14

26
2

文字

分享

14
26
2

面對似是而非的醫療資訊,我們究竟該如何查證?|【科科齊打交】

stage_96
・2021/02/14 ・2147字 ・閱讀時間約 4 分鐘 ・SR值 520 ・七年級

S編按:【科科齊打交】是我們網站改版過後,希望可以與大家一起進行的全新對話形式。

泛科學編輯部會盡力蒐集資料,提供可以協助討論的科學內容,非常期待能夠塑造一個開放與理性討論的空間。

現在,我們想邀請你,在閱讀完相關內容後,在此文底下留言,與我們分享你的想法!告訴我們:你認為,面對似是而非的醫療資訊,我們究竟該如何查證?

May the knowledge be with us.

肝膽排石法大戰?蒼藍鴿與愛莉莎莎的論點

2020 年 11 月 27 日,愛莉莎莎 Alisasa 上傳了一支影片,以親身經歷搭配書籍介紹了一種「印度古代流傳自然療法」──肝膽排石法,分享自己通過食用瀉鹽(硫酸鎂)、橄欖油與葡萄柚汁,進而排出體內結石的經歷。

今 (2021) 年年初,台大醫院兒科醫師吳其穎(蒼藍鴿)發布影片駁斥前述影片充滿不實資訊,直言橄欖油中的三酸甘油酯與葡萄柚汁中的鉀離子,會通過皂化反應形成皂化石,並非膽結石。

圖/截自蒼藍鴿 YouTube

2 月 12 日,愛莉莎莎上傳了新的影片,片中嘗試回應蒼藍鴿的說法,說明自己「並不是沒有做功課」,且參考資料《神奇的肝膽排石法》獲得多名權威人士推薦,應為可信內容。影片一出,引發不少討論。

圖/截自愛莉莎莎 YouTube

這樣的查證過程,有哪些值得討論之處?

Google 搜尋到資料後,就算完成了查證的工作了嗎?

在回應蒼藍鴿的影片中,愛莉莎莎反覆強調自己有做功課、看了很多資料。然而,無論是 Google 而來的資料,或是已經出版的書籍,都可能存在錯誤,如果未經判讀,僅因搜尋了資料便認為瞭解了所有知識,可能接觸到錯假訊息而不自知。

-----廣告,請繼續往下閱讀-----

只要是專家,說的都可信?

影片中,愛莉莎莎一一列舉出推薦《神奇的肝膽排石法》的各方大大與醫生,認為有專家背書,足以證實其真實度。

然而,專家誤導大眾的事情,在歷史上也曾發生過,像是諾貝爾獎得主鮑林 (Linus Pauling) 便曾大力推薦維生素 C 的好處,然而,高劑量的維生素 C 不但沒有益處,還可能造成脹氣及腹瀉等等副作用。

由此可見,即便是所謂「權威」,也可能由於某方面的知識不足,自身既有偏見,甚至是利益,而誤導他人。盡信專家、不信專家之外,我們更應該去理解並判斷專家所言背後的脈絡。

我的經驗,就能代表一切?

愛莉莎莎最初的影片中,分享了自己的經歷,認為排石過後,對不好的東西都非常敏感。同時,也不斷引用書中的內容,「證明」肝膽排石法是有用的。

-----廣告,請繼續往下閱讀-----
圖/截自愛莉莎莎 YouTube

然而,若是將自身經驗當作真理,其實容易陷入確認偏誤 (confirmation bias) 的泥淖之中,不斷蒐集有利自己想法的訊息、忽略不利的內容,這樣帶著偏見去解讀訊息,就會產生「我想的都是對的,你看別人也都這麼說」的輪迴之中。

那麼,我們要如何知道資訊是否「科學」呢?

