多吃點膳食纖維有助預防中風

本文與 研華科技 合作，泛科學企劃執行

我們都看過那種影片，對吧？網路上從不缺乏讓人驚嘆的機器人表演：數十台人形機器人像軍隊一樣整齊劃一地耍雜技 ，或是波士頓動力的機器狗，用一種幾乎違反物理定律的姿態後空翻、玩跑酷 。每一次，社群媒體總會掀起一陣「未來已來」、「人類要被取代了」的驚呼 。

但當你關掉螢幕，看看四周，一個巨大的落差感就來了：說好的機器人呢？為什麼大街上沒有他們的身影，為什麼我家連一件衣服都還沒人幫我摺？

這份存在於數位螢幕與物理現實之間的巨大鴻溝，源於一個根本性的矛盾：當代AI在數位世界裡聰明絕頂，卻在物理世界中笨拙不堪。它可以寫詩、可以畫畫，但它沒辦法為你端一杯水。

這個矛盾，在我們常見的兩種機器人展示中體現得淋漓盡致。第一種，是動作精準、甚至會跳舞的類型，這本質上是一場由工程師預先寫好劇本的「戲」，機器人對它所處的世界一無所知 。第二種，則是嘗試執行日常任務（如開冰箱、拿蘋果）的類型，但其動作緩慢不穩，彷彿正在復健的病人 。

這兩種極端的對比，恰恰點出了機器人技術的真正瓶頸：它們的「大腦」還不夠強大，無法即時處理與學習真實世界的突發狀況 。

這也引出了本文試圖探索的核心問題：新一代AI晶片NVIDIA® Jetson Thor™ ，這顆號稱能驅動「物理AI」的超級大腦，真的能終結機器人的「復健時代」，開啟一個它們能真正理解、並與我們共同生活的全新紀元嗎？

為何我們看到的機器人，總像在演戲或復健？

那我們怎麼理解這個看似矛盾的現象？為什麼有些機器人靈活得像舞者，有些卻笨拙得像病人？答案，就藏在它們的「大腦」運作方式裡。

那些動作極其精準、甚至會後空翻的機器人，秀的其實是卓越的硬體性能——關節、馬達、減速器的完美配合。但它的本質，是一場由工程師預先寫好劇本的舞台劇 。每一個角度、每一分力道，都是事先算好的，機器人本身並不知道自己為何要這麼做，它只是在「執行」指令，而不是在「理解」環境。

而另一種，那個開冰箱慢吞吞的機器人，雖然看起來笨，卻是在做一件革命性的事：它正在試圖由 AI 驅動，真正開始「理解」這個世界 。它在學習什麼是冰箱、什麼是蘋果、以及如何控制自己的力量才能順利拿起它。這個過程之所以緩慢，正是因為過去驅動它的「大腦」，也就是 AI 晶片的算力還不夠強，無法即時處理與學習現實世界中無窮的變數 。

這就像教一個小孩走路，你可以抱著他，幫他擺動雙腿，看起來走得又快又穩，但那不是他自己在走。真正的學習，是他自己搖搖晃晃、不斷跌倒、然後慢慢找到平衡的過程。過去的機器人，大多是前者；而我們真正期待的，是後者。

所以，問題的核心浮現了：我們需要為機器人裝上一個強大的大腦！但這個大腦，為什麼不能像ChatGPT一樣，放在遙遠的雲端伺服器上就好？

機器人的大腦，為什麼不能放在雲端？

聽起來好像很合理，對吧？把所有複雜的運算都交給雲端最強大的伺服器，機器人本身只要負責接收指令就好了。但……真的嗎？

想像一下，如果你的大腦在雲端，你看到一個球朝你飛過來，視覺訊號要先上傳到雲端，雲端分析完，再把「快閃開」的指令傳回你的身體。這中間只要有零點幾秒的網路延遲，你大概就已經鼻青臉腫了。

現實世界的互動，需要的是「即時反應」。任何網路延遲，在物理世界中都可能造成無法彌補的失誤 。因此，運算必須在機器人本體上完成，這就是「邊緣 AI」（Edge AI）的核心概念 。而 NVIDIA  Jetson 平台，正是為了解決這種在裝置端進行高運算、又要兼顧低功耗的需求，而誕生的關鍵解決方案 。

