Loading [MathJax]/extensions/tex2jax.js

0

0
0

文字

分享

0
0
0

塞默維斯忌日 │ 科學史上的今天:8/13

張瑞棋_96
・2015/08/13 ・1150字 ・閱讀時間約 2 分鐘 ・SR值 526 ・七年級

產褥熱,泛指孕婦分娩時因病菌感染而高燒不退,甚至死亡的疾病。

這個名詞到十八世紀才出現;此時歐美地區因為都市化造成人口集中而廣設醫院,孕婦開始至醫院生產後,才發現大量此類病例。十九世紀中期以前,孕婦在醫院生產後的死亡率高達兩成,但因當時仍不知有細菌,也無從預防或改善,於是都當成是分娩必冒的風險。直到塞默維斯醫生出現,才將無數媽媽自產褥熱的巨大威脅中解救出來。

出生於匈牙利的塞默維斯特地前往奧地利的維也納大學讀醫學,畢業後無法如願找到內科醫生的職位,才於 1846 年到維也納綜合醫院的產科第一分部擔任住院總醫師。他到任後不久就發現第一分部的孕婦死亡率很高,過去六年平均從 7%~16% 不等;若以單月來看,還有高達 30%的紀錄,相較之下,在家接生、甚至在街頭分娩還比較安全。但相對地,產科第二分部的孕婦死亡率卻只有 2%~7%,於是塞默維斯決定展開調查。

他比較了各種可能原因,包括空氣、擁擠程度、接生方法、…… 等等,甚至有無宗教信仰,但都沒發現兩個分部有何差異。就在塞默維斯百思不解之際,1847 年發生一件意外讓他靈光一閃。他的好友在解剖屍體時被學生的刀子劃傷,沒幾天即過世,解剖遺體發現與因產褥熱而死的婦女類似。塞默維斯想到兩個分部的唯一差異──來第一分部觀摩實習的是醫學院學生,而第二分部則只有助產士。

塞默維斯猜測是學生解剖完屍體後,直接過來第一分部接生,而把屍體的毒素帶給孕婦。於是他規定學生在檢查孕婦或實習接生之前,一定要用含氯的漂白水洗手,結果實施後的第二個月,孕婦的死亡率就降到 2% 左右,之後一直都在 2% 以下。

-----廣告,請繼續往下閱讀-----

塞默維斯實施洗手的成效得到醫學雜誌的報導,他的學生也投了幾篇稿子,他以為其他醫療機構自然會群起效尤,卻事與願違,畢竟高傲的醫生怎麼可能承認是自己的雙手害死病患。而他本人也因為被懷疑支持 1848 年興起的匈牙利革命運動,而在 1849 年 3 月被迫離職,只好返回匈牙利。

塞默維斯於 1851 年接任一家小醫院的主任後,再度實施洗手的規定,在五年 933 個孕婦中,只有 8 人死於產褥熱。眼見其他醫生仍視若無睹,塞默維斯終於在 1861 年出版產褥熱的論著,除了詳細列舉統計數據做為佐證,還炮火猛烈地批判多位大老。結果當然只是引來更多反擊與嘲笑。

塞默維斯變得越來越偏激,公開指責批評他的醫生是殺人兇手、不學無術;他自己也開始酗酒、召妓,常常行為失控。1865 年 7 月底,塞默維斯被送進精神病院,兩個禮拜後死於感染引起的敗血症,遺體解剖發現身體與內臟有多處傷害,肯定在院內遭到虐待毒打。

他的死訊與他的學說一樣沒有人在乎。要等到 1880 年代,細菌說被普遍接受後,洗手、消毒的政策才廣為醫院採用。

-----廣告,請繼續往下閱讀-----

 

本文同時收錄於《科學史上的今天:歷史的瞬間,改變世界的起點》,由究竟出版社出版。

-----廣告,請繼續往下閱讀-----
文章難易度
張瑞棋_96
423 篇文章 ・ 1028 位粉絲
1987年清華大學工業工程系畢業,1992年取得美國西北大學工業工程碩士。浮沉科技業近二十載後,退休賦閒在家,當了中年大叔才開始寫作,成為泛科學專欄作者。著有《科學史上的今天》一書;個人臉書粉絲頁《科學棋談》。