哲學家卡爾·波普爾 (Karl Raimund Popper) 認為,科學的假說需要具備「可證偽性」 (falsifiability)。如果 A 假說擁有可證偽性,並不表示 A 假說是錯的,而是表示,我們有辦法去反駁 A 假說。

反智》一書中,便曾舉出以下例子:

「星期二紐約將會下雨」就是可證偽性的;因為當天紐約如果沒下雨,該揣測就可以被駁倒。一個靈媒聲稱無形的鬼魂對自己耳語,則不是可證偽性的,即便這樣的聲明很可能是假的。

-----廣告,請繼續往下閱讀-----

在面對各式各樣的「健康資訊」或「科學新聞」時,我們也不妨參考此文整理的步驟,一一拆解文章:

  1. 此研究做在「誰」身上?
  2. 支持此研究的人或單位?
  3. 此研究的「受試人數」有多少?
  4. 有無隨機分派、雙盲控制、對照組?
  5. 顯著程度如何?有沒有說明 P 值大小?
  6. 同樣主題下,其他研究的結果如何?
  7. 受試者的人數多寡?

各位科夥伴們,在日常面對各式各樣的醫療資訊時,是如何辨別真偽的呢?如果身邊的人向你提倡所謂「新式療法」,你又會如何回應?

本次的延伸閱讀為 y編私房推薦書單:

文章難易度
所有討論 14
stage_96
26 篇文章 ・ 50 位粉絲
此為「科科齊打交」系列討論專用帳號!希望能藉由大家的討論,一起打造屬於我們的魔幻舞台! PanSci編輯部將會盡力蒐集資料,提供可以協助討論的科學內容。 想邀請科夥伴們在閱讀完相關內容後,藉由留言的方式,與我們分享你的想法! 「霹靂卡霹靂拉拉波波麗娜貝貝魯多。」

0

3
3

文字

分享

0
3
3
圖形處理單元與人工智慧
賴昭正_96
・2024/06/24 ・6944字 ・閱讀時間約 14 分鐘

-----廣告,請繼續往下閱讀-----

  • 作者/賴昭正|前清大化學系教授、系主任、所長;合創科學月刊

我擔心人工智慧可能會完全取代人類。如果人們能設計電腦病毒,那麼就會有人設計出能夠自我改進和複製的人工智慧。 這將是一種超越人類的新生命形式。

——史蒂芬.霍金(Stephen Hawking) 英國理論物理學家

大約在八十年前,當第一台數位計算機出現時,一些電腦科學家便一直致力於讓機器具有像人類一樣的智慧;但七十年後,還是沒有機器能夠可靠地提供人類程度的語言或影像辨識功能。誰又想到「人工智慧」(Artificial Intelligent,簡稱 AI)的能力最近十年突然起飛,在許多(所有?)領域的測試中擊敗了人類,正在改變各個領域——包括假新聞的製造與散佈——的生態。

圖形處理單元(graphic process unit,簡稱 GPU)是這場「人工智慧」革命中的最大助手。它的興起使得九年前還是個小公司的 Nvidia(英偉達)股票從每股不到 $5,上升到今天(5 月 24 日)每股超過 $1000(註一)的全世界第三大公司,其創辦人(之一)兼首席執行官、出生於台南的黃仁勳(Jenson Huang)也一躍成為全世界排名 20 內的大富豪、台灣家喻戶曉的名人!可是多少人了解圖形處理單元是什麼嗎?到底是時勢造英雄,還是英雄造時勢?

黃仁勳出席2016年台北國際電腦展
Nvidia 的崛起究竟是時勢造英雄,還是英雄造時勢?圖/wikimedia

在回答這問題之前,筆者得先聲明筆者不是學電腦的,因此在這裡所能談的只是與電腦設計細節無關的基本原理。筆者認為將原理轉成實用工具是專家的事,不是我們外行人需要了解的;但作為一位現在的知識分子或公民,了解基本原理則是必備的條件:例如了解「能量不滅定律」就可以不用仔細分析,即可判斷永動機是騙人的;又如現在可攜帶型冷氣機充斥市面上,它們不用往室外排廢熱氣,就可以提供屋內冷氣,讀者買嗎?

