字

分享

0
0
0

加國大學研究發現心律不整增加中風的風險

國科會 國際合作簡訊網
・2012/02/26 ・597字 ・閱讀時間約 1 分鐘 ・SR值 555 ・八年級

根據加拿大麥克馬斯特大學(McMaster University)最新的研究,起搏器偵測到的不規則心跳,即使自己未感受到,也意味著中風的風險增加。

近日發表於《新英格蘭醫學期刊 (New England Journal of Medicine)》的這項研究提及:將近2600名植入起搏器沒有心房顫動(atrial fibrillation)病史的病人當中,有超過三分之一的人有心跳加速和不規則的狀況超過六分鐘。

在85%的患者中,心跳不規則並沒有引起任何症狀,但是有被現代的起搏器偵測到。這些在前三個月就出現無症狀心律不整(atrial arrhythmias)的人,發生中風或栓塞(embolism)的風險是其他人的兩倍。

麥克馬斯特大學Michael G. DeGroote醫學院副教授Jeff Healey博士所領導的國際研究團隊在人口健康研究所(Population Health Research Institute)進行研究。

-----廣告,請繼續往下閱讀-----

Healey表示,「這項研究顯示,沉默的心房顫動是很常見的,可能是許多過去無法解釋的中風的原因。五個中風病例中,可能就有一個是由於心房顫動。這是一項重要的觀察,因為一旦確定心臟節奏紊亂,我們有非常有效且具體的治療,能預防心房顫動患者中風。」

起搏器患者臨床試驗無症狀中風和心房顫動評估 (Asymptomatic Stroke and Atrial Fibrillation Evaluation in Pacemaker Patients Trial, ASSERT)是一項前瞻性的大規模研究,在23個國家共136所中心進行,研究儀器偵測到的心律不整與中風的關係。這項研究的參與者是65歲以上的老年人,有高血壓病史但沒有心房顫動病史。追蹤他們約2年半的時間。

這項研究獲得聖猶大醫療公司(St. Jude’s Medical Inc)的贊助。

資料來源:McMaster University[2012.01.11]

-----廣告,請繼續往下閱讀-----

轉載自國科會國際合作簡訊網

-----廣告,請繼續往下閱讀-----
文章難易度
國科會 國際合作簡訊網
47 篇文章 ・ 3 位粉絲

0

0
0

文字

分享

0
0
0
拆解邊緣AI熱潮:伺服器如何提供穩固的運算基石?
鳥苷三磷酸 (PanSci Promo)_96
・2025/05/21 ・5071字 ・閱讀時間約 10 分鐘

-----廣告,請繼續往下閱讀-----

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。

-----廣告,請繼續往下閱讀-----

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。

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。/ 圖片來源:MotionArray

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)」!

-----廣告,請繼續往下閱讀-----

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。

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。

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。/ 圖片提供:研華科技

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。

-----廣告,請繼續往下閱讀-----

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。

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。/ 圖片來源:MotionArray

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)。

-----廣告,請繼續往下閱讀-----

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。

-----廣告,請繼續往下閱讀-----

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。

-----廣告,請繼續往下閱讀-----
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。/ 圖片提供:研華科技

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

-----廣告,請繼續往下閱讀-----
-----廣告,請繼續往下閱讀-----
文章難易度

討論功能關閉中。

0

2
1

文字

分享

0
2
1
她堅信自己已死:中風婦人的幻覺揭開科塔爾症候群的面紗——《大腦獵奇偵探社》
行路出版_96
・2024/08/22 ・2792字 ・閱讀時間約 5 分鐘

