0

12
5

文字

分享

0
12
5

【闢謠科普兩不誤】「mRNA 疫苗爭議浮現,MIT:自然免疫系統失靈」這篇文到底有多少錯?上篇:破解有疑慮的引用文獻及判斷文獻可信度小技巧分享

Jamie Lin_96
・2022/09/17 ・4028字 ・閱讀時間約 8 分鐘

單純只說這篇文章內容錯誤無法說服人,就讓我們一起從有狀況的引用文獻到問題百出的文章內容逐一拆解科普過去吧!

因為內容眾多所以這篇文將會拆成上下兩篇,上篇為引用文獻出了什麼包以及若非專業人士我們怎麼快速判斷發表是否可信?下篇為整篇文章內容有哪些觀點有誤與有哪些相關可信賴發表值得看。

分析這篇文章引用的文獻,破解有問題的引用文獻跟判斷文獻可信度小技巧。圖/科技新報

筆者目前研究領域跟工作狀態:免疫學博士候選人,預計於 2023 年 2 月正式取得博士學位,研究主題為愛滋疫苗與功能性抗體,具備在生物安全等級三級實驗室工作的資格與能力,最近在發表地獄中載浮載沉。

在細緻拆解這篇文章的內容前,我想先來聊聊這篇文章引用的兩篇發表到底問題在哪裡?為什麼我會說有狀況?

第一篇引用文獻的四大問題

這篇文章引用兩篇發表,第一篇是 2021 年 5 月 6 日發布在 medRxiv 上的 The BNT162b2 mRNA vaccine against SARS-CoV-2 reprograms both adaptive and innate immune responses,研究團隊在荷蘭,也是該文中所提的荷蘭研究。

-----廣告,請繼續往下閱讀-----
引用的文獻之一。圖/medrxiv
  • 文獻引用與解讀錯誤
  • 可能該發表從實驗假設到結論都有問題
  • 數據分析與解讀方式可能有問題(其實在審核過程中,研究團隊是有可能需要針對評審質疑的方向加做實驗來證實假設論點為真,進而說服評審)
  • 可能會誤導非該領域的讀者

因為疫情很多研究團隊會將發表先放上 medRxiv 與 bioRxiv,其實不少很扎實的研究之後都投稿上了正式期刊,倘若有投稿上會顯示在 Rxiv 的連結上。

這篇研究到我寫文的當下尚未正式投稿刊登,該研究總樣本數為 16 人其實不多之外,支持該發表論點的主要是這兩張圖,因為研究團隊說疫苗接種後的 IFN-α 濃度有顯著差異。

除了樣本數不高外,對於顯著差異的判斷也隨著時間改變而有所不同。圖/Figure 1H, 1I

但真的有顯著差異嗎?我看完數據後表示存疑。

樣本數少之外可以看到只有一兩個點較高,其他點分佈都非常平均,這樣的狀態下其統計的顯著差異可能來自那一兩個極端值,而非兩組真實有差;如果我是評審我會詢問該團隊移除最高值後期數據是否仍有顯著差異並請他們將 Y 軸改成 log10 scale 來看分佈,如果重新分析製圖後真有顯著差異我才可能會覺得這篇發表的實驗結果可以支持論點。

-----廣告,請繼續往下閱讀-----

第二篇引用文獻號稱 MIT 研究是真的假的?

第二篇研究為 2022 年 4 月 15 日刊出在 Food and Chemical Toxicology 的 Innate immune suppression by SARS-CoV-2 mRNA vaccinations: The role of G-quadruplexes, exosomes, and MicroRNAs,在文中被稱為是 MIT 研究也是「MIT:自然免疫系統失靈」的由來,但這篇文章真的是 MIT 研究且可信嗎?

在文中被稱為是 MIT 研究也是「MIT:自然免疫系統失靈」的由來,但這篇文章真的是 MIT 研究且可信嗎?圖/Food and Chemical Toxicology 

這篇真的很長,拉到最下方的作者貢獻(Author contributions)區可以看到這段話:S.S., G.N and A.K. all contributed substantially to the writing of the original draft. P.M. participated in the process of editorial revisions. 意思是作者序上的前三位作者負責寫這篇文章的草稿,而最後一位作者是通訊作者並且負責整篇文章的投稿與問題回覆

如果對於貢獻、通訊作者、問題回覆等名詞看得一頭霧水,可以參考我之前寫針對期刊投稿與貢獻的科普文,裡面對這些名詞都有簡單定義解釋。

簡單來說這篇發表誰是老大跟屬於哪個機構?答案是這篇研究的通訊作者 Peter A. McCullough,他是一位心臟科醫生並且有許多反疫苗言論[1][2][3],且該發表應歸屬於 Truth for Health Foundation 的研究(在其機構 mission 上寫他們提供以信仰為基礎的療法),完全不能說是MIT的研究,而寫文章的前三位作者分別背景為:

-----廣告,請繼續往下閱讀-----
  • Stephanie Seneff:背景為計算機科學,近年研究興趣與生物較為相關的為現代疾病(如:阿茲海默、自閉症、心血管疾病等)與藥物數據庫的分析,以及營養缺乏和環境毒素對人類健康的影響。其生物相關發表不少有所爭議並被專家批評缺乏證據、推論不正確等[4][5]。(Wikipedia link
  • Greg Nigh:工作為自然療法醫療人員與針灸師。
  • Anthony M. Kyriakopoulos:希臘研究員,最近幾年主要研究牛磺酸。

上述三位作者加上通訊作者全部沒有免疫學背景甚至不是相關研究人員

而更有趣的是該篇發表的主要編輯為 Dr. Jose Luis Domingo,他主要研究方向為環境與食品污染對人類健康的影響,但他的研究其實不少備受批評外,他曾經在 Food and Chemical Toxicology 期刊上徵稿[6],希望有人能夠投稿關於 Covid-19 疫苗對人體有害的稿件,之後便有了這篇號稱「MIT 研究」的發表,但國外也早已有文章批評其是披著科學文獻皮的虛假訊息[7]

講完該發表作者群與編輯的背景與事蹟後,讓我們看一看這篇文章發表在哪個期刊:Food and Chemical Toxicology 食品與化學毒理學期刊;而正統疫苗相關發表會去什麼期刊:生物學、免疫學等相關期刊。每個期刊代表的研究領域不同外,同時也代表該期刊的評審背景,你不可能在食品相關期刊找到免疫學專業的評審,反之亦然。倘若這篇疫苗有害論的發表整體論點清晰佐證明確,那早就應該可以上免疫學相關期刊,不用跑去食品期刊湊熱鬧

可能有人會問:作者與編輯有狀況不代表內文有狀況啊?

-----廣告,請繼續往下閱讀-----

這篇發表我很認真的看完了,簡單來說有兩個致命問題:

  • 引用很多文獻,但是完全沒有任何文獻可以支持他們的論點
  • 數據分析方式錯誤,如果要算該疫苗的不良事件比例分母應該為“總施打人數”,而不是拿別的疫苗的施打人數來做加減乘除

通篇錯誤滿滿,完全可以當作科學寫作與生物統計學的負面教材。

所引用的兩篇文章各有不同的疑慮

「mRNA 疫苗爭議浮現,MIT:自然免疫系統失靈」這篇文章引用的兩篇發表

  • 第一篇沒有經過同行審查,對我來說數據分析結果存疑,需要進一步的分析與更多專業人士審查後我才會相信
  • 第二篇內把所屬機構寫錯外,作者群與編輯無免疫學背景且內文錯誤滿滿

光就其引用文獻的品質其實就可以直接判斷該文章不合格根本連看都不需要看,而在下篇文章我會深入拆解文章內容並針對其寫到的資訊做科普。

-----廣告,請繼續往下閱讀-----

快速檢閱發表是否可信的小技巧

我常常被人問:Jamie,我沒有免疫學背景,那我該怎麼判斷這篇文章可不可以信任呢?

這裡我想分享幾個簡單的判斷方式:

  • 看作者所屬機構跟學歷背景:大多數的研究人員都會有紀錄學歷、發表、工作機構的頁面如:Google scholar, research gate, ORCID ID 等,而在期刊發表中我們會放上我們所屬機構,如果作者是在該領域相關機構工作學歷也相關,那可信度會高一些。
  • 查詢作者與編輯風評:如果發現大量負面評價,那可以不用看。
  • 看一看實驗 N 值、圖表、XY 軸與單位:每個研究會招募到多少人或是使用多少動物不一定,但通常越多越好,我自己會找有設置可以參考的對照組的發表,如果是跟人有關的最少要有 30 人但案例報告除外,動物實驗方面一組至少要 5 隻起跳,再來我會看該發表圖表的 XY 軸與使用的單位,再來看圖片中數據的分佈,如果發現說有顯著差異但數據分佈很集中只有一兩個數值極高或極低,那我會存疑當作並沒有顯著差異。
  • 看發表內容跟期刊主題是否一致:大部分的期刊都有自己的主題,就像我做愛滋病疫苗研究我可能會投往 AIDS, Frontiers, Genes & Immunity, Cell report 等期刊,但我不會說要去投毒物學期刊,這與我的研究方向完全不符合!如果發表內容跟期刊主題不一致還刊出來,那要不期刊很爛要不後面問題很大,不論哪個都是個警訊。
  • 盡量看有同行審查(peer-reviewed)的期刊發表:有些很優的發表因為疫情需要資訊快速交換所以會先放在未經同行審查的資料庫中之後正式投稿到期刊上,但這對於非相關專業的人來說很難判斷,在此我建議找有同行審查的期刊發表來看,但同樣需注意發表內容跟期刊主題是否一至。
簡單的判斷文章的可信度可以從作者所屬機構跟學歷背景、風評等多種面相來參考。圖/pixabay