CPU 與 GPU

不管是大型電腦或個人電腦都需具有「中央處理單元」(central process unit,簡稱 CPU)。CPU 是電腦的「腦」,其電子電路負責處理所有軟體正確運作所需的所有任務,如算術、邏輯、控制、輸入和輸出操作等等。雖然早期的設計即可以讓一個指令同時做兩、三件不同的工作;但為了簡單化,我們在這裡所談的工作將只是執行算術和邏輯運算的工作(arithmetic and logic unit,簡稱 ALU),如將兩個數加在一起。在這一簡化的定義下,CPU 在任何一個時刻均只能執行一件工作而已。

-----廣告,請繼續往下閱讀-----

在個人電腦剛出現只能用於一般事物的處理時,CPU 均能非常勝任地完成任務。但電腦圖形和動畫的出現帶來了第一批運算密集型工作負載後,CPU 開始顯示心有餘而力不足:例如電玩動畫需要應用程式處理數以萬計的像素(pixel),每個像素都有自己的顏色、光強度、和運動等, 使得 CPU 根本沒辦法在短時間內完成這些工作。於是出現了主機板上之「顯示插卡」來支援補助 CPU。

1999 年,英偉達將其一「具有集成變換、照明、三角形設定/裁剪、和透過應用程式從模型產生二維或三維影像的單晶片處理器」(註二)定位為「世界上第一款 GPU」,「GPU」這一名詞於焉誕生。不像 CPU,GPU 可以在同一個時刻執行許多算術和邏輯運算的工作,快速地完成圖形和動畫的變化。

依序計算和平行計算

一部電腦 CPU 如何計算 7×5+6/3 呢?因每一時刻只能做一件事,所以其步驟為:

  • 計算 7×5;
  • 計算 6/3;
  • 將結果相加。

總共需要 3 個運算時間。但如果我們有兩個 CPU 呢?很多工作便可以同時(平行)進行:

-----廣告,請繼續往下閱讀-----
  • 同時計算 7×5 及 6/3;
  • 將結果相加。

只需要 2 個運算時間,比單獨的 CPU 減少了一個。這看起來好像沒節省多少時間,但如果我們有 16 對 a×b 要相加呢?單獨的 CPU 需要 31 個運算的時間(16 個 × 的運算時間及 15 個 + 的運算時間),而有 16 個小 CPU 的 GPU 則只需要 5 個運算的時間(1 個 × 的運算時間及 4 個 + 的運算時間)!

現在就讓我們來看看為什麼稱 GPU 為「圖形」處理單元。圖一左圖《我愛科學》一書擺斜了,如何將它擺正成右圖呢? 一句話:「將整個圖逆時針方向旋轉 θ 即可」。但因為左圖是由上百萬個像素點(座標 x, y)組成的,所以這句簡單的話可讓 CPU 忙得不亦樂乎了:每一點的座標都必須做如下的轉換

x’ = x cosθ + y sinθ

y’ = -x sinθ+ y cosθ

-----廣告,請繼續往下閱讀-----

即每一點均需要做四個 × 及兩個 + 的運算!如果每一運算需要 10-6 秒,那麼讓《我愛科學》一書做個簡單的角度旋轉,便需要 6 秒,這豈是電動玩具畫面變化所能接受的?

圖形處理的例子

人類的許多發明都是基於需要的關係,因此電腦硬件設計家便開始思考:這些點轉換都是獨立的,為什麼我們不讓它們同時進行(平行運算,parallel processing)呢?於是專門用來處理「圖形」的處理單元出現了——就是我們現在所知的 GPU。如果一個 GPU 可以同時處理 106 運算,那上圖的轉換只需 10-6 秒鐘!

GPU 的興起

GPU 可分成兩種:

  • 整合式圖形「卡」(integrated graphics)是內建於 CPU 中的 GPU,所以不是插卡,它與 CPU 共享系統記憶體,沒有單獨的記憶體組來儲存圖形/視訊,主要用於大部分的個人電腦及筆記型電腦上;早期英特爾(Intel)因為不讓插卡 GPU 侵蝕主機的地盤,在這方面的研發佔領先的地位,約佔 68% 的市場。
  • 獨立顯示卡(discrete graphics)有不與 CPU 共享的自己專用內存;由於與處理器晶片分離,它會消耗更多電量並產生大量熱量;然而,也正是因為有自己的記憶體來源和電源,它可以比整合式顯示卡提供更高的效能。