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

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

1
2

文字

分享

0
1
2
當人們對細菌一無所知、當醫生不洗手:生產,就像是去鬼門關前走一趟──《厲害了,我的生物》
聚光文創_96
・2022/09/13 ・1767字 ・閱讀時間約 3 分鐘

無知的代價:產褥熱

故事說到這裡,此時此刻,人們依然只能透過顯微鏡、放大鏡等工具,追尋微生物的芳蹤。當然啦,發現微生物是一回事,要確認這些微生物與特定疾病的相關性,並且證實它們的致病性與致病機制,則完全又是另一回事。

在那個對微生物一無所知的年代,該有多可怕?圖/envatoelements

然而,產業救星巴斯德先生在拔了一根草、測了測風向以後,敏銳的發現,風向是會改變的。在與微生物和疾病的永恆戰鬥中,人類也不會永遠的屈居下風。

巴斯德的重心,逐漸從化學轉移到微生物之上。他雖然不是醫生,也不是婦女,卻對婦女的生死大關特別有興趣。

在十八世紀到十九世紀之間,有多達百分之三十的婦女,會在生產後的「產褥期」,受到細菌感染而持續發燒,稱為「產褥熱」(puerperal fever)。

-----廣告,請繼續往下閱讀-----

當時,產褥熱的致死率相當高,一旦受到感染,有百分之七十五的產婦可能會挺不過去,一手接生一手送死,悲傷的故事在醫院裡不斷上演。

被忽視的警告:「不要碰完屍體去接生!」

一八四三年,美國醫生霍姆斯(O. W. Holmes)在論文中提到,不少醫生會在解剖完屍體之後,再為產婦進行接生,這些產婦中,染上產褥熱的比例也偏高。

但是,當時的醫學界並不認同霍姆斯的觀點,將他的提醒當成了耳邊風。

進產房前,別忘了先寫遺囑!圖/聚光文創

與此同時,在著名的維也納大學醫學院中,匈牙利醫師塞麥爾維斯(Ignaz Philipp Semmelweis),正為了附屬醫院中,遲遲無法下降的產婦死亡率而苦惱著。

-----廣告,請繼續往下閱讀-----

即使進行了詳細的大體解剖,塞麥爾維斯也無法找出產褥熱的原因,只能眼睜睜的看著產婦一邊期待著新生命的降臨,一害怕著死神將揮舞著鐮刀,收割她們的性命。

心痛的塞麥爾維斯,於是將目光轉向產房細節。他注意到,如果產婦居住在解剖室旁的產房,產褥熱的比例更居高不下;反觀助產士教學病房裡的產婦,死亡率就明顯較低。

塞麥爾維斯於是推測,或許在屍體中帶有某種毒素,經由負責解剖的醫生、實習生的雙手,在接生或產檢之際進入產房,造成了產婦的死亡。

只是洗個手,死亡率剩下原本的 1/4

一八四七年,塞麥爾維斯決定,要求產科裡所有醫生、實習生,特別是那些剛進行過大體解剖的小夥伴們,在為產婦接生或檢查之前,務必要用肥皂與漂白水浸泡、清洗雙手,並澈底刷洗指甲底下的汙垢。

-----廣告,請繼續往下閱讀-----

果不其然,一個簡簡單單的洗手動作,就讓院內產婦的死亡率,從百分之十二下降到百分之三!可喜可賀!