NVIDIA Jetson 就像一個緊湊、節能卻效能強大的微型電腦，專為在各種裝置上運行 AI 任務設計 。回顧它的演進，早期的 Jetson 系統主要用於視覺辨識搭配AI推論，像是車牌辨識、工廠瑕疵檢測，或者在相機裡分辨貓狗，扮演著「眼睛」的角色，看得懂眼前的事物 。但隨著算力提升，NVIDIA Jetson 的角色也逐漸從單純的「眼睛」，演化為能夠控制手腳的「大腦」，開始驅動更複雜的自主機器，無論是地上跑的、天上飛的，都將NVIDIA Jetson 視為核心運算中樞 。

但再強大的晶片，如果沒有能適應現場環境的「容器」，也無法真正落地。這正是研華（Advantech）的角色，我們將 NVIDIA Jetson 平台整合進各式工業級主機與邊緣運算設備，確保它能在高熱、灰塵、潮濕或震動的現場穩定運行，滿足從工廠到農場到礦場、從公車到貨車到貨輪等各種使用環境。換句話說，NVIDIA 提供「大腦」，而研華則是讓這顆大腦能在真實世界中呼吸的「生命支持系統」。

這個平台聽起來很工業、很遙遠，但它其實早就以一種你意想不到的方式，進入了我們的生活。

從Switch到雞蛋分揀員，NVIDIA Jetson如何悄悄改變世界？

如果我告訴你，第一代的任天堂Switch遊戲機與Jetson有相同血緣，你會不會很驚訝？它的核心處理器X1晶片，與Jetson TX1模組共享相同架構。這款遊戲機對高效能運算和低功耗的嚴苛要求，正好與 Jetson 的設計理念不謀而合 。

而在更專業的領域，研華透過 NVIDIA Jetson 更是解決了許多真實世界的難題 。例如

• 在北美，有客戶利用 AI 進行雞蛋品質檢測，研華的工業電腦搭載NVIDIA Jetson 模組與相機介面，能精準辨識並挑出髒污、雙黃蛋到血蛋 
• 在日本，為避免鏟雪車在移動時發生意外，導入了環繞視覺系統，當 AI 偵測到周圍有人時便會立刻停止 ；
• 在水資源珍貴的以色列，研華的邊緣運算平台搭載NVIDIA Jetson模組置入無人機內，24 小時在果園巡航，一旦發現成熟的果實就直接凌空採摘，實現了「無落果」的終極目標 。

這些應用，代表著 NVIDIA Jetson Orin™ 世代的成功，它讓「自動化」設備變得更聰明 。然而，隨著大型語言模型（LLM）的浪潮來襲，人們的期待也從「自動化」轉向了「自主化」 。我們希望機器人不僅能執行命令，更能理解、推理。

Orin世代的算力在執行人形機器人AI推論時的效能約為每秒5到10次的推論頻率，若要機器人更快速完成動作，需要更強大的算力。業界迫切需要一個更強大的大腦。這也引出了一個革命性的問題：AI到底該如何學會「動手」，而不只是「動口」？

革命性的一步：AI如何學會「動手」而不只是「動口」？

面對 Orin 世代的瓶頸，NVIDIA 給出的答案，不是溫和升級，而是一次徹底的世代跨越— NVIDIA Jetson Thor 。這款基於最新 Blackwell 架構的新模組，峰值性能是前代的 7.5 倍，記憶體也翻倍 。如此巨大的效能提升，目標只有一個：將過去只能在雲端資料中心運行的、以 Transformer 為基礎的大型 AI 模型，成功部署到終端的機器上 。

NVIDIA Jetson Thor 的誕生，將驅動機器人控制典範的根本轉變。這要從 AI 模型的演進說起：

1. 第一階段是 LLM（Large Language Model，大型語言模型）：
   我們最熟悉的 ChatGPT 就屬此類，它接收文字、輸出文字，實現了流暢的人機對話 。
2. 第二階段是 VLM（Vision-Language Model，視覺語言模型）：
   AI 學會了看，可以上傳圖片，它能用文字描述所見之物，但輸出結果仍然是給人類看的自然語言 。
3. 第三階段則是 VLA（Vision-Language-Action Model，視覺語言行動模型）：
   這是革命性的一步。VLA 模型的輸出不再是文字，而是「行動指令（Action Token）」 。它能將視覺與語言的理解，直接轉化為控制機器人關節力矩、速度等物理行為的具體參數 。

