從征服癌症，到第一支COVID-19疫苗的誕生

本文由 高柏科技 合作，泛科學撰文

林唯耕剛回台灣任教時，曾在清華大學的實驗室裡用一立方公分的「氨」做實驗。沒想到氨氣意外洩漏，那股刺鼻的氣味瞬間瀰漫整棟大樓，引來眾多師生抗議。

「從此以後，我再也不敢在實驗室裡用氨了。」他在《思想實驗室》的訪談中，帶著笑意回憶這段往事。

這段插曲聽來像是一則工程師的寓言：在理論模型中，氨是太空熱控系統的理想介質；但在現實的辦公大樓裡，它首先是逼人逃竄的臭味。公式本身沒有錯，但現實世界永遠比公式更複雜——它包含了人、成本、風險，以及必須為後果負責的工程師。

高柏科技技術專家、清華大學榮譽退休教授林唯耕 ，曾任職於美國 OAO 工程部熱流組，深耕電子構裝散熱與熱管技術多年。隨著 AI 浪潮席捲全球，他鑽研一輩子的老問題再次被推向科技產業的核心：當晶片運算速度無止境攀升，那股伴隨而生的熱，究竟該往哪裡去？

熱不會讀新品發表會

科技巨頭在發表會上熱衷於談論大型語言模型、GPU 規格與驚人的算力。這些詞彙在投影片上光鮮亮麗，彷彿進步毫無邊界。然而，每一次數位運算都紮實地發生在實體晶片上。晶片會發熱、材料會疲勞老化，一旦設備過熱，系統便會降頻保護。在物理現實面前，再動聽的發表會敘事也必須低頭。

回顧個人電腦發展早期，晶片幾乎不需專屬散熱元件。隨後，鋁製鰭片、風扇、熱管到均溫板逐一登場。這段歷程常被視為技術升級，其實更像是對空間的極限勒索：晶片功率翻倍，發熱源的面積卻沒變大，機箱空間也不可能無限擴張。

林唯耕指出，散熱設計的核心只有三要素：功率、熱源面積與空間限制。他舉例，在標準的 1U 機箱中，若發熱面積約為三十乘三十毫米，氣冷系統在達到八百瓦時就會面臨瓶頸。這並非固定的物理常數，而是取決於空間、面積與氣流的動態平衡。最現實的代價在於，風扇轉速提升的背後，是噪音、電力損耗與空間占用。

因此，「液冷技術」的興起並非單純為了追求酷炫，而是算力密度提升後的必然選擇。它能更精準地帶走晶片廢熱，卻也將新的挑戰帶入機房：漏液風險、流道堵塞、材料相容性，以及維運時的難度。工程的進步，本質上鮮少是徹底消滅問題，更多時候是選擇一組「比較值得承擔」的新問題。

太空教他的，不是把答案搬回地面

太空熱控工程之所以迷人，是因為它剝奪了地球上最常見的散熱工具。在真空宇宙中，沒有空氣能讓風扇製造對流；受光面溫度破百度，陰影處卻極度嚴寒。工程師必須純粹仰賴熱傳導、熱輻射，以及熱管與環路型熱管（LHP）來搬移熱能。

熱管運作的關鍵在於「相變」——液體蒸發時吸收大量潛熱，冷凝後重回循環。林唯耕比較了銅與水的熱傳導能力：在他設定的特定條件下，實心銅塊約能傳導 120 瓦的熱能；但若每秒有一立方公分的水發生蒸發相變，移熱量可瞬間拉升至 2.4 千瓦（kW）。他強調「每秒」的觀念，因為散熱談的是動態流動速率，而非靜態的冷卻魔法。

儘管如此，太空科技並不能直接套用到地面。太空元件因考量重量、功耗與維修難度，偏好無馬達幫浦的被動式設計；但地面 AI 伺服器面臨更高的熱負載與環境溫度，往往仍需幫浦驅動流量。當年那場「氨氣洩漏」事故正是最好的提醒：技術是否「先進」，與它是否「適合」當下的場景，始終是兩回事。