即使塞麥爾維斯發現「洗手」就可以降低產婦的死亡率,但它的發現並未被醫界重視。圖/envatoelements

按照常理思考,我們可以大膽推測,接下來的劇情發展應該是:「塞麥爾維斯被譽為英雄,他所推行的洗手習慣,立刻被全世界廣泛採用……」

NO~NO~NO,塞麥爾維斯拿到的,可不是這麼簡潔、老生常談的劇本,故事尚未劇終,本章節依然未完待續。

事實上,他的重要發現並沒有受到醫學界的認可,連病房主任也說,死亡率的下降,是醫護同仁們用心禱告的結果,跟洗不洗手什麼沒啥關係。

-----廣告,請繼續往下閱讀-----

不僅論點違背主流風向,許多醫生甚至覺得,塞麥爾維斯的說法,根本就是在說「醫生手很髒」或「病從醫生來」,對此,他們表達強烈的不憤怒與不滿。

讀到這裡,我們或許會覺得,只是洗個手,有那麼痛苦那麼難嗎?殊不知,即便是疫情當前的今日,對於這個倡導手部衛生的建議,依然有人會感到不滿與抗拒。

如此一想,一百多年前的醫生們不想洗手,好像不是多麼不可思議的事情了。

沒想到竟然連醫生都會不想洗手!圖/聚光文創

──本文摘自《厲害了,我的生物》,2022 年 8 月,聚光文創,未經同意請勿轉載。

-----廣告,請繼續往下閱讀-----
-----廣告,請繼續往下閱讀-----
聚光文創_96
6 篇文章 ・ 6 位粉絲
據說三人出版社就算得上中型規模,也許是島嶼南方太過溫暖,我們對出版業的寒冬始終抱持著浪漫與天真。 作者們說,出版市場很艱困,但我們依然想在翻譯領軍的文學市場中,為本土的作者、原創故事發聲。 喜歡做為升學孩子減輕壓力的書,不要厚重百科類型、沒有艱澀的專有名詞,很多重大發現的背後故事更值得我們好好品味。

0

0
0

文字

分享

0
0
0
好好洗個手,病菌遠離我:源自於19世紀產房的血淚知識
Curious曉白_96
・2020/02/10 ・3386字 ・閱讀時間約 7 分鐘 ・SR值 538 ・八年級

飯前、飯後、廁所後要洗手,是個我們現在已經習以為常的概念。但這樣一個「二十秒護一生」的動作,真正開始推廣普及的時間可說是非常的近代,甚至曾經遭到專業人士的抵制喔。
究竟「洗手護健康」的概念,是從哪開始的呢?

未知細菌與病毒的年代,賭上性命的產婦們

19 世紀,一個對於細菌、病毒的概念一無所知的年代,由於缺乏正確的衛生習慣,醫務人員極少洗手及使用乾淨的醫療器材,而醫院也總是充滿著各種體液的惡臭味(光想像就令人不寒而慄><),接受治療後卻死亡的人數比例也居高不下(對於當時的人們來說,送進醫院治療就相當於一隻腳踏入棺材了!)。

當時醫院內最容易受到感染的人群,就是產婦。有些產婦們生產後會出現高燒,人們將其稱為「產褥熱 (puerperal fever) 」, 19 世紀中期的歐洲及美國均發生此疾病,感染產褥熱的產婦最高死亡率達 35 % 1!這樣說對於現在的我們或許無感,但在那時產褥熱可是婦女的第二大死亡疾病,僅次於結核病。然而其病因卻未被查明,因此母親們在醫院生產就等同於跟死神搏鬥。

從美國畫家托馬斯·伊肯斯(Thomas Eakins)於 1875 年的畫作《The Gross Clinic》中可以看出當時的外科醫生未配戴手套而使雙手都沾染病人血液,而畫中所使用的器具及繃帶也均未經消毒便開始用於手術,顯現當時的醫療並未有近代的衛生概念。圖\flickr

死亡率明顯較高的「死神產房」

在這醫師被視為死亡之手的年代,一位名為塞麥爾維斯 (Ignaz Philipp Semmelweis) 的醫生在維也納總醫院工作時,發現一個奇怪的現象。院內有兩間產房,然而第一產房孕婦引發產褥熱的發生率相比第二產房,卻高達 3~8 倍,讓當時的產婦們都指名要第二產房接生,深怕進入第一產房。