2007 年,英偉達發布了可以在獨立 GPU 上進行平行處理的軟體層後,科學家發現獨立 GPU 不但能夠快速處理圖形變化,在需要大量計算才能實現特定結果的任務上也非常有效,因此開啟了為計算密集型的實用題目編寫 GPU 程式的領域。如今獨立 GPU 的應用範圍已遠遠超出當初圖形處理,不但擴大到醫學影像和地震成像等之複雜圖像和影片編輯及視覺化,也應用於駕駛、導航、天氣預報、大資料庫分析、機器學習、人工智慧、加密貨幣挖礦、及分子動力學模擬(註三)等其它領域。獨立 GPU 已成為人工智慧生態系統中不可或缺的一部分,正在改變我們的生活方式及許多行業的遊戲規則。英特爾在這方面發展較遲,遠遠落在英偉達(80%)及超微半導體公司(Advance Micro Devices Inc.,19%,註四)之後,大約只有 1% 的市場。

-----廣告,請繼續往下閱讀-----
典型的CPU與GPU架構

事實上現在的中央處理單元也不再是真正的「單元」,而是如圖二可含有多個可以同時處理運算的核心(core)單元。GPU 犧牲大量快取和控制單元以獲得更多的處理核心,因此其核心功能不如 CPU 核心強大,但它們能同時高速執行大量相同的指令,在平行運算中發揮強大作用。現在電腦通常具有 2 到 64 個核心;GPU 則具有上千、甚至上萬的核心。

結論

我們一看到《我愛科學》這本書,不需要一點一點地從左上到右下慢慢掃描,即可瞬間知道它上面有書名、出版社等,也知道它擺斜了。這種「平行運作」的能力不僅限於視覺,它也延伸到其它感官和認知功能。例如筆者在清華大學授課時常犯的一個毛病是:嘴巴在講,腦筋思考已經不知往前跑了多少公里,常常為了追趕而越講越快,將不少學生拋到腦後!這不表示筆者聰明,因為研究人員發現我們的大腦具有同時處理和解釋大量感官輸入的能力。

人工智慧是一種讓電腦或機器能夠模擬人類智慧和解決問題能力的科技,因此必須如人腦一樣能同時並行地處理許多資料。學過矩陣(matrix)的讀者應該知道,如果用矩陣和向量(vector)表達,上面所談到之座標轉換將是非常簡潔的(註五)。而矩陣和向量計算正是機器學習(machine learning)演算法的基礎!也正是獨立圖形處理單元最強大的功能所在!因此我們可以了解為什麼 GPU 會成為人工智慧開發的基石:它們的架構就是充分利用並行處理,來快速執行多個操作,進行訓練電腦或機器以人腦之思考與學習的方式處理資料——稱為「深度學習」(deep learning)。

黃仁勳在 5 月 22 日的發布業績新聞上謂:「下一次工業革命已經開始了:企業界和各國正與英偉達合作,將價值數萬億美元的傳統資料中心轉變為加速運算及新型資料中心——人工智慧工廠——以生產新商品『人工智慧』。人工智慧將為每個產業帶來顯著的生產力提升,幫助企業降低成本和提高能源效率,同時擴大收入機會。」

附錄

人工智慧的實用例子:下面一段是微軟的「copilot」代書、谷歌的「translate」代譯之「one paragraph summary of GPU and AI」。讀完後,讀者是不是認為筆者該退休了?

-----廣告,請繼續往下閱讀-----

GPU(圖形處理單元)和 AI(人工智慧)之間的協同作用徹底改變了高效能運算領域。GPU 具有平行處理能力,特別適合人工智慧和機器學習所需的複雜資料密集運算。這導致了影像和視訊處理等領域的重大進步,使自動駕駛和臉部辨識等技術變得更加高效和可靠。NVIDIA 開發的平行運算平台 CUDA 進一步提高了 GPU 的效率,使開發人員能夠透過將人工智慧問題分解為更小的、可管理的、可同時處理的任務來解決這些問題。這不僅加快了人工智慧研究的步伐,而且使其更具成本效益,因為 GPU 可以在很短的時間內執行與多個 CPU 相同的任務。隨著人工智慧的不斷發展,GPU 的角色可能會變得更加不可或缺,推動各產業的創新和新的可能性。大腦透過神經元網路實現這一目標,這些神經元網路可以獨立但有凝聚力地工作,使我們能夠執行複雜的任務,例如駕駛、導航、觀察交通信號、聽音樂並同時規劃我們的路線。此外,研究表明,與非人類動物相比,人類大腦具有更多平行通路,這表明我們的神經處理具有更高的複雜性。這個複雜的系統證明了我們認知功能的卓越適應性和效率。我們可以一邊和朋友聊天一邊走在街上,一邊聽音樂一邊做飯,或一邊聽講座一邊做筆記。人工智慧是模擬人類腦神經網路的科技,因此必須能同時並行地來處理許多資料。研究人員發現了人腦通訊網路具有一個在獼猴或小鼠中未觀察獨特特徵:透過多個並行路徑傳輸訊息,因此具有令人難以置信的多任務處理能力。