好論文，為什麼仍可能造不出好產品

學術研究致力於證明「可行性」，而工業現場則要求「可重複性」——不僅要能運作，還得確保每台出廠的設備都不漏水。林唯耕將此定義為「從 0 到 1」與「從 1 到 100」的差別。後者涉及良率、成本、公差與客戶信任。論文中那次最完美的實驗數據，在產線上往往未必管用。

他從不避談失敗。在高柏科技早期與學界合作時，也曾遇過實驗數據無法複製，或研究方向偏離產業需求。這未必是雙方努力不夠，而是彼此對「成功」的標準不同。為了解決這道鴻溝，高柏科技推動「柏苗啟航創新培育計畫」，每年投入逾千萬資金與成大、中山、台科大等校合作，並指派專業人才在過程中持續微調、校正，確保研發貼近產線現實。

他分享了近期一項液冷工質校正專案。團隊使用非侵入式的超音波流量計進行觀測，但由於儀器預設以「水」校正，換成其他化學流體後讀數便出現誤差。最初嘗試用幫浦壓差推算，卻發現缺乏重複性，數據甚至推導出不合理的蒸發率。最後團隊回歸基本面，改用秤重法搭配能量平衡進行交叉驗證，才讓數據成功收斂。

這個故事真正的價值不在於「產學雙贏」的口號，而在於那段不夠優雅的挫折：假設失效、數據混亂、方法砍掉重練。也正是在這種時刻，企業需要的不只是會算數的人才，而是能洞察研究何時「走鐘」，並有權力喊停、要求重來的關鍵決策者。

林唯耕坦言，過去在校園裡總認為「技術第一、成本第二」，進入商界後才驚覺行銷與信任關係往往才是關鍵。這番話雖然不如科技突破那樣動聽，卻是產品能否進入市場的殘酷真相。再卓越的散熱設計，若無法穩定生產或贏得客戶信任，也僅止於一份精美的報告。

AI 會給答案，誰來負責出貨？

訪談尾聲，主持人國威提出了一個時代難題：假設 AI 能在彈指間生成散熱架構、材料配方與流道設計，企業該選擇全面擁抱 AI 的速度，還是保留緩慢但穩定的工程驗證，以規避潛在的失效風險？

林唯耕拒絕落入二選一的框架。他的觀點是：兩者並存。AI 擅長處理資訊、生成草案；但工程師仍須實作原型，進行嚴苛的性能與可靠度測試，最終由人決定是否出貨。這並非盲目崇拜人類直覺，而是基於一項事實：AI 的資料庫裡，通常沒記載下一次「意外洩漏」或「材料疲勞」的細節，且模型永遠無法為量產結果擔負法律與商業責任。

在 AI 時代，最稀缺的未必是熟練下指令（Prompt）的人，而是具備這種能力的人：能預判答案可能在哪裡出錯、能設計實驗將問題「逼」出來，並且願意為最終的量產品質負起責任。

大眾習慣將雲端想像成輕盈、無重量的空間。但現實中，雲端是由龐大的機房架構而成，裡面裝滿了晶片、管線、泵浦與冷卻液。虛擬算力的每一次擴張，都會在實體世界留下發熱的足跡。散熱工程師的價值，就是不讓這筆物理帳單，被埋沒在光鮮亮麗的投影片背後。

• 作者／照護線上編輯部
• 本文轉載自 Care Online 照護線上《擴散期小細胞肺癌第一線健保治療首選：PD-L1免疫抑制劑合併化療存活率翻倍有望！專科醫師圖文解析》，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

小細胞肺癌惡性高且復發快。如今「PD-L1免疫合併化療」打破治療瓶頸，有效阻斷腫瘤逃逸，讓患者五年存活率翻倍！健保已將其納入一線給付，助病友延長壽命並兼顧生活品質。

