為什麼流感疫苗無法一針下去一勞永逸？

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

• 作者／照護線上編輯部
• 本文轉載自 Care Online 照護線上《羅氏診斷女性健檢週活動開跑 HPV疫苗空窗世代別大意！定期子宮頸癌篩檢，守住健康防線》，歡迎喜歡這篇文章的朋友訂閱支持 Care Online 喔
• 加入照護線上 LINE 官方帳號，健康資訊不漏接

「即使完全沒症狀，也一定要接受子宮頸癌篩檢！」隨著羅氏診斷女性健檢週活動開跑，林口長庚婦產部教授張廷彰醫師如此表示。根據衛生福利部國民健康署 111 年癌症登記報告，子宮頸癌長期位居女性癌症死因前十名，儘管政府長年推動篩檢政策，仍有約 20% 至 30% 的患者在確診時已屬中晚期（二期以上）^[1]。近年政府積極推動 HPV 疫苗，但許多 30 歲以上女性仍屬「疫苗空窗世代」，未能在黃金施打年齡接種疫苗，此類族群更應建立定期檢查習慣。

「早期發現對子宮頸癌非常重要！」張廷彰強調，若能及時接受標準治療，一期子宮頸癌的五年存活率可超過 90%，如果進展至中晚期子宮頸癌，便可能會需要接受大範圍手術，再搭配放射治療或全身性治療，對工作及生活造成影響，存活率也比較差。

遠離子宮頸癌威脅，三道防線守護健康

子宮頸癌的發生多與人類乳突病毒（Human Papillomavirus, HPV）的感染有關，主要經由性接觸傳染，或透過接觸帶有病毒的物品造成間接感染。張廷彰指出，多數人感染後沒有明顯症狀，甚至可能自行痊癒，但有部分人感染高風險HPV後，因體質因素無法清除病毒，造成高風險HPV持續感染，持續的定義為達半年以上，進而演變為子宮頸癌前病變或癌症。

由於HPV感染與初期病變通常無明顯症狀，許多女性容易忽略定期篩檢的重要性，若等到出現異常出血等明顯警訊時，多已進展為子宮頸癌，往往已錯過早期治療的最佳時機。因此，張廷彰強調女性應透過「三道健康防線」及早防治：第一，建立安全性行為觀念；第二，接種HPV疫苗；第三，定期接受子宮頸癌篩檢，包括抹片與高危HPV DNA檢測，才能有效攔截疾病於早期，守住自身健康防線。

子宮頸抹片搭配HPV DNA檢測 助精準掌握健康風險

目前子宮頸癌的篩檢方式主要有兩種：子宮頸抹片檢查與高風險HPV DNA檢測。抹片檢查是透過顯微鏡觀察子宮頸細胞型態，檢視是否有可疑性的癌細胞存在；而高危HPV DNA檢測則是利用基因技術分析是否有感染高風險型HPV，能在病變尚未發生前就偵測出潛在風險，讓防線更提前。

張廷彰醫師建議女性可搭配兩種篩檢方式使用，以提升篩檢準確度。若HPV DNA檢測結果為陰性，代表近期感染風險較低，可每五年再進行一次篩檢，不僅能減少不必要的頻繁檢查，也能更早掌握健康風險、規劃後續追蹤。

此外，目前政府亦有相關補助政策，鼓勵女性善加利用公費資源以守護健康：

• 25至29歲婦女：每三年一次免費子宮頸抹片檢查
• 30歲以上婦女：每年一次免費子宮頸抹片檢查
• 當年度年齡為35歲、45歲、65歲女性可接受一次免費HPV DNA檢測

透過這些篩檢工具與政策支持，女性可更有效掌握自身健康，及早防範子宮頸癌風險。

9 大子宮頸癌高風險族群要注意！醫：定期檢查遠離威脅

除了公費補助對象為，高風險族群應每年做一次子宮頸抹片檢查，也建議搭配高危人類乳突病毒 HPV DNA 檢測。高風險族群包括未曾接種過HPV疫苗、較早發生性行為、有多重性伴侶、HIV 感染、接受器官移植、使用免疫抑制劑、有家族病史、反覆陰道感染、抽菸或飲酒者等。即使沒有症狀，也應該定期接受子宮頸癌篩檢，才能及早處理。