註解

(註一)當讀者看到此篇文章時,其股票已一股換十股,現在每一股約在 $100 左右。

(註二)組裝或升級過個人電腦的讀者或許還記得「英偉達精視 256」(GeForce 256)插卡吧?

(註三)筆者於 1984 年離開清華大學到 IBM 時,就是參加了被認為全世界使用電腦時間最多的量子化學家、IBM「院士(fellow)」Enrico Clementi 的團隊:因為當時英偉達還未有可以在 GPU 上進行平行處理的軟體層,我們只能自己寫軟體將 8 台中型電腦(非 IBM 品牌!)與一大型電腦連接來做平行運算,進行分子動力學模擬等的科學研究。如果晚生 30 年或許就不會那麼辛苦了?

-----廣告,請繼續往下閱讀-----

(註四)補助個人電腦用的 GPU 品牌到 2000 年時只剩下兩大主導廠商:英偉達及 ATI(Array Technology Inc.)。後者是出生於香港之四位中國人於 1985 年在加拿大安大略省成立,2006 年被超微半導體公司收購,品牌於 2010 年被淘汰。超微半導體公司於 2014 年 10 月提升台南出生之蘇姿豐(Lisa Tzwu-Fang Su)博士為執行長後,股票從每股 $4 左右,上升到今天每股超過 $160,其市值已經是英特爾的兩倍,完全擺脫了在後者陰影下求生存的小眾玩家角色,正在挑戰英偉達的 GPU 市場。順便一題:超微半導體公司現任總裁(兼 AI 策略負責人)為出生於台北的彭明博(Victor Peng);與黃仁勳及蘇姿豐一樣,也是小時候就隨父母親移居到美國。

(註五)

延伸閱讀

  • 熱力學與能源利用」,《科學月刊》,1982 年 3 月號;收集於《我愛科學》(華騰文化有限公司,2017 年 12 月出版),轉載於「嘉義市政府全球資訊網」。
  • 網路安全技術與比特幣」,《科學月刊》,2020 年 11 月號;轉載於「善科教育基金會」的《科技大補帖》專欄。
文章難易度

討論功能關閉中。

賴昭正_96
43 篇文章 ・ 56 位粉絲
成功大學化學工程系學士,芝加哥大學化學物理博士。在芝大時與一群留學生合創「科學月刊」。一直想回國貢獻所學,因此畢業後不久即回清大化學系任教。自認平易近人,但教學嚴謹,因此穫有「賴大刀」之惡名!於1982年時當選爲 清大化學系新一代的年青首任系主任兼所長;但壯志難酬,兩年後即辭職到美留浪。晚期曾回台蓋工廠及創業,均應「水土不服」而鎩羽而歸。正式退休後,除了開始又爲科學月刊寫文章外,全職帶小孫女(半歲起);現已成七歲之小孫女的BFF(2015)。首先接觸到泛科學是因爲科學月刊將我的一篇文章「愛因斯坦的最大的錯誤一宇宙論常數」推薦到泛科學重登。

0

1
0

文字

分享

0
1
0
今天的星座運勢是……不宜相信占星術?——《數盲、詐騙與偽科學》
大牌出版.出版大牌_96
・2024/01/07 ・2000字 ・閱讀時間約 4 分鐘