「過往小細胞肺癌患者往往在第一線化療結束後，兩、三個月就面臨猛烈復發，高達三分之二的病人活不過一年，身為醫師不禁常感覺束手無策之憾。」三軍總醫院內科部胸腔內科主任蔡鎮良醫師表示，「如今，在PD-L1免疫抑制劑問世後，越來越多小細胞肺癌病友能跨過『存活一年』的門檻，且在進入維持治療後，得以卸下化療的沉重負擔，單用PD-L1免疫抑制劑也有機會穩定控制疾病，重拾美好的日常生活。」

肺癌主要分為小細胞與非小細胞兩大類，其中與抽菸高度相關的小細胞肺癌雖罹病比例逐年下降，僅佔約7-8%，但因其細胞分裂增殖與擴散極快，即使進行低劑量電腦斷層（LDCT）也不一定能早期揪出疾病。小細胞肺癌患者多數確診時已無法進行手術，過往近六成存活期少於一年，能活超過五年者僅約6%，被視為惡性度極高的癌症。

蔡鎮良醫師指出，小細胞肺癌預後極差的關鍵點在於「復發快速」。雖然初期對化學治療反應率高，但極易產生抗藥性；一旦復發，僅剩少數患者對化療仍有反應，也沒有其他有效藥物選擇，導致治療陷入難以突破的瓶頸。

破解小細胞肺癌的「免死金牌」：PD-L1免疫抑制劑破壞腫瘤免疫逃逸！

所幸，醫學迎來了近二十年來極為重要的進展–PD-L1免疫抑制劑。蔡鎮良醫師說，醫學界發現小細胞肺癌腫瘤會利用PD-1與PD-L1的結合機制，躲避免疫系統的追殺，就宛如拿著「免死金牌」般。PD-L1免疫抑制劑能精準阻斷這項結合，破解腫瘤的免疫逃逸機制，讓免疫系統重新主動攻擊癌細胞。

顯著降低死亡風險！PD-L1免疫抑制劑合併化療受國際治療指引肯定

研究證實，PD-L1免疫抑制劑合併化學治療可顯著改善無惡化存活期，降低死亡風險。蔡鎮良醫師分享診間觀察，過往能存活過一年的患者很少，如今可說過半數都有機會可存活超過一年；最新的延續性追蹤更顯示，試驗組的五年存活率從過往的6%成功翻倍達12%，為患者帶來了長達五年的長期生存效益。目前PD-L1免疫抑制劑合併化療，已被國際權威癌症治療指引NCCN列入擴散期小細胞肺癌的第一線治療首選。

免疫治療分階段：維持期可免除化療或搭配新型化療兼顧療效與生活品質

小細胞肺癌免疫合併化療可分為前、後兩治療階段：

• 第一階段（起始治療）：前4到6個療程會同步使用化學治療與PD-L1免疫抑制劑。因化學治療較易導致白血球低下，預防感染是保命關鍵。
• 第二階段（維持治療）：進入維持治療期後，視情況患者可完全移除化學治療，或是亦可PD-L1免疫抑制劑合併來自於海洋生物衍生物的新機轉化療藥物，為已接受過含鉑化療又復發的小細胞肺癌患者，提供了有效且副作用較低的治療選擇，成為維持治療的首選組合。

在整體治療期間，病友務必落實健康生活，並且「絕對要戒菸」，同時維持充足營養，確保有足夠體力應付療程。PD-L1免疫抑制劑的安全性較高，但仍需配合常規監測甲狀腺、血糖等數值，若出現症狀如皮疹、腹瀉等，請及時向醫師反應。

蔡鎮良醫師說，目前台灣健保針對擴散期小細胞肺癌患者，將PD-L1免疫抑制劑合併標準化療納入第一線給付，至今已滿兩年；給付條件雖限定於「無腦部轉移」，但若經濟許可或有私人保險時，仍建議腦轉移病友自費使用，因為從臨床實際療效來看，PD-L1免疫抑制劑合併化療對腦轉移病患也有效果，長遠也呼籲健保可積極考慮放寬限制，以盡可能嘉惠更多有需要的病友。