張廷彰醫師表示，自 2025 年起國民健康署擴大補助子宮頸癌篩檢，符合公費篩檢條件的女性朋友務必好好把握，若未符合資格也可自費進行篩檢，守住健康防線，也呼籲民眾「挺身而出守護健康」，主動提醒身邊女性來一場健康篩檢約會！

筆記重點整理

• 早期發現對子宮頸癌非常重要，若能及時接受標準治療，一期子宮頸癌的五年存活率可超過 90%，如果進展至中晚期子宮頸癌，可能會需要接受大範圍手術，再搭配放射治療或全身性治療，對工作及生活造成影響，存活率也比較差。
• 子宮頸癌的發生大多與人類乳突病毒（HPV）感染有關，HPV 第 16、18 型屬於高危險人類乳突病毒，可能導致子宮頸癌前病變、子宮頸癌以及男女外生殖器癌；低危險人類乳突病毒則可能會引起生殖器疣（菜花）。
• 預防子宮頸癌有三道關鍵防線，包括安全性行為、接種人類乳突病毒 HPV 疫苗、定期接受子宮頸癌篩檢。過去，子宮頸癌篩檢主要仰賴子宮頸抹片檢查近年來許多國家已開始採用 HPV DNA 檢測，因為HPV DNA 檢測能更準確預測未來罹患癌症的風險。
• 自 2025 年起衛生福利部國民健康署擴大子宮頸癌篩檢，除了子宮頸抹片檢查，還納入 HPV DNA 檢測。在子宮頸抹片檢查部分，25 歲至 29 歲婦女，每 3 年 1 次子宮頸抹片檢查；30 歲以上婦女，每年 1 次子宮頸抹片檢查。當年度為 35 歲、45 歲、65 歲的女性，可接受 1 次人類乳突病毒 HPV DNA 檢測。

參考資料：

• [1] 中華民國111年癌症登記報告

• 本文轉載自 Care Online 照護線上《羅氏診斷女性健檢週活動開跑 HPV疫苗空窗世代別大意！定期子宮頸癌篩檢，守住健康防線》，歡迎喜歡這篇文章的朋友訂閱支持 Care Online 喔
• 加入照護線上 LINE 官方帳號，健康資訊不漏接

本文轉載自顯微觀點

我最親愛的　你過的怎麼樣  沒我的日子　你別來無恙   -張惠妹《我最親愛的》

常常聽到「別來無恙」的問候，其中的「恙」就是指「恙蟲」。在唐朝顏師古的《匡謬正俗》一書中便提到：「恙，噬人蟲也，善食人心。古者草居，多移此害，故相問勞，曰無恙。」用以關心久未見面的朋友沒有染讓恙蟲病、一切安好。

而清明節一到，衛福部疾管署便會提醒民眾上山掃墓或是趁連假到戶外踏青，要小心「恙蟲病」，就是因為每年恙蟲病的病例數從4、5月，也就是清明假期左右開始上升；到6、7月達最高峰。

但恙蟲病到底是什麼樣的疾病呢？恙蟲病古時被稱為沙虱，早在晉朝葛洪所著的醫書《肘後方》提及，「初得之，皮上正赤，如小豆黍米粟粒；以手摩赤上，痛如刺。三日之後，令百節強，疼痛寒熱，赤上發瘡。」

恙蟲病是一種病媒傳播的人畜共通傳染病，致病原為恙蟲病立克次體（Orientia tsutsugamushi或Rickettsia tsutsugamushi），被具傳染性的恙蟎叮咬，經由其唾液使人類感染立克次體。而感染立克次體的恙蟎，會經由卵性遺傳代傳立克次體，並在每個發育期中，包括卵、幼蟲、若蟲、成蟲各階段均保有立克次體，成為永久性感染。

感染恙蟲病可能引起危及生命的發燒感染。常見症狀為猝發且持續性高燒、頭痛、背痛、惡寒、盜汗、淋巴結腫大；恙蟎叮咬處出現無痛性的焦痂、一週後皮膚出現紅色斑狀丘疹，有時會併發肺炎或肝功能異常。 恙蟲病的已知分佈範圍不斷擴大，大多數疾病發生在南亞和東亞以及環太平洋地區的部分地區；台灣則以花東地區、澎湖縣及高雄市為主要流行區。

