生物技術解開中醫的秘密

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

對於低估中醫的人而言，以不加思索的方式追逐中醫科學化當然不難。如同我在第九章解釋過的，由於西醫師最關心的就是防止這兩種醫學的交流互動，因此在中醫科學化的爭議中，他們只支持一種研究計畫，就是遵循「一二三四五」的程序而進行的國產藥物科學研究計畫。這個研究程序是中西醫之爭的一種政治策略，它建立在一種價值評估與風險的體制之上，又在實踐時重新強化了這種體制。

具體而言，就是認定中藥僅是自然界的原料，因此科學家應該把中藥視為可能造成性命威脅的「新」藥。藉著把常山乃至所有中藥貶低為只不過是自然原料，這種研究程序體現了華威．安德森（Warwick Anderson）所描述的「可能是殖民科學最具殖民色彩的特徵」：也就是「其歷史看起來彷彿純粹只是萃取和挪用，只是把先前毫無價值的物品納入科學體系裡，而抹去在地社會與政治的混亂影響。」（字體強調在原文即有）。

所幸，常山研究是一個能夠挑戰這種常識性研究程序的「異常案例」，證實常山抗瘧效果的過程不但將其中涉及的知識政治揭露無遺，更證明了任何以「萃取和挪用」方式進行的研究，都絕不是實現中醫潛在價值時，成本效益最高或最有效的研究取徑。

就連陸淵雷這位最激進的改革者，也對中醫科學化的破壞性後果感到疑慮。參與了自己所主張的整理中醫案所引發的激烈辯論之後，陸淵雷卻感到後悔，語重心長地指出：「今世科學程度，尚未能澈底瞭解自然界之對象。國醫固有方法，實驗有效而不得科學上理解者甚多。今之整理，欲醫藥利用科學，非以醫藥供科學之犧牲。」

令陸淵雷痛心的是，在科學化的名義之下，中醫付出了許多不必要的「犧牲」。是以改革派中醫師努力與中醫科學化方案折衝協商，希望能從這項中醫界正式支持的方案中，拯救出他們所珍惜的中醫。更重要的是，為了回應雙重背叛的指控，他們必須同時協商何謂「科學化」以及什麼是中醫的本真。

以科學與西醫補足傳統中醫限制？新中醫的誕生？

正因此，當中醫師被迫擁抱中醫科學化方案並投入推動時，他們致力於強調科學內部的不統一性以及異質性。他們拒絕將科學本質化為一個同質的實體，雖然那正是「科學化」一詞的預設。相反地，他們極力探索醫療科學內部的異質性，以便創造條件讓中醫與科學能夠進行有正面價值的跨種雜交。

現代醫療科學中，他們特別感興趣的領域包含神經系統、免疫學與抵抗力、淋巴系統，以及荷爾蒙，因為這些領域探討的現象都像「氣化」一樣無形而不可見。本書的一個重要發現，就是許多中醫師都不相信中醫之於科學與現代性，必然是水火不容、全然對立。深切體認到中醫的各種缺陷與限制，他們積極地由科學與西醫中選取若干元素納入中醫，以實現心中的宏大目標──創造新中醫。

這些中醫師不僅拒絕把科學本質化為一種同質的實體，也同時拒絕把中醫保存為一種永恆不變的、同質的傳統。相反地，他們致力於由中醫內部相互競爭的「學派」中找出有價值的次傳統，從而重組出一個現代的中醫。舉例而言，我在第四與第八章曾指出，他們利用經驗的概念而抬高宋朝之前那種比較「經驗性」的醫學傳統，相對地貶抑金元時期的醫學，更把《傷寒論》視為一部以經驗為導向、因此較為重要的經典，從而將其地位提升至《黃帝內經》之上。

許多中醫師都深切體認到，想要讓中醫延續長存，就一定要重新組合、甚至重新發明中醫的傳統。他們把中醫裡一些不合時宜的實作排除在外，但也把一些在近代歷史中遭到邊緣化的實作重新納入其中，例如針灸。如同在本書裡已數度闡述的，日本的學術研究為現代中醫的重組提供了關鍵性的資源與啟發。

細菌理論納入中醫歷史？發展有效療法重於理解疾病肇因？

選擇性地借用科學以及重組中醫，是兩項交引互動的歷史過程。最明白顯示這一點的，莫過於將細菌理論納入中醫的歷史。如同第八章詳述過的，中醫師雖然認識到細菌理論對於中醫的病因學構成了重大的挑戰，卻還是致力於將其納入中醫，為的就是改進中醫預防以及控制急性傳染病的能力。依據蘭安生的分析，急性傳染病是中國每年比美國多出六百萬死亡人口的根本原因。