-----廣告,請繼續往下閱讀-----

兩間產房明明都是一樣的設備,一樣的醫療程序,怎麼會有如此大的差異呢?這樣令人無法忽視的差異,也使塞麥爾維斯醫生決心要深入調查其中原因。

為保生產後母子均安,19 世紀的婦女於維也納總醫院生產時,爭相指定於第二產房生產,懼怕進入產婦死亡率較高的第一產房。圖\wikipedia

破解死亡疑團關鍵:同儕之死

塞麥爾維斯醫生當起了醫界偵探,探查兩間產房床位配置,空氣潔凈度,操作流程,甚至宗教儀式:那個時候的醫院常進行祈禱儀式。但這些探查結果都沒有差別,唯一有差別的是第一產房是醫學生教學病房(多為男性負責助產),第二產房是助產士教學病房(多為女性負責助產)。

塞麥爾維斯醫生開始 OS :
「難道……醫學生的接生技術真的有比助產士差嗎?」
「不對呀~醫學生所培養的技能比助產士還更專業,不可能有這樣的烏龍呀……」
「還是…真的像外面的傳言那樣,男性接生真的比女性接生粗魯,而導致孕婦子宮感染?」(設計對白)

-----廣告,請繼續往下閱讀-----

正當塞麥爾維斯醫生百思不得其解時,卻收到同儕去世的噩耗。塞麥爾維斯醫生的同儕也是產科醫生,在一次產褥熱病人的屍檢中,不小心被解剖刀劃傷了手,而屍體的血液也滲透進傷口,不久,他便出現如同產褥熱的高燒而病逝。

這使得塞麥爾維斯醫生突然靈光一閃,發現屍體上必定帶有某種毒素,而且產褥熱會透過血液傳染。這也讓他聯想到自己醫院內的醫學生們都是上完大體解剖課後(沒有洗手)便來產房幫孕婦接生。醫學生的手接觸了屍體後,又接觸了產婦們大量出血的陰道口,而這些學生手上的「髒東西」便會造成孕婦們接觸感染。

1861 年塞麥爾維斯醫生為捍衛產婦們的生命安全,而撰寫《產褥熱的病因、觀念、及預防》一書,總結了產褥熱的數據及分析,內容後半段則是反駁其他人發表的意見,而招致後續醫學界對塞麥爾維斯醫生的強烈批評。圖\wikipedia

被忽視的洗手觀念,被時代抹滅的救命醫生

塞麥爾維斯醫生認為產褥熱的真相就是這些醫學生們的手不乾淨,因此規定之後進入產房前,任何接生人員一定要用消毒液(當時使用次氯酸鈣,俗稱漂白粉的溶液)徹底洗手,自此之後第一產房的產褥熱死亡率大幅下降至 3 % 。

-----廣告,請繼續往下閱讀-----

塞麥爾維斯醫生紀錄維也納醫院中產婦們發生產褥熱而引起的死亡率,自從 1847 年後塞麥爾維斯醫生強力推動消毒液洗手再接生的規定下,產婦因產褥熱造成的死亡率大幅下降。圖\wikipedia

但是,你以為這名偉大的醫生發現洗手的重要性,從此病人在醫院就過著平安又健康的醫療生活了嗎?很不幸的,這並不是個 Happy ending。

事實上,塞麥爾維斯醫生提倡的洗手觀念並不為當時醫生們所重視,隨後他反而不被醫院續約,並持續遭受醫界關於洗手觀念的強烈批評,最後精神崩潰,於 47 歲病逝。

直至此後 10~20 年,微生物學奠基人路易·巴斯德 (Louis Pasteur) 從肉湯腐敗發現所謂的細菌汙染,及外科消毒法創始人約瑟夫·李斯特 (Joseph Lister) 、細菌學始祖羅伯特·科赫 (Robert Koch) 等研究相繼出爐,證實了「微生物」的存在與影響。才終於為塞麥爾維斯醫生提出佐證,也算是讓這名被世人所忽視的醫生做出的偉大貢獻得以申冤。

-----廣告,請繼續往下閱讀-----

時至今日,勤洗手已然成為醫院的常規流程,也是日常生活中不可或缺的衛生保健之道。

正確洗手,病菌遠離我!