疫情開始後其實有非常多關於 Covid-19 相關的垃圾發表,標題跟內文不符或是通篇錯誤,儘管我是相關專業有時候我也覺得很煩躁,但這些技巧是我需要大量查找 paper 時一定會使用的的快速分辨技巧,僅供參考。

【闢謠科普兩不誤】 — 「mRNA 疫苗爭議浮現,MIT:自然免疫系統失靈」這篇文到底有多少錯?上篇:破解有問題的引用文獻跟判斷文獻可信度小技巧分享 到此結束,下篇正在努力撰寫中,如果有任何疑問歡迎留言發問!

-----廣告,請繼續往下閱讀-----

參考資料

  1. US cardiologist makes false claims about Covid-19 vaccination.
  2. The COVID-19 “Vaccine Holocaust”: The latest antivaccine messaging.
  3. Vaccines are a safer alternative for acquiring immunity compared to natural infection and COVID-19 survivors benefit from getting vaccinated, contrary to claims by Peter McCullough.
  4. Mesnage, R. and Antoniou, M.N., 2017. Facts and fallacies in the debate on glyphosate toxicity. Frontiers in public health5, p.316.
  5. Not Even Wrong: Seneff And Samsel Debunked By The Seralini Crew.
  6. Call for Papers on potential toxic effects of COVID-19 vaccines.
  7. Scientific review articles as disinformation.
-----廣告,請繼續往下閱讀-----
文章難易度
Jamie Lin_96
2 篇文章 ・ 3 位粉絲
正在發表地獄中載浮載沈的免疫學博士後,熱愛攝影、做手工藝且永遠管不住好動的手,不是在寫paper、部落格文章就是在推特上筆戰科普

0

0
0

文字

分享

0
0
0
AI 可以設計散熱,但誰敢讓它出貨?林唯耕談算力背後的物理現實
鳥苷三磷酸 (PanSci Promo)_96
・2026/08/20 ・2819字 ・閱讀時間約 5 分鐘

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。

-----廣告,請繼續往下閱讀-----

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。

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 / 圖片:envato

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。

-----廣告,請繼續往下閱讀-----

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。

-----廣告,請繼續往下閱讀-----
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。/圖片:envato

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。

-----廣告,請繼續往下閱讀-----

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。

-----廣告,請繼續往下閱讀-----

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。

-----廣告,請繼續往下閱讀-----
文章難易度

討論功能關閉中。

鳥苷三磷酸 (PanSci Promo)_96
249 篇文章 ・ 320 位粉絲
充滿能量的泛科學品牌合作帳號!相關行銷合作請洽:contact@pansci.asia

0

1
0

文字

分享

0
1
0
客廳裡的癌症革命:工程師如何靠 ChatGPT 與 AlphaFold 替愛犬打造專屬 mRNA 疫苗?
PanSci_96
・2026/05/07 ・2575字 ・閱讀時間約 5 分鐘

本文由 AI 協助生成,內容經編輯審閱。

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)。

-----廣告,請繼續往下閱讀-----

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。

-----廣告,請繼續往下閱讀-----

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。

-----廣告,請繼續往下閱讀-----

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。

-----廣告,請繼續往下閱讀-----

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.
-----廣告,請繼續往下閱讀-----

討論功能關閉中。

PanSci_96
1297 篇文章 ・ 2684 位粉絲
PanSci的編輯部帳號,會發自產內容跟各種消息喔。

0

0
0

文字

分享

0
0
0
沒有症狀也不能大意!30 歲後女性都該注意的子宮頸癌預警指南
careonline_96
・2025/06/18 ・2608字 ・閱讀時間約 5 分鐘

圖 / 照護線上

「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。

預防子宮頸癌
圖 / 照護線上

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。

-----廣告,請繼續往下閱讀-----
子宮頸抹片搭配HPV DNA檢測篩檢更完善
圖 / 照護線上

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。

-----廣告,請繼續往下閱讀-----
子宮頸癌高風險族群要注意
圖 / 照護線上

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:

-----廣告,請繼續往下閱讀-----

討論功能關閉中。