這就是關鍵！ 過去以NVIDIA Jetson Orin™作為大腦的機器人，僅能以有限的速度運行VLA模型。而由 VLA 模型驅動，讓 AI 能夠感知、理解並直接與物理世界互動的全新形態，正是「物理 AI」（Physical AI）的開端 。NVIDIA Jetson Thor 的強大算力，就是為了滿足物理 AI 的嚴苛需求而生，要讓機器人擺脫「復健」，迎來真正自主、流暢的行動時代 。

其中，物理 AI 強調的 vision to action，就需要研華設計對應的硬體來實現；譬如視覺可能來自於一般相機、深度相機、紅外線相機甚至光達，你的系統就要有對應的介面來整合視覺；你也會需要控制介面去控制馬達伸長手臂或控制夾具拿取物品；你也要有 WIFI、4G 或 5G 來傳輸資料或和別的 AI 溝通，這些都需要具體化到一個系統上，這個系統的集大成就是機器人。

好，我們有了史上最強的大腦。但一個再聰明的大腦，也需要一副強韌的身體。而這副身體，為什麼非得是「人形」？這不是一種很沒效率的執念嗎？

為什麼機器人非得是「人形」？這不是一種低效的執念嗎？

這是我一直在思考的問題。為什麼業界的主流目標，是充滿挑戰的「人形」機器人？為何不設計成效率更高的輪式，或是功能更多元的章魚型態？

答案，簡單到令人無法反駁：因為我們所處的世界，是徹底為人形生物所打造的。

從樓梯的階高、門把的設計，到桌椅的高度，無一不是為了適應人類的雙足、雙手與身高而存在 。對 AI 而言，採用人形的軀體，意味著它能用與我們最相似的視角與方式去感知和學習這個世界，進而最快地理解並融入人類環境 。這背後的邏輯是，與其讓 AI 去適應千奇百怪的非人形設計，不如讓它直接採用這個已經被數千年人類文明「驗證」過的最優解 。

這也區分了「通用型 AI 人形機器人」與「專用型 AI 工業自動化設備」的本質不同 。後者像高度特化的工具，產線上的機械手臂能高效重複鎖螺絲，但它無法處理安裝柔軟水管這種預設外的任務 。而通用型人形機器人的目標，是成為一個「多面手」，它能在廣泛學習後，理解物理世界的運作規律 。理論上，今天它在產線上組裝伺服器，明天就能在廚房裡學會煮菜 。

但要讓一個「多面手」真正活起來，光有骨架還不夠。它必須同時擁有強大的大腦平台與遍布全身的感知神經，才能理解並回應外在環境。人形機器人的手、腳、眼睛、甚至背部，都需要大量感測器去理解環境就像神經末梢一樣，隨時傳回方位、力量與外界狀態。但這些訊號若沒有通過一個穩定的「大腦平台」，就無法匯聚成有意義的行動。

這正是研華的角色：我們不僅把 NVIDIA Jetson Thor 這顆核心晶片包載在工業級電腦中，讓它成為能真正思考與反應的「完整大腦」，同時也提供神經系統的骨幹，將感測器、I/O 介面與通訊模組可靠地連結起來，把訊號傳導進大腦。你或許看不見研華的存在，但它實際上遍布在機器人全身，像隱藏在皮膚之下的神經網絡，讓整個身體真正活過來。

但有了大腦、有了身體，接下來的挑戰是「教育」。你要怎麼教一個物理 AI？總不能讓它在現實世界裡一直摔跤，把一台幾百萬的機器人摔壞吧？

打造一個「精神時光屋」，AI的學習速度能有多快？

這個問題非常關鍵。大型語言模型可以閱讀網際網路上浩瀚的文本資料，但物理世界中用於訓練的互動資料卻極其稀缺，而且在現實中反覆試錯的成本與風險實在太高 。

答案，就在虛擬世界之中。

NVIDIA Isaac Sim™等模擬平台，為這個問題提供了完美的解決方案 。它能創造出一個物理規則高度擬真的數位孿生（Digital Twin）世界，讓 AI 在其中進行訓練 。

這就像是為機器人打造了一個「精神時光屋」 。它可以在一天之內，經歷相當於現實世界千百日的學習與演練，從而在絕對安全的環境中，窮盡各種可能性，深刻領悟物理世界的定律 。透過這種「模擬-訓練-推論」的 3 Computers 閉環，Physical AI (物理AI) 的學習曲線得以指數級加速 。