在看完塞麥爾維斯醫生的壯烈故事之後,生長在現代的我們是不是該感到慶幸呢?但是,你知道不正確的洗手方式(例如:只有用水沖一沖、肥皂迅速抹個,意思一下……)就相當於沒洗嗎?以下,讓我們一起來學習該怎麼正確洗手吧!

不可錯失的六大洗手時機

  1. 吃東西前:正所謂「病從口入」,手上的病菌若接觸到餐具或食物,就有很大的機會把病菌也一起吃進身體裡。
  2. 上完廁所後:大家都知道排泄物的骯髒程度,馬桶也總是充滿各種病菌,在上完廁所後,手上多少都會沾染到這些病菌。
  3. 打噴嚏或咳嗽後:打噴嚏或咳嗽時用手掌摀住口、鼻,或是用衛生紙擤鼻涕時,手常常或沾染病菌。(小叮嚀:打噴嚏或咳嗽時用手掌摀住口、鼻是錯誤的!應用胳膊摀住,才能避免手掌再去碰觸其他東西而傳染病菌 7
  4. 進出醫院時:為了保護院內病患及自身的健康,無論是進醫院看病或探望親友,或是離開醫院都務必洗手,避免將病菌帶進或帶出。
  5. 摸 Baby 時:嬰幼兒的免疫系統尚未成熟,所以病菌對他們來說是很大的危害, Baby 雖可愛,與他們接觸前要好好洗手才能減低對他們的傷害~
  6. 外出回家時:外面的世界都有肉眼看不見的病菌,因此回家時務必要先洗手,並換掉外出時的服裝。

超萌的柴柴也加入洗手陣營了~還不跟風?正確的洗手時機大家一起跟著做吧!圖\衛生福利部臉書粉絲專頁

以上 6 大時機,你都做到了嗎?確「時」洗手,才能保護你我喔!

-----廣告,請繼續往下閱讀-----

洗手七字訣,你背對了嗎?

除了大家熟知的「濕、搓、沖、捧、擦」五步驟,其中的「搓」學問可大了~還包含「內、外、夾、弓、大、立、腕」,這不是什麼武術招式,而是可以幫你把手手洗得一乾二淨的方法。讓我們來一一學習這幾個分解動作吧!

  • 內:手心互相搓洗
  • 外:仔細搓洗手背
  • 夾:雙手食指交合,指縫搓洗乾淨
  • 弓:一手弓起,放於另一手的手心上搓洗手指背
  • 大:搓洗大拇指及虎口
  • 立:仔細清洗指尖
  • 完:清水沖淨,並確實擦乾雙手

什麼?!你說光是文字說明很抽象?好的~圖片上~

學習正確的洗手招式,才能練就對抗病菌的好功夫喔! 圖\衛生福利部臉書粉絲專頁

  1. Ataman, A. D., et al. (2013). “Medicine in stamps-Ignaz Semmelweis and Puerperal Fever.” J Turk Ger Gynecol Assoc 14(1): 35-39.
  2. The Etiology, Concept, and Prophylaxis of Childbed Fever
  3. 洗手的歷史:這個19世紀醫生曾呼籲這個習慣而被毒打至死
  4. 被時代否定的天才,崩潰致死的醫學先驅 Semmelweis
  5. 你知道原來醫生手術前是不洗手的嗎?
  6. 不必搶口罩!遠離武漢肺炎正確洗手最簡單有效 6個時機要記牢
  7. Coughing & Sneezing
-----廣告,請繼續往下閱讀-----