想像一下，如果有一天，救命的解藥不再僅僅來自大藥廠耗資數十億美元的無塵實驗室，而是出自你家客廳的一台筆記型電腦？這聽起來像極了科幻電影的瘋狂劇本，卻是一個為了挽救愛犬性命，真實上演的科學奇蹟。

這場「素人對抗癌症」的戰鬥，不只徹底打破了我們對醫療邊界的認知，更像一顆投入靜水中的巨石，激起的漣漪正迅速蔓延到整個人類醫學、長壽社會與個人健康責任的論述核心。今天，就讓我們來拆解這場傳奇救犬記背後的科學邏輯，看看「生物可程式化」的時代如何悄悄降臨。

一隻狗、一位工程師，與一個不肯認輸的決定

故事的主角是澳洲軟體工程師 Richard Sutherland。他領養了一隻曾有創傷歷史的柴犬 Kuma，Kuma 很快成了他生命中不可或缺的夥伴。然而在 2023 年，Kuma 被確診為高度惡性的「肥大細胞瘤」（Mast Cell Tumor, MCT），這是犬類中最常見也最兇猛的皮膚惡性腫瘤。獸醫遺憾地告知，即便進行手術與化療，Kuma 存活的時間恐怕也只剩幾個月。

面對死神的宣判，Sutherland 拒絕單純等待奇蹟。身為工程師，他本能地選擇了另一條路：定義問題，然後寫出解法。他動用了約 3,000 美元（約台幣十萬元）的個人積蓄，委託商業基因體公司對 Kuma 的腫瘤組織進行了「全外顯子組定序」（Whole Exome Sequencing, WES）。

這項技術專門聚焦於基因組中實際被轉譯成蛋白質的那 1-2% 編碼區域。相較於昂貴且龐雜的全基因組定序，WES 更適合用來尋找腫瘤的「體細胞突變」。但問題來了，取得幾十 GB 的原始定序數據後，一個沒有生物醫學背景的工程師，該如何在超過兩萬個基因的龐大變異資料中，揪出那幾顆真正驅動癌症的「子彈」？

科學的鑰匙：ChatGPT、AlphaFold 與 mRNA 的三重奏

這不是盲目的嘗試，而是一場精密的科學工程。Sutherland 其實正踏在目前全球頂尖生技公司（如 Moderna、BioNTech）積極推進的「個人化新抗原疫苗」（Personalized Neoantigen Vaccine）研發前線上。他靠著三件神器，完成了這項不可能的任務。

步驟一：用 ChatGPT 尋找「新抗原」

癌細胞突變會產生原本不存在於正常細胞的異常蛋白質片段，如果這些片段能呈現在細胞表面被免疫系統識別，就稱為「新抗原」（Neoantigen）。要成為有效的靶標，突變必須夠多、必須能與個體的 MHC（主要組織相容性複合體）緊密結合，還要能活化 T 細胞去毒殺癌細胞。

Sutherland 利用 ChatGPT 作為他的「智識介面」，協助撰寫 Python 腳本、整理與篩選突變資料。雖然 AI 本身不是生物資訊引擎，但它強大的代碼輔助與文本推理能力，大幅降低了門檻，讓他得以建構出原本需要博士級專家才能完成的分析管線。

步驟二：AlphaFold 的蛋白質立體建模

找出潛在的新抗原後，必須確認它的「形狀」真的和正常蛋白質不同。這時，DeepMind 劃時代的 AI 工具「AlphaFold 2」登場了。過去需要耗資百萬、耗時數年的蛋白質結構解析，現在只需要網路連線，幾分鐘內就能精準預測立體折疊結構。Sutherland 藉此確認了突變蛋白確實能作為疫苗的標靶。這證明了一件事：結構生物學被徹底民主化了。