另一方面，為了保存中醫的「治療價值」，他們援引現代免疫學及抵抗力理論，大力主張必須保存「證」的概念與名稱。為了達成雙重的目標──一方面讓中醫納入細菌理論的新知，另一方面又保存中醫有實效的治療與診斷技術──他們發展出「辨證論治」的雛形，而這個雛形在中共建政後被提升為「傳統中醫」（Traditional Chinese Medicine）的決定性特徵。

如同辨證論治這項公式所強調的，醫學理論的功能在於「介入世界」而不是「再現世界」──在於發展有效的療法，而不是理解疾病的肇因。由於辨證論治超越了再現主義的真實觀，因此它有效地拆解了將中醫與現代性視為水火不容的對立兩極的思想基礎。

「非驢非馬」醫的挑戰與貢獻

「雜種醫」的批判者斷言這種醫學難以持續成長，他們這麼說是有道理的。首先，創造價值的努力絕對沒有保證一定會成功。此外，中醫裡有價值的元素究竟為何？這個問題的答案不免會受到特定的社會政治情境所影響，因此也會隨著時代而持續改變。

即便如此，這些努力還是為中西醫的跨種雜交開啟了一扇大門，使中醫師不再認為自己是在同時追求本真性與科學化兩種邏輯上相互衝突的目標，而可以新的方式來思考中西醫交融的可能性，從欣賞、轉譯、犧牲，尤其最重要的是價值的角度（包含知識論的價值、臨床的價值，以及社會經濟的價值）。

透過協商現代性論述以及重組中醫的具體成果，改革派人士承擔了發展「非驢非馬」醫的歷史性挑戰。雖然他們通常都被視為食古不化的保守派，但這些懷抱改革意識的中醫師卻是積極的行動者，他們致力於實現中醫的現代性，從而探索中國自身的現代性。

——本文摘自《非驢非馬：中醫、西醫與現代中國的相互形塑》，2024 年 02 月，左岸文化出版，未經同意請勿轉載。

國產藥物科學研究

提倡中醫以防文化侵略？提倡中藥以防經濟侵略？

中藥最先引起公眾注意時，主要是由於經濟民族主義的訴求，與麻黃素的研究突破沒有什麼關係。如同第五章探討過的，當中醫支持者在一九二九年三月十七日集結起來展開國醫運動之時，會場的兩幅巨聯明白表述了他們的主要目標：「提倡中醫以防文化侵略！」以及「提倡中藥以防經濟侵略！」為了爭取盟友，中醫支持者同時訴諸文化民族主義與經濟民族主義。

透過把中藥描述為「國貨」，中醫支持者不只能夠爭取傳統藥業的從業者，也可以爭取到原本不關心醫學鬥爭的國貨運動支持者。興起於二十世紀初的國貨運動，敦促民眾拒絕洋貨而購買國貨，以此抵制帝國主義並表達民族情感。這個運動在一九二五年的五卅慘案之後愈趨激烈，並在一九二八年後獲得國民黨政府支持，無怪乎中醫支持者會在這個節骨眼上試圖和這項廣受支持的運動結盟。

於是，中醫師在報紙上的宣傳聚焦於廢止中醫此「國貨」的經濟後果。中醫師的宣傳文章指出，中醫一旦遭到廢止，西藥公司就會接手整個市場，從而大幅增加中國的貿易赤字。

西醫如何面對洋貨買辦的指責？中藥等於國藥嗎？

西醫師不太在乎文化民族主義者批評他們毀棄「國粹」，卻以非常認真的態度看待經濟民族主義的問題，非常介意於自己被指控為西醫的買辦。為了突顯自己對這兩種民族主義所抱持的不同立場，他們強調「中藥」與「國產藥物」的不同。在他們的觀點中，「中藥」這個詞語本身就大有問題。所謂的中藥其實是「草根樹皮」，是來自於自然界的原料，和中國文化或中醫理論完全無關。

他們雖然否認中藥與文化民族主義之間有任何關聯，卻承認有些中藥對於經濟民族主義的重要性。我在此之所以特別強調「有些」，因為就如有些中醫批評者所指出的，許多所謂的中藥根本不是源自於中國，而且有些中藥實際上也不再是中國生產的，而是從外國進口。