我原本以為模擬只是為了節省成本，但後來發現，它的意義遠不止於此。它是在為 AI 建立一種關於物理世界的「直覺」。這種直覺，是在現實世界中難以透過有限次的試錯來建立的。

所以你看，這趟從 Switch 到人形機器人的旅程，一幅清晰的未來藍圖已經浮現了。實現物理 AI 的三大支柱已然齊備：一個劃時代的「AI 大腦」（NVIDIA Jetson Thor）、讓核心延展為「完整大腦與神經系統」的工業級骨幹（由研華 Advantech 提供），以及一個不可或缺的「教育環境」（NVIDIA Isaac Sim 模擬平台） 。

結語

我們拆解了那些酷炫機器人影片背後的真相，看見了從「自動化」走向「自主化」的巨大技術鴻溝，也見證了「物理 AI」時代的三大支柱——大腦、身軀、與教育——如何逐一到位 。

專家預測，未來 3 到 5 年內，人形機器人領域將迎來一場顯著的革命 。過去我們只能在科幻電影中想像的場景，如今正以前所未有的速度成為現實 。

這不再只是一個關於效率和生產力的問題。當一台機器，能夠觀察我們的世界，理解我們的語言，並開始以物理實體的方式與我們互動，這將從根本上改變我們與科技的關係。

所以，最後我想留給你的思想實驗是：當一個「物理 AI」真的走進你的生活，它不只是個工具，而是一個能學習、能適應、能與你共同存在於同一個空間的「非人智慧體」，你最先感受到的，會是興奮、是便利，還是……一絲不安？

這個問題，不再是「我們能否做到」，而是「當它發生時，我們準備好了嗎？」

研華已經整裝待發，現在，我們與您一起推動下一代物理 AI 與智慧設備的誕生。
https://bit.ly/4n78dR4

海爾妲的中風與奇異妄想

十八世紀末，七十歲的丹麥婦人海爾妲（Hilde）正在家中煮飯時，大腦突然缺血，情況不妙。海爾妲運氣很差，因為人類的腦細胞對缺血的耐受度近乎於零。少了血液，神經元（大腦裡的主要細胞）很快就會缺少氧與葡萄糖等必需物質；神經元會在短短幾分鐘內開始死去。若持續缺血，神經元會以驚人的速度消亡──每分鐘死掉將近兩百萬個。這一分鐘內消亡的神經纖維長度可達約十二公里（神經纖維是神經元向外延伸的軸突，負責在細胞之間傳遞訊號）。 簡言之，缺血會摧毀大腦。這種可怕的情況叫做中風，海爾妲中風了，她因此陷入昏迷。

海爾妲的案例細節來自一篇發表於一七八八年的科學論文。這篇論文沒有提到海爾妲的家人對她昏迷四天後醒來做何反應，但可以想見他們應該如釋重負。不過聽到海爾妲堅稱自己是死人，剛剛放下心中大石他們大概再次遭受暴擊。請注意，海爾妲說的不是她有瀕死經驗──看見隧道盡頭的那道光，最後一刻又被拉回人間──不是，她在與家人交談的時候說自己不是活人。

我們是透過十八世紀瑞士科學家查爾斯．邦納（Charles Bonnet）的文章認識海爾妲的。 邦納是專業律師，但如同那個年代大部分的天才人物，他涉獵多個不同領域，決定投入科學研究就像我們現在決定追新劇一樣輕鬆隨意。令人驚訝的是，儘管態度輕鬆隨意，他的研究可是成果豐碩。

例如，邦納記錄了蚜蟲的無性繁殖過程，率先證實性別不是繁殖的先決條件（園丁都很熟悉也很討厭這種惱人的小蟲子）。他的其他昆蟲學研究，也為發現昆蟲如何呼吸提供重要助力。後來他的興趣轉向植物學，他的研究為後來發現二氧化碳與氧經由葉子進出植物奠定了基礎。以一個沒受過正式科學訓練、研究科學僅是嗜好的人來說，他還算厲害。

我們運氣不錯，因為邦納也對異常的人類行為有興趣，例如海爾妲。老實說，海爾妲不是她的真名。也有可能是。邦納在描述她的情況時從未提到她的名字。如同科學文獻裡的許多醫學案例，邦納沒有寫下海爾妲的真名大概是為了保護她的隱私。我在此用這個常見的丹麥名字，方便我們討論她。