海爾妲的中風與奇異妄想

十八世紀末,七十歲的丹麥婦人海爾妲(Hilde)正在家中煮飯時,大腦突然缺血,情況不妙。海爾妲運氣很差,因為人類的腦細胞對缺血的耐受度近乎於零。少了血液,神經元(大腦裡的主要細胞)很快就會缺少氧與葡萄糖等必需物質;神經元會在短短幾分鐘內開始死去。若持續缺血,神經元會以驚人的速度消亡──每分鐘死掉將近兩百萬個。這一分鐘內消亡的神經纖維長度可達約十二公里(神經纖維是神經元向外延伸的軸突,負責在細胞之間傳遞訊號)。 簡言之,缺血會摧毀大腦。這種可怕的情況叫做中風,海爾妲中風了,她因此陷入昏迷。

海爾妲的案例細節來自一篇發表於一七八八年的科學論文。這篇論文沒有提到海爾妲的家人對她昏迷四天後醒來做何反應,但可以想見他們應該如釋重負。不過聽到海爾妲堅稱自己是死人,剛剛放下心中大石他們大概再次遭受暴擊。請注意,海爾妲說的不是她有瀕死經驗──看見隧道盡頭的那道光,最後一刻又被拉回人間──不是,她在與家人交談的時候說自己不是活人。

海爾妲並非是因為經歷過頻死經驗,才認定自己已死,而是談話時說自己不是活人。 圖/envato

我們是透過十八世紀瑞士科學家查爾斯.邦納(Charles Bonnet)的文章認識海爾妲的。 邦納是專業律師,但如同那個年代大部分的天才人物,他涉獵多個不同領域,決定投入科學研究就像我們現在決定追新劇一樣輕鬆隨意。令人驚訝的是,儘管態度輕鬆隨意,他的研究可是成果豐碩。

例如,邦納記錄了蚜蟲的無性繁殖過程,率先證實性別不是繁殖的先決條件(園丁都很熟悉也很討厭這種惱人的小蟲子)。他的其他昆蟲學研究,也為發現昆蟲如何呼吸提供重要助力。後來他的興趣轉向植物學,他的研究為後來發現二氧化碳與氧經由葉子進出植物奠定了基礎。以一個沒受過正式科學訓練、研究科學僅是嗜好的人來說,他還算厲害。

-----廣告,請繼續往下閱讀-----

我們運氣不錯,因為邦納也對異常的人類行為有興趣,例如海爾妲。老實說,海爾妲不是她的真名。也有可能是。邦納在描述她的情況時從未提到她的名字。如同科學文獻裡的許多醫學案例,邦納沒有寫下海爾妲的真名大概是為了保護她的隱私。我在此用這個常見的丹麥名字,方便我們討論她。

海爾妲中風之前,心理健康不曾出過大問題,所以她的奇特行為更加令人費解。家人想說服她相信自己並不是死人,畢竟她正好好坐在那兒跟大家講話。她康復了,這應該是對生命心懷感恩的時刻。但海爾妲一點也不開心。她變得暴躁易怒,責怪家人沒有為她舉辦告別式,實在太不像話。她要求家人幫她換裝,把她放進棺材裡,舉辦一場配合她身分地位的葬禮。

大家都希望海爾妲的幻覺會漸漸消失,但她的堅持有增無減,還開始口出威脅。似乎只有順從她的意願才能真正安撫她。她的家人半推半就地同意了。他們用裹屍布包裹她(十八世紀的丹麥顯然流行使用裹屍布),假裝正在為她安排葬禮。海爾妲對裹屍布的包法百般挑剔,用老師的嚴格口吻抱怨裹屍布不夠潔白,最後她終於安穩躺下、漸漸入睡。

家人為她脫掉裹屍布,把她挪到床上,希望這場鬧劇可以到此為止。沒想到海爾妲醒來之後依然故我,立刻堅持自己必須下葬。家人不願意真的把海爾妲埋進土裡(即使只是為了安撫這位吵鬧不休的病人,他們也不肯假裝將她下葬),所以他們只剩一條路可走:等待這奇怪的幻覺自動消失。

-----廣告,請繼續往下閱讀-----

後來幻覺真的消失了──可惜只是暫時的。每隔幾個月,幻覺就會從頭再來一遍,海爾妲深信她已經死了,不明白為什麼只有她看清這個事實。

海爾妲在認知現狀時,對於自己是「已死」的狀態深信不疑。 圖/envato

科塔爾症候群:明明活著,卻堅稱自己死了?