步驟三：客製化 mRNA 疫苗上陣

目標確認後，他設計了一段對應的 mRNA 序列。這段序列就像是一張發給免疫系統的「通緝令」，注射進體內後會教導細胞製造這些腫瘤特徵蛋白，啟動免疫系統追殺帶有相同特徵的癌細胞。在取得獸醫主管機關的「特殊人道同情豁免」許可後，這劑客製化疫苗被施打在 Kuma 身上。幾週後，奇蹟發生了：Kuma 的腫瘤開始縮小，活力也逐漸恢復。

醫療典範轉移：從「大數法則」到專屬於你的「N-of-1」

傳統藥物開發是建立在「統計多數」上的，尋找對「平均患者」有效的療法。但現實是，每個人、每顆腫瘤都是獨特的，這就是為何同一種化療對某些人有效，對另一些人卻毫無作用（即腫瘤異質性）。

Sutherland 的做法，展現了未來的「N-of-1 醫療」：臨床試驗的樣本數不是一萬人，而是「一個人」（或一隻狗）。隨著基因定序成本崩跌、AI 分析能力平民化，以及 mRNA 合成技術的成熟，這種「不找萬能藥，只為你打一把專屬鑰匙」的醫療模式，正逐漸從實驗室走向現實。

長壽社會的挑戰：成為自己身體的守護者

台灣即將在 2025 年邁入超高齡社會，活得長已是常態，但「活得好」才是考驗。當醫療技術逐漸軟體化，癌症或許將從「絕症」轉為可管理的「慢性病」。未來我們甚至能定期更新癌症疫苗，維持免疫系統對腫瘤的監控。

Kuma 的故事揭示了一種全新的主體性：我們不應再只是被動接受治療的患者。借助智慧穿戴裝置收集生理數據、了解自身的基因風險，並透過 AI 輔助整合健康資訊，每個人都可以成為自己健康的「共同決策者」。醫師的角色也將從「知識的壟斷者」轉變為「認知的橋接者」，協助我們辨識偽科學，共同制定健康策略。

技術民主化的光明與陰影

當然，我們不能忽視這場革命帶來的風險。Sutherland 的成功發生在法規相對彈性的獸醫領域，若在人體上進行，未經監管的「生物駭客」（Biohacking）行為將帶來極大的安全隱憂。此外，個人基因數據的隱私保護、以及高昂技術可能加劇的「健康貧富差距」，都是社會必須迫切面對的倫理挑戰。

Kuma 的故事不是終點，而是一個時代的預告。醫療的邊界正在被那些拒絕等待、選擇親手書寫解方的人們重新定義。活得長是科技的恩賜，但活得有尊嚴、有主體性，則需要我們每一個人的覺醒。或許未來的某一天，你的健康，就掌握在你親手敲下的那一行代碼裡。

參考資料

1. Alexandrov, L.B., et al. (2013). Signatures of mutational processes in human cancer. Nature, 500, 415–421.
2. Jumper, J., et al. (2021). Highly accurate protein structure prediction with AlphaFold. Nature, 596, 583–589.
3. Reynisson, B., et al. (2020). NetMHCpan-4.1 and NetMHCIIpan-4.0: improved predictions of MHC antigen presentation by concurrent motif deconvolution and integration of MS MHC eluted ligand data. Nucleic Acids Research, 48(W1), W449–W454.
4. Sahin, U., et al. (2017). Personalized RNA mutanome vaccines mobilize poly-specific therapeutic immunity against cancer. Nature, 547, 222–226.
5. Marusyk, A., et al. (2012). Intra-tumour heterogeneity: a looking glass for cancer? Nature Reviews Cancer, 12, 323–334.
6. Tie, J., et al. (2016). Circulating tumor DNA analysis detects minimal residual disease and predicts recurrence in patients with stage II colon cancer. Science Translational Medicine, 8(346).
7. Karikó, K., & Weissman, D. (2005). Suppression of RNA recognition by Toll-like receptors: the impact of nucleoside modification and the evolutionary origin of RNA. Immunity, 23(2), 165–175.