0

0
0

文字

分享

0
0
0
塞默維斯忌日 │ 科學史上的今天:8/13
張瑞棋_96
・2015/08/13 ・1150字 ・閱讀時間約 2 分鐘 ・SR值 526 ・七年級

產褥熱,泛指孕婦分娩時因病菌感染而高燒不退,甚至死亡的疾病。

這個名詞到十八世紀才出現;此時歐美地區因為都市化造成人口集中而廣設醫院,孕婦開始至醫院生產後,才發現大量此類病例。十九世紀中期以前,孕婦在醫院生產後的死亡率高達兩成,但因當時仍不知有細菌,也無從預防或改善,於是都當成是分娩必冒的風險。直到塞默維斯醫生出現,才將無數媽媽自產褥熱的巨大威脅中解救出來。

出生於匈牙利的塞默維斯特地前往奧地利的維也納大學讀醫學,畢業後無法如願找到內科醫生的職位,才於 1846 年到維也納綜合醫院的產科第一分部擔任住院總醫師。他到任後不久就發現第一分部的孕婦死亡率很高,過去六年平均從 7%~16% 不等;若以單月來看,還有高達 30%的紀錄,相較之下,在家接生、甚至在街頭分娩還比較安全。但相對地,產科第二分部的孕婦死亡率卻只有 2%~7%,於是塞默維斯決定展開調查。

他比較了各種可能原因,包括空氣、擁擠程度、接生方法、…… 等等,甚至有無宗教信仰,但都沒發現兩個分部有何差異。就在塞默維斯百思不解之際,1847 年發生一件意外讓他靈光一閃。他的好友在解剖屍體時被學生的刀子劃傷,沒幾天即過世,解剖遺體發現與因產褥熱而死的婦女類似。塞默維斯想到兩個分部的唯一差異──來第一分部觀摩實習的是醫學院學生,而第二分部則只有助產士。

塞默維斯猜測是學生解剖完屍體後,直接過來第一分部接生,而把屍體的毒素帶給孕婦。於是他規定學生在檢查孕婦或實習接生之前,一定要用含氯的漂白水洗手,結果實施後的第二個月,孕婦的死亡率就降到 2% 左右,之後一直都在 2% 以下。

-----廣告,請繼續往下閱讀-----

塞默維斯實施洗手的成效得到醫學雜誌的報導,他的學生也投了幾篇稿子,他以為其他醫療機構自然會群起效尤,卻事與願違,畢竟高傲的醫生怎麼可能承認是自己的雙手害死病患。而他本人也因為被懷疑支持 1848 年興起的匈牙利革命運動,而在 1849 年 3 月被迫離職,只好返回匈牙利。

塞默維斯於 1851 年接任一家小醫院的主任後,再度實施洗手的規定,在五年 933 個孕婦中,只有 8 人死於產褥熱。眼見其他醫生仍視若無睹,塞默維斯終於在 1861 年出版產褥熱的論著,除了詳細列舉統計數據做為佐證,還炮火猛烈地批判多位大老。結果當然只是引來更多反擊與嘲笑。

塞默維斯變得越來越偏激,公開指責批評他的醫生是殺人兇手、不學無術;他自己也開始酗酒、召妓,常常行為失控。1865 年 7 月底,塞默維斯被送進精神病院,兩個禮拜後死於感染引起的敗血症,遺體解剖發現身體與內臟有多處傷害,肯定在院內遭到虐待毒打。

他的死訊與他的學說一樣沒有人在乎。要等到 1880 年代,細菌說被普遍接受後,洗手、消毒的政策才廣為醫院採用。

-----廣告,請繼續往下閱讀-----

 

本文同時收錄於《科學史上的今天:歷史的瞬間,改變世界的起點》,由究竟出版社出版。

-----廣告,請繼續往下閱讀-----
文章難易度
張瑞棋_96
423 篇文章 ・ 1028 位粉絲
1987年清華大學工業工程系畢業,1992年取得美國西北大學工業工程碩士。浮沉科技業近二十載後,退休賦閒在家,當了中年大叔才開始寫作,成為泛科學專欄作者。著有《科學史上的今天》一書;個人臉書粉絲頁《科學棋談》。