在邦納記錄這個事件之前,科學文獻裡沒有出現過海爾妲這樣的案例。但在那之後,科學文獻收錄了許多類似案例。由於類似案例夠多,我們可以相信海爾妲不是神經學上的偶發特例,這是一種症狀明確的神經疾病,而且症狀或可預測。這種疾病非常罕見,很難預估可靠的發生頻率,但沒有罕見到無人知曉,它的名字是:科塔爾症候群(Cotard’s syndrome)

病名源自法國神經學家朱爾斯.科塔爾(Jules Cotard),他生活於十九世紀下半葉。一八七四年,科塔爾在巴黎近郊的一個小鎮工作,碰到一名患者說自己沒有腦、神經和腸子。她宣稱自己不需要吃東西也能活著,而且感覺不到疼痛。關於疼痛的部分似乎可信:科塔爾的文字紀錄說他「把大頭針深深刺進」她的皮膚裡,她卻毫無反應(和現在相比,十九世紀的醫生不用太擔心醫療糾紛)。

科塔爾稱這位病患為 X 小姐,她的情況不是相信自己是死人,而是認為自己處於某種中間狀態──既非生,亦非死。她擔心自己會永遠困在這種不明不白的狀態裡,所以渴望真的死去。她認為只有活活燒死──雖然缺少有力的證據──才能讓她得到真正的死亡。她試著自己動手證明這個想法,所幸沒有成功。科塔爾對 X 小姐的情況很感興趣,他查找過去有沒有類似案例,沒想到居然找到好幾個。有人說自己正在慢慢腐爛,有人說自己沒有血液或是沒有身體,還有人被拋進永恆的虛無裡,或是處於某種存在的分歧狀態。

-----廣告,請繼續往下閱讀-----

科塔爾認為,他們的症狀屬於同一類疾病。他稱之為否認妄想(délire de negations)。妄想指的當然是患者對明顯虛假的事情深信不疑,科塔爾用否認一詞來形容這些病患最顯著的特徵:他們否認自己擁有(對多數人來說)生存不可或缺的東西。

科塔爾過世幾年後,另一位科學家在寫到否認妄想時,稱這種疾病為科塔爾症候群。從那之後,這種疾病曾被稱為科塔爾症候群、科塔爾妄想症,有時也叫做活死人症候群。科學家大多避免使用「活死人」這個詞,因為自稱死亡只是科塔爾症候群的諸多表現方式之一(而且這種不科學的誇飾用語,大部分科學家一聽就尷尬),前面介紹過的幾種存在狀態反而比較常見。

科塔爾症候群還有許多其他症狀,例如冷漠、感覺變敏感或變遲鈍、感覺不到飢餓或口渴(並因此絕食或脫水)、出現幻覺、焦慮、嚴重憂鬱、自戕、有自殺傾向等,這裡列出的僅是一小部分。患者否認自身存在,這讓他們的病情聽起來像小說情節。

——本文摘自《大腦獵奇偵探社:狼人、截肢癖、多重人格到集體中邪,100個讓你洞察人性的不思議腦科學案例》,2024 年 7 月,行路出版,未經同意請勿轉載。

-----廣告,請繼續往下閱讀-----

討論功能關閉中。

行路出版_96
21 篇文章 ・ 8 位粉絲
行路為「讀書共和國」出版集團旗下新創的出版社,出版知識類且富科普或哲普內涵的書籍,科學類中尤其將長期耕耘「心理學+腦科學」領域重要、具時代意義,足以當教材的出版品。 行路臉書專頁:https://www.facebook.com/WalkPublishing