海爾妲中風之前，心理健康不曾出過大問題，所以她的奇特行為更加令人費解。家人想說服她相信自己並不是死人，畢竟她正好好坐在那兒跟大家講話。她康復了，這應該是對生命心懷感恩的時刻。但海爾妲一點也不開心。她變得暴躁易怒，責怪家人沒有為她舉辦告別式，實在太不像話。她要求家人幫她換裝，把她放進棺材裡，舉辦一場配合她身分地位的葬禮。

大家都希望海爾妲的幻覺會漸漸消失，但她的堅持有增無減，還開始口出威脅。似乎只有順從她的意願才能真正安撫她。她的家人半推半就地同意了。他們用裹屍布包裹她（十八世紀的丹麥顯然流行使用裹屍布），假裝正在為她安排葬禮。海爾妲對裹屍布的包法百般挑剔，用老師的嚴格口吻抱怨裹屍布不夠潔白，最後她終於安穩躺下、漸漸入睡。

家人為她脫掉裹屍布，把她挪到床上，希望這場鬧劇可以到此為止。沒想到海爾妲醒來之後依然故我，立刻堅持自己必須下葬。家人不願意真的把海爾妲埋進土裡（即使只是為了安撫這位吵鬧不休的病人，他們也不肯假裝將她下葬），所以他們只剩一條路可走：等待這奇怪的幻覺自動消失。

後來幻覺真的消失了──可惜只是暫時的。每隔幾個月，幻覺就會從頭再來一遍，海爾妲深信她已經死了，不明白為什麼只有她看清這個事實。

科塔爾症候群：明明活著，卻堅稱自己死了？

在邦納記錄這個事件之前，科學文獻裡沒有出現過海爾妲這樣的案例。但在那之後，科學文獻收錄了許多類似案例。由於類似案例夠多，我們可以相信海爾妲不是神經學上的偶發特例，這是一種症狀明確的神經疾病，而且症狀或可預測。這種疾病非常罕見，很難預估可靠的發生頻率，但沒有罕見到無人知曉，它的名字是：科塔爾症候群（Cotard’s syndrome）。

病名源自法國神經學家朱爾斯．科塔爾（Jules Cotard），他生活於十九世紀下半葉。一八七四年，科塔爾在巴黎近郊的一個小鎮工作，碰到一名患者說自己沒有腦、神經和腸子。她宣稱自己不需要吃東西也能活著，而且感覺不到疼痛。關於疼痛的部分似乎可信：科塔爾的文字紀錄說他「把大頭針深深刺進」她的皮膚裡，她卻毫無反應（和現在相比，十九世紀的醫生不用太擔心醫療糾紛）。

科塔爾稱這位病患為 X 小姐，她的情況不是相信自己是死人，而是認為自己處於某種中間狀態──既非生，亦非死。她擔心自己會永遠困在這種不明不白的狀態裡，所以渴望真的死去。她認為只有活活燒死──雖然缺少有力的證據──才能讓她得到真正的死亡。她試著自己動手證明這個想法，所幸沒有成功。科塔爾對 X 小姐的情況很感興趣，他查找過去有沒有類似案例，沒想到居然找到好幾個。有人說自己正在慢慢腐爛，有人說自己沒有血液或是沒有身體，還有人被拋進永恆的虛無裡，或是處於某種存在的分歧狀態。

科塔爾認為，他們的症狀屬於同一類疾病。他稱之為否認妄想（délire de negations）。妄想指的當然是患者對明顯虛假的事情深信不疑，科塔爾用否認一詞來形容這些病患最顯著的特徵：他們否認自己擁有（對多數人來說）生存不可或缺的東西。

科塔爾過世幾年後，另一位科學家在寫到否認妄想時，稱這種疾病為科塔爾症候群。從那之後，這種疾病曾被稱為科塔爾症候群、科塔爾妄想症，有時也叫做活死人症候群。科學家大多避免使用「活死人」這個詞，因為自稱死亡只是科塔爾症候群的諸多表現方式之一（而且這種不科學的誇飾用語，大部分科學家一聽就尷尬），前面介紹過的幾種存在狀態反而比較常見。