更糟的是，根據中國海關的一份報告，進口「中藥」──包括西洋蔘、日本蔘、犀牛角等等──所造成的花費，實際上比購買西藥的費用還多出一百萬美元以上。因此，中藥能否算是國貨其實大有問題。這樣一來，如果說西醫有推廣「洋貨」的罪責，那麼看起來中醫也不遑多讓。

將中國貨外銷全世界？麻黃素研究對經濟民族主義影響？

為了強調只有一部分中藥可以視為國貨，余巖於是創造了「國藥藥物」一詞。相較於只是高呼國貨運動的口號「中國人用中國貨」，西醫師宣稱他們能做得更多，可以把國產藥物賣到世界各地──只要他們能成功地利用這些國產藥物製造出現代藥品。在西醫的想像中，如果這項科學計畫能夠成功，許多人或許就會轉而支持西醫，像是中藥業的工人、國貨運動的擁護者，乃至文化民族主義者。

非常幸運地，麻黃素的科學研究所獲得的成功，即時地支持了他們想像中最理想的劇情。根據陳克恢所言，當他們證明麻黃素可以用於治療氣喘病之後，麻黃就立刻變成全球市場上的搶手貨。陳克恢在論文裡列出一幅表，顯示出口到美國的麻黃數量的驚人成長，甚至還附上一張照片，畫面裡是個開心的中國工人，手上拿著一把鏟子，站在一堆麻黃上方。

陳克恢在下方以文字說明：「許多人找到了年度採收麻黃的新營生。這種生藥從中國大量運往世界各地，以供製造麻黃素。」由於麻黃素的案例具體證明了國產藥物能夠對經濟民族主義的政治目標有所貢獻，是以變成國產藥物科學研究的原型。

——本文摘自《非驢非馬：中醫、西醫與現代中國的相互形塑》，2024 年 02 月，左岸文化出版，未經同意請勿轉載。

傳統中醫通常被中國以外的醫學專業人士所懷疑。如今，中國和美國的科學家，已經憑藉生物技術的幫助，來證明其所使用的藥物具有合法科學基礎的價值，並凸顯這是尚未被利用的療法來源。

「回溯過去兩千年來看，現在大約計有 10 萬種藥方，而這些藥物可用於治療抑鬱症、骨質疏鬆症等許多疾病。」香港科技大學的 Karl Wah-Keung Tsim 在《世界衛生組織公報》的一篇文章中表示。

傳統藥物占了中國藥物市場大約 40%，年營業額 210 億美元。中國衛生部副部長王國強說，中國政府對這個產業的支持正在迅速增加：去年便向傳統醫藥研究計畫投入大約 10 億美元——幾乎是 2010 年時所提供資金的 3 倍。

但是中國古代文獻和傳統文化中的藥物或技術，則幾乎未被納入國外的主流醫學實踐之中，國外對中醫仍然抱持著懷疑的態度，正是因為中醫缺乏證據支持其醫學價值及其產品的品質。

例如，2011 年 5 月，歐盟禁止了未經<歐盟傳統草藥註冊規定>（EU Traditional Herbal Medicines Registration Scheme）註冊的傳統中國草藥療法，引起爭議。

如今，中國科學家在美國國立衛生研究院的支持下，正在尋求改變這樣的情況。他們使用當代技術來改進藥物品質標準，並讓國際學術界相信傳統中藥有著堅實的證據基礎。

研究人員一直在嘗試分析傳統藥物的活性成分——這是一個具有挑戰性的任務，因為許多草藥化合物的分子結構相當複雜。

香港生物技術研究所生命科學部門負責人 Yung H Wong 表示，生物技術是解開這種複雜性的關鍵。

Wong 和他的團隊使用高通量篩選平台（high-throughput screening platforms），評估大量藥物萃取物和化合物的各種分子活性及屬性。

但是，美國耶魯大學腫瘤學研究人員 Yung-Chi Cheng 說，是草藥化合物不同成分之間相互作用的複雜性，而非它們的個別屬性，才讓這些化合物如此有效。

「把焦點放在單一成分，我們就會忽視全局，」Chen 表示。分開來看，這些藥物的機制「並不那麼強大」，但是「聯合起來運作就會很不一樣了」。

Chen 並不懷疑中藥的價值。他說：「傳統中藥是人類的財富，應該與全世界共享。」

連結至《世界衛生組織公報》的文章全文

本文原發表於 SciDev [2012-08-07]