0

0
0

文字

分享

0
0
0
不到 50 歲竟中風?揭露「頸動脈剝離」的真相與預防方法
careonline_96
・2024/08/16 ・1698字 ・閱讀時間約 3 分鐘

-----廣告,請繼續往下閱讀-----

「你知道嗎?隔壁卜先生不到 50 歲,昨天突然就中風了呢!」

「哇!上個星期看到卜先生時,看起來人還好好的呢!」

「聽說是『頸動脈剝離』引起中風的,你之前聽過這個病嗎?」

相信很多人已經聽過「主動脈剝離」這樣會引發胸痛、血壓下降、甚至猝死的急症,不過呢,動脈剝離不只會發生於主動脈,也可能出現於其他位置的動脈。今天我們來看看另一位置發生的動脈剝離疾病—頸動脈剝離。頸動脈剝離患者的年齡比較輕,最常發生於 40 歲至 50 歲之間的患者身上,因此頸動脈剝離是 50 歲以下患者罹患中風的常見原因之一。

-----廣告,請繼續往下閱讀-----

要了解頸動脈剝離,我們需要先來分別了解頸動脈的重要性和什麼是動脈剝離。頸動脈位在脖子兩側,負責供應通往頭頸部與腦部的血流。第一部分稱為總頸動脈,左側的左總頸動脈由主動脈直接發出,右側的右總頸動脈由頭臂動脈發出;之後總頸動脈在頸部會分支成外頸動脈與內頸動脈。外頸動脈負責了支援臉部與頭皮的血流;內頸動脈則提供了腦部前方的血流。有了這個基本概念後,我們可以知道萬一頸動脈出了事情,很可能會造成頭頸部與腦部出現症狀。

至於動脈剝離的概念,需要先了解血管壁有分層,動脈剝離代表血管壁最內層的內皮受傷,出現裂痕,以至於血管內的血液經過內層裂痕,進到血管壁分層之間,並將血管壁分層撐開,導致血管壁鼓脹。這時,血流速度會因此減緩,甚至停住,還會形成血塊栓子;鼓脹的血管壁也會壓迫到周遭的組織與神經,進而造成症狀。

頸動脈剝離的原因

所以,究竟什麼原因會讓頸動脈的內皮受傷,出現裂痕,而導致了頸動脈剝離呢?若長期血壓高,有抽菸習慣,或本身有結締組織疾病「馬凡氏症候群」,都會讓血管壁比較容易受傷,出現裂痕,因此導致了頸動脈剝離。

另外,頸部受到外傷,或者活動、運動過於激烈,也會造成血管壁受傷。於是,車禍是頸動脈剝離的常見原因。而玩雲霄飛車、滑雪、潛水、玩彈跳床、或按摩,甚至是咳嗽突然間太大力,都曾出現引發頸動脈剝離的案例。

-----廣告,請繼續往下閱讀-----

頸動脈剝離的症狀、診斷、與治療

頸動脈剝離後,通往頭頸部與腦部的血流速度降低,血流不足,可能會造成頭痛、脖子痛、眼睛痛、頭皮疼痛。有些患者的症狀就只有疼痛而已,但有些患者在頸動脈剝離後,會出現單側眼皮垂墜並瞳孔縮小、單側肢體無力等中風症狀,這些症狀可以是突然出現,也可能在頸動脈剝離後幾天內逐漸浮現。

若臨床檢查擔心有頸動脈剝離的可能,醫師會安排頸部血管攝影檢查。確認診斷為頸動脈剝離後,需要用抗凝血劑或抗血小板聚集的藥物,減少血管內血塊栓子的形成。部分案例需要用頸部血管支架。

避免頸動脈剝離

血管的健康很重要,而要維繫血管健康,一定要養成健康的生活習慣,並避免讓頸部受鈍挫傷。不要使用菸草或抽菸,定期檢查血壓並治療高血壓,保持規律運動習慣,但要避免會容易讓頸部受傷,較危險的活動運動。

-----廣告,請繼續往下閱讀-----

討論功能關閉中。