-----廣告,請繼續往下閱讀-----

占星術的背後

占星術是極普遍的偽科學,書店架上塞滿了談占星的書,而且幾乎每一份報紙都會發布每日星座運勢。蓋洛普(Gallup)1986 年發布的一項調查報告指出,52% 的美國青少年相信星座,而各行各業中,認同占星學中某些亙古流傳說法的人,也多到讓人難過。我說讓人難過,是因為如果那些人相信占星師和占星術,當你進一步思考他們還可能相信哪些人事物,會讓人不寒而慄。一旦那些人手握大權(比方說雷根總統)、卻根據這類信念行事,特別可怕。

占星術主張,人出生那一刻的各星球牽引力,會影響一個人的個性。但這個論點很難讓人接受,理由有二:(一)占星學完全沒有提到這種牽引(或是其他)力道,到底要透過哪一種生理或神經生理機制運作,更別說解釋了;(二)負責接生的產科醫師施加的牽引力,遠高於各個星球。請記住,一件物體對於身體(比方說,新生兒)施加的牽引力,和物體的質量成正比,但和物體與身體的距離平方成反比。這是否代表比較胖的產科醫師接生的寶寶,會有一組人格特質;比較瘦的產科醫師接生的寶寶,會有另一種不同的人格特質?

占星理論中有很多缺陷,但數盲視而不見。他們不太關心運作的機制,也不太想去比較數值大小。話說回來,即使沒有清晰明瞭的理論基礎,但如果占星術有用、有實務證據撐腰,還是應該獲得尊重。只可惜,一個人的出生日期,與標準人格測驗的得分之間,沒有任何相關性。

圖/envato

一直以來,都有人找占星師做相關的實驗(最近是加州大學的蕭恩.卡爾森﹝Shawn Carlson﹞)。研究人員會給占星師看三個匿名的人格特質側寫,其中一個是當事人的。當事人提供所有占星要用到的數據(透過問卷,而非面對面),占星師必須從人格特質側寫中挑出哪一份是當事人。實驗中總共有 116 位當事人,而負責檢驗的是歐洲與美國 30 位最頂尖(由同業判定)的占星師。實驗結果如下:占星師約有三分之一的機率,可以挑出正確的當事人人格特質側寫,也就是說,和隨機猜測沒什麼區別。

-----廣告,請繼續往下閱讀-----

凱斯西儲大學(Case Western Reserve Univer sity)物理學家約翰.馬蓋文(John McGervey)檢視《美國科學名人錄》(American Men of Science)上,超過 1 萬 6,000 位科學家,以及《美國政治名人錄》(Who’s Who in American Politics)上,超過 6,000 位政治人物的出生日期,發現他們的星座是隨機且均勻分布在十二個月中。密西根州立大學(Mi chi gan State University)的伯納德.西弗曼(Bernard Silver-man)取得密西根州 3,000 對夫婦的紀錄,發現他們的星座和占星師預測相配的星座之間,沒有相關性。

那麼,為何這麼多人相信占星之說?一個明顯的理由是:在通常語焉不詳的占星預言中,人們會去讀他們想讀到的一切,然後為預言添加根本不存在的真實性。他們也比較可能記得有成真的「預言」,過度看重巧合,忽略其他。其他理由還包括,占星術的歷史悠久(當然,人祭﹝ritual murder﹞和獻祭也同樣古老)。或是因為,它原理很簡單、但操作起來有一定的複雜度,會讓人感到安心。或者是,堅稱這個月能不能墜入愛河和天上的浩瀚星海有關,很能寬慰人心。

圖/envato

我猜,此外還有最後一個理由,那就是在一對一諮詢期間,占星師會從臉部表情、儀態、肢體語言等等,尋找和人格特質有關的線索。我們來看看知名的案例:聰明的漢斯(Clever Hans)。漢斯看來是一匹會算數的馬,牠的訓練師會擲骰子,問牠骰子上面的點數是多少。而漢斯會用馬蹄踏出正確答案,然後停住,旁觀者都大為驚異。但人們看不出來的是,訓練師原先都站定不動,等到馬兒敲到正確的次數,會有意無意地動了一下,就是這樣的反應讓漢斯停了下來。所以,不是這匹馬知道答案,牠只是反映了訓練師知道答案。人常無意間在占星師面前扮演訓練師的角色,占星師就像漢斯一樣,反映出客戶的需求。