比細菌還小的立克次體

立克次體算是格蘭氏陰性菌，有細胞壁，無鞭毛，革蘭氏染色呈陰性。但它雖然是細菌，但是嚴格來說，更像是細胞內寄生生命體，生態特徵多和病毒一樣。例如不能在培養基培養、可以藉由陶瓷過濾器過濾、只能在動物細胞內寄生繁殖等。大小介於細菌和病毒之間，呈球狀或接近球形的短小桿狀直徑只有0.3-1μm，小於絕大多數細菌。

最早發現的立克次體感染症的是洛磯山斑疹熱（Rocky mountain spotted fever）；由美國病理學家立克次（Howard Taylor Ricketts，1871-1910）所發現。

1906年立克次到蒙大拿州度假，發現當地正在流行一種叫做洛磯山斑疹熱的傳染病，病患會出現頭痛、肌肉痛、關節疼痛的症狀，之後皮膚會出現出血性斑塊。當時沒有人知道是什麼原因造成這個疾病。

立克次一開始以顯微鏡觀察病患血液，發現一種接近球形的短小桿菌，但卻無法體外培養。而他將帶有「短小桿菌」的血液注射進天竺鼠體內，或是以壁蝨吸食患者血液再咬天竺鼠，發現天竺鼠也會染病。另外，他試驗各種節肢動物來做為媒介，發現只有壁蝨能夠成為傳染窩進行傳播。

立克次釐清了洛磯山斑疹熱的成因與傳染途徑，但因為無法在體外培養基培養這個病原菌，他並未加以命名。

後來其他研究者從斑疹傷寒等其他疾病也發現無法在培養基生長、必須絕對寄生宿主細胞的類似細菌，並為了紀念立克次的貢獻，而命名為「立克次體」。

而立克次體不只一種，因此引起的疾病也不只有恙蟲病。在台灣列為法定傳染病的還有由普氏立克次體（Rickettsia prowazekii ）引起的流行性斑疹傷寒，透過體蝨在人群間傳播；由斑疹傷寒立克次氏體（Rickettsia typhi）造成的地方性斑疹傷寒，由鼠蚤傳播至人體。另外還有由立氏立克次體（Rickettsia rickettsii）所引致的洛磯山斑疹熱等。

立克次體透過傳統革蘭氏染色的效果非常弱；因此常用一種對卵黃囊塗片中立克次體進行染色的方法，以利光學顯微鏡觀察。現在，這項技術常用於監測細胞的感染狀態。

受限於光學顯微鏡的解析度，許多科學家也使用電子顯微鏡來對立克次體與宿主細胞相互作用的精細結構進行分析。例如分別引起流行性斑疹傷寒、洛磯山斑疹熱和恙蟲病的立克次體，外膜組織就能透過電子顯微鏡看到些許的差別，有的外膜較厚，有的則是外膜內葉和外葉倒置。

做好預防就能別來無「恙」

根據疾管署統計，今（2024）年至 4 月 1 日恙蟲病確定病例已累計至 2 8例，高於去年同期。

立克次菌無法在一般培養基培養，雖然可用接種天竺鼠或雞胚胎來分離病原確診，但基於實驗室生物安全操作規定，通常以免疫螢光法、間接血球凝集、補體結合等檢查抗體的方式來檢驗。

恙蟲病可用抗生素治療，若不治療死亡率達 60%。但最好的預防方式還是避免暴露於恙蟎孳生的草叢環境，掃墓或是戶外活動最好穿著長袖衣褲、手套、長筒襪及長靴等衣物避免皮膚外露。離開草叢後也要盡速沐浴和更換全部衣物，以防感染。

參考資料

• Ammerman, N. C., Beier-Sexton, M., & Azad, A. F. (2008). Laboratory maintenance of Rickettsia rickettsii. Current protocols in microbiology, Chapter 3, Unit–3A.5.
• Silverman, D. J. (1991). Some Contributions of Electron Microscopy to the Study of the Rickettsiae. European Journal of Epidemiology, 7(3), 200–206.
• 立克次–立克次疾病的研究先驅
• 維基百科-立克次體
• 疾管署官網