科塔爾症候群還有許多其他症狀，例如冷漠、感覺變敏感或變遲鈍、感覺不到飢餓或口渴（並因此絕食或脫水）、出現幻覺、焦慮、嚴重憂鬱、自戕、有自殺傾向等，這裡列出的僅是一小部分。患者否認自身存在，這讓他們的病情聽起來像小說情節。

——本文摘自《大腦獵奇偵探社：狼人、截肢癖、多重人格到集體中邪，100個讓你洞察人性的不思議腦科學案例》，2024 年 7 月，行路出版，未經同意請勿轉載。

• 作者／照護線上編輯部
• 本文轉載自 Care Online 照護線上《突然頭痛、眼皮垂，竟然是「頸動脈剝離」》，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

「你知道嗎？隔壁卜先生不到 50 歲，昨天突然就中風了呢！」

「哇！上個星期看到卜先生時，看起來人還好好的呢！」

「聽說是『頸動脈剝離』引起中風的，你之前聽過這個病嗎？」

相信很多人已經聽過「主動脈剝離」這樣會引發胸痛、血壓下降、甚至猝死的急症，不過呢，動脈剝離不只會發生於主動脈，也可能出現於其他位置的動脈。今天我們來看看另一位置發生的動脈剝離疾病—頸動脈剝離。頸動脈剝離患者的年齡比較輕，最常發生於 40 歲至 50 歲之間的患者身上，因此頸動脈剝離是 50 歲以下患者罹患中風的常見原因之一。

要了解頸動脈剝離，我們需要先來分別了解頸動脈的重要性和什麼是動脈剝離。頸動脈位在脖子兩側，負責供應通往頭頸部與腦部的血流。第一部分稱為總頸動脈，左側的左總頸動脈由主動脈直接發出，右側的右總頸動脈由頭臂動脈發出；之後總頸動脈在頸部會分支成外頸動脈與內頸動脈。外頸動脈負責了支援臉部與頭皮的血流；內頸動脈則提供了腦部前方的血流。有了這個基本概念後，我們可以知道萬一頸動脈出了事情，很可能會造成頭頸部與腦部出現症狀。

至於動脈剝離的概念，需要先了解血管壁有分層，動脈剝離代表血管壁最內層的內皮受傷，出現裂痕，以至於血管內的血液經過內層裂痕，進到血管壁分層之間，並將血管壁分層撐開，導致血管壁鼓脹。這時，血流速度會因此減緩，甚至停住，還會形成血塊栓子；鼓脹的血管壁也會壓迫到周遭的組織與神經，進而造成症狀。

頸動脈剝離的原因

所以，究竟什麼原因會讓頸動脈的內皮受傷，出現裂痕，而導致了頸動脈剝離呢？若長期血壓高，有抽菸習慣，或本身有結締組織疾病「馬凡氏症候群」，都會讓血管壁比較容易受傷，出現裂痕，因此導致了頸動脈剝離。

另外，頸部受到外傷，或者活動、運動過於激烈，也會造成血管壁受傷。於是，車禍是頸動脈剝離的常見原因。而玩雲霄飛車、滑雪、潛水、玩彈跳床、或按摩，甚至是咳嗽突然間太大力，都曾出現引發頸動脈剝離的案例。

頸動脈剝離的症狀、診斷、與治療

頸動脈剝離後，通往頭頸部與腦部的血流速度降低，血流不足，可能會造成頭痛、脖子痛、眼睛痛、頭皮疼痛。有些患者的症狀就只有疼痛而已，但有些患者在頸動脈剝離後，會出現單側眼皮垂墜並瞳孔縮小、單側肢體無力等中風症狀，這些症狀可以是突然出現，也可能在頸動脈剝離後幾天內逐漸浮現。

若臨床檢查擔心有頸動脈剝離的可能，醫師會安排頸部血管攝影檢查。確認診斷為頸動脈剝離後，需要用抗凝血劑或抗血小板聚集的藥物，減少血管內血塊栓子的形成。部分案例需要用頸部血管支架。

避免頸動脈剝離

血管的健康很重要，而要維繫血管健康，一定要養成健康的生活習慣，並避免讓頸部受鈍挫傷。不要使用菸草或抽菸，定期檢查血壓並治療高血壓，保持規律運動習慣，但要避免會容易讓頸部受傷，較危險的活動運動。

• 本文轉載自 Care Online 照護線上《突然頭痛、眼皮垂，竟然是「頸動脈剝離」》，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