美國天文學家卡爾.薩根(Carl Sagan)就說過,要破解占星術以及更廣義的偽科學,最好的辦法就是真正的科學。真正科學的奇妙之處也同樣神奇,不過多了一項優點:這些奇妙之處很可能是真有其事。說到底,偽科學之所以成為偽科學,並不是因為得出的結論稀奇古怪。畢竟,運氣好猜中、機緣巧合、奇特的假說,甚至是一開始的誤信,都在科學上扮演過一定角色。偽科學失當,是因為其結論經不起檢驗,以及無法和其他經過檢驗的主張之間,建立起一致的關係。我很難想像,像演員莎莉.麥克琳(Shirley MacLaine,按:麥克琳是推動新時代運動的先驅)這些人會因為證據不足、或有更好的替代解釋,就去否定通靈等超自然現象。

-----廣告,請繼續往下閱讀-----

——本書摘自《數盲、詐騙與偽科學》,2023 年 11 月,大牌出版,未經同意請勿轉載。

討論功能關閉中。

大牌出版.出版大牌_96
3 篇文章 ・ 0 位粉絲
閱讀的大牌不侷限於單一領域, 視野寬廣,知識豐富,思考獨立。

1

5
2

文字

分享

1
5
2
血型不止四種!紅遍全球的「血型性格學說」,為什麼讓科學家皺眉不已?——《了不起的人體:如此精妙,如此有趣,說不定還能救你一命》
如何出版
・2022/07/26 ・2880字 ・閱讀時間約 6 分鐘

填寫血型,是為了避免被輸錯血嗎?

很不可思議的,日常生活中很多地方都會被要求填寫血型。

馬拉松的報名表和號碼牌、幼兒園或學校的文件、貼身的避難包等,都有血型註記欄位。

日常生活中很多地方都會被要求填寫血型。圖/Pixabay

但是在不少國家,如果要求市民也填寫同樣的資料,這就困難了。因為很多人根本不知道自己的血型,問了反而徒增困擾。

究竟我們填寫的血型資訊有什麼用?或許你會想,莫非是受傷需要輸血時可以派上用場?但這其實是誤會。

-----廣告,請繼續往下閱讀-----

即便患者提前告知,輸血前仍會確認患者的血型

輸血前一定會進行血液檢查確認血型。每家醫院所需時間不同,但一般來說,血型檢查結果只需要數十分鐘就能出來。還有在輸血前,一定會進行將患者血液與一部分血液製劑混合,觀察是否出現有害反應的「交叉配合試驗」。

這些不會因為病患本人主張「我是 A 型」就省略。即使以前在同一家醫院接受過血液檢查,確切知道血型的狀況下,也一定要做交叉配合試驗(除了術前檢查等例外)。

為什麼呢?理由很單純。如果誤用了不同血型的血液,會引起危及性命的「溶血反應」,這麼重大的資訊,不能光靠患者自我表述。

在輸血前一定會進行將患者血液與一部分血液製劑混合,觀察是否出現有害反應的「交叉配合試驗」。圖/Pixabay

另外,很多人是以出生時受檢的結果當作自己的血型,但新生兒的血液檢查不一定正確。有些人以為自己是 A 型,第一次手術時接受檢查才知道是 B 型,不能依賴自我表述的血型也有這個層面的考量。

什麼都不知道的緊急狀況下,到底該怎麼辦?

那麼,如果遇到不知道血型的患者大出血,也來不及做血型檢查的緊急狀況,該如何處置?這個時候就只能相信本人的自我表述嗎?

-----廣告,請繼續往下閱讀-----

當然不能。這個時候就只能用 O 型血了,因為不管對方是什麼血型,應該都不會引起嚴重的反應。即使是緊急狀況,也不可能只利用自我表述的血型情報。

近年來因為有這樣的案例,所以出生時很多醫療機構不會驗血型。正在閱讀此書的你,或許不知道自己小孩的血型,完全不用擔心,需要的時候再去檢查即可。

順道一提,我也不知道自己小孩的血型。

緊急情況時,為什麼 O 型血能輸給所有人?

在 1900 年,奧地利人蘭德斯坦納發現「血液有不同類型」前,錯誤輸血的事故頻傳。

-----廣告,請繼續往下閱讀-----

蘭德斯坦納注意到人的血清和他人的紅血球混合後,有的會凝結破裂,有的不會。在經過確認很多樣本配對的反應後,歸納出人有 A、B、C 三種血液類型的結論。之後的研究又發現了第四種 AB 型,C 型被改稱為 O 型。

人有 A、B、O、AB 型四種血液類型。圖/Pixabay

所謂的血型,就是指紅血球表面的抗原種類。你可以想像細胞表面有很多棘刺狀物,輸血的時候最重要的「棘刺」有 ABO 和 Rh 二種系統。

A 型紅血球有 A 抗原,B 型紅血球有 B 抗原,AB 型則同時有 A 抗原和 B 抗原,O 型的沒有抗原;另一方面,A 型血清有抗 B 抗體、B 型血清有抗 A 抗體、O 型血清兩種抗體都有,AB 型則是兩種都沒有。

看起來非常複雜,但結論很簡單,我們只會有對自己的抗原不反應的抗體。

-----廣告,請繼續往下閱讀-----

抗體和抗原就像鑰匙和鎖孔,如果 A 抗原對抗 A 抗體、B 抗原對抗 B 抗體就會產生凝集反應,紅血球就會被破壞。

抗體和抗原就像鑰匙和鎖孔,例如把 A 抗原對抗 A 抗體,紅血球就會被破壞。圖/Pexels

因此如果把 B 型的紅血球輸給 A 型患者、把 A 型紅血球輸給 B 型患者,紅血球抗原和抗體會相互結合,凝結破裂。

另一方面,O 型的紅血球不管對方是誰都不會凝結,是因為 O 型紅血球沒有 A 抗原也沒有 B 抗原。不管是稱為 C 或 O,都是代表「沒有」抗原,也就是「零」的意思。

此一發現在安全輸血普及上扮演極重要的角色。1930 年,蘭德斯坦納以此成就獲得諾貝爾醫學生理學獎。

-----廣告,請繼續往下閱讀-----

血型不只有 ABO,Rh 也有超過 40 種抗原

如同 ABO 有 A 和 B 二種抗原,Rh 也有 C、c、D、E、e 等超過四十種抗原。其中有 D 抗原的統稱為 Rh 陽性、沒有的稱為 Rh 陰性。錯誤輸血會引起強烈反應的,是 D 抗原。

發現 Rh 的還是蘭德斯坦納,是在發現 ABO 後四十年的 1940 年。

Rh 是取恆河猴(Rhesus monkey,德語為 Rhesusaffe)頭兩個字母。因為 Rh 是恆河猴共通的抗原。順道一提,日本人罕有 Rh 陰性者,大約只有 0.5%,台灣人為 0.3%,但白人則有 15%。

血型還有很多其他分類。MNS 血型、P 血型、Lewis 血型、Kell 血型、Diego 血型等不勝枚舉。如果是罕見血型,即使 ABO 和 Rh 一致,也有可能發生錯誤輸血。

-----廣告,請繼續往下閱讀-----

明明知道自己的血型沒什麼用,為什麼大家都很在意?

「血型」本來是沒有必要知道的醫學資料,但為什麼很多人都會記得呢?而且不只是自己的血型,有的人連家人、朋友、同事、上司的血型都一清二楚,實在是很驚人。

理由恐怕是很多人都認同血液性格學說。當然,血液和個性之間的關聯毫無科學根據,只要想到血型的機制,就會知道紅血球表面抗原跟個性有關的說法有多無稽。

當然,也不能受到「你是 O 型所以會有〇〇個性」的暗示,因而影響到人格形成。如果真的是這樣,那對本人是有害的。

不管如何,還是有很多人期待用血型將人歸類。現在電視或雜誌上「O型的人一板一眼」「A 型和 B 型速配指數?」等不可思議的企畫仍舊源源不絕。

-----廣告,請繼續往下閱讀-----

人與人之間,要靠直接對話、一起相處,才能初步互相認識。很遺憾的,這真的不是靠血型就可以了解的事。

——本文摘自《了不起的人體:如此精妙,如此有趣,說不定還能救你一命》,2022 年 7 月,如何出版,未經同意請勿轉載。

所有討論 1
如何出版
6 篇文章 ・ 2 位粉絲