治療脫髮有新招

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

• 本文轉載自〈鬼剃頭會好嗎？醫師揭密鬼剃頭成因、康復與 2 大治療！〉
• 作者 / 李育權醫師

頭髮對女明星來說宛如第二生命！髮型的好壞能讓人徹底改頭換面，不僅影響整體氣質，也可以讓大餅臉在視覺上瘦成巴掌臉，而一頭健康的飄逸髮絲更能襯出健康的氣色與活力，但日前知名主持人莎莎就因健康亮紅燈，爆出頭頂出現比50 元硬幣還大的鬼剃頭，以及因免疫系統紊亂，常常莫名流鼻血等，導致忍痛請辭主持十多年的外景節目《食尚玩家》，經過休養才終於好轉。

其實同樣被鬼剃頭纏上的女明星還真不少，陳艾琳、李妍憬、蔡依林等都曾為此所困，有些民眾可能對鬼剃頭存有迷思，覺得鬼剃頭大部分是中高齡以上的男性才會發生，錯！其實鬼剃頭好發的年齡層落在 20 到 40 歲左右，甚至還有大約 2 成的患者是青少年，而且發病的男女性別比例其實差不多。

先不說螢光幕前的明星，光是一般人發現自己頭頂禿一塊，在外表跟心情上就會受到嚴重打擊，到底讓大家避之唯恐不及的鬼剃頭是什麼？又是什麼原因造成掉髮呢？

鬼剃頭大解密：中西醫這樣看落髮

鬼剃頭其實是圓形禿的俗稱，還有另一種說法叫「斑禿」，是一種硬幣般大小的圓形塊狀落髮形式，其實鬼剃頭的發生位置不限於頭部，身體每一處有體毛的地方（眉毛、腋毛、鬍鬚、睫毛等）都有可能發生，只是通常是頭皮最先出現症狀，落髮程度也最明顯。

因為目前西醫還沒有完全了解鬼剃頭的成因，目前僅能推測可能與這些因素有關：

• 自體免疫失調
• 家族遺傳
• 病菌感染
• 服用藥物
• 施打疫苗
• 環境壓力

除了身體免疫失調導致淋巴球反過來攻擊毛囊，造成急性發炎、不正常落髮的可能性之外，臨床觀察也發現鬼剃頭可能也與不健康的生活作息有關，例如：睡眠不足、過度疲勞等。

從中醫的角度來看，人體的生命物質系統是由氣與血構成，無形的氣透過有形的血液運行全身，循環不息的物質、能量與各個部位交互作用，藉以維持人體生命與活動力的正常，因此「血氣」可謂是人體重要的兩大基本物質。

而人的毛囊與「血液暢通與否」有關，《黃帝內經 素問 · 六節臟象論》中記載「髮為血之餘」，只有在氣血運行通暢的前提下，頭髮才長得出、長得好。而「心」和「肝」是影響血液的兩個重要臟腑，如果「心、肝」的負荷過大，造成肝氣鬱滯、心血不足，影響到全身血液的運行時，就可能因為皮毛失養，讓頭皮變得鬆軟、無力，而有落髮的狀況出現，例如：長期處於高壓的環境，日夜顛倒、熬夜等不正常作息，或過度勞心勞力、煩惱跟需要憂慮的事情太多等。

萬一真的不幸患上了鬼剃頭，難道就沒救了嗎？

這倒是不用擔心，鬼剃頭雖然會落髮，但頭皮毛囊本身並沒有壞死，當患者的身體狀況恢復後，是可以再重新長回頭髮的！

除了透過中醫調配疏肝解鬱、補養心血、清熱的中藥來調理身體，也可以透過針灸改善掉髮狀況，如果想尋求西醫治療，建議鬼剃頭患者去看皮膚科，經皮膚科醫師詳細檢查後，根據症狀選擇局部注射、冷凍療法或塗抹類固醇等治療方式。

但要注意，鬼剃頭雖然是短期症狀，超過半數的患者會在 1 年內恢復，不過鬼剃頭是會不斷復發的，所以還是要做好日常保健、維持良好的生活作息，才能真正杜絕落髮窘境。

延伸閱讀：

• 鬼剃頭會好嗎？醫師揭密鬼剃頭成因、康復與2大治療！

• 醫砭4-1
• 醫砭2-2-7-13 腎，其華在髮

髮色絕對是人與人之間，外貌差異最明顯的特徵之一，拜染髮劑所賜，我們在生活中能見到各式各樣的髮色，不同年度和季節，甚至會出現像是「奶茶棕、亞麻綠、霧灰藍」的髮色流行趨勢！

然而，當我們撇去染髮劑帶來的效果後，全世界各地人們的天然髮色其實主要只有 4 種而已！其中，黑色是最常見的顏色，也是臺灣人最熟悉的髮色，占世界總人口的 80% 左右，其次是棕色，然後是金色和紅色。

在天然髮色中，紅髮是最罕見的髮色，在全球總人口中所占的比例不到 2%，紅髮人主要分佈在歐洲西部與北部，特別是在英國不列顛島附近的地區。

關於紅頭髮，坊間有一個有趣的傳聞——紅髮人比較難麻醉！

近期美國麻省總醫院的團隊，發表在 Science Advances 期刊上的研究¹，或許能讓我們一窺這個傳聞背後的可能機制。

髮色怎麼來的？

人類的髮色是怎麼產生的？讓我們從毛囊 (Hair follicle) 說起。

毛囊是皮膚的附屬器官 (appendages) ，而毛髮就是由毛囊所生成的。毛囊除了用來生長毛髮，也可幫助維持表皮的機能，免受外界環境的損傷，在組織更新和外傷修復中發揮重要作用²。

髮色則是由毛囊中的黑素細胞 (Melanocyte) 所決定，黑素細胞會隨著毛囊的生長，將產生的黑色素嵌入毛髮中，使其看來有顏色。

毛囊中的黑素細胞會生產兩種黑色素 (Melanin)：真黑色素 (eumelanin) 及褐黑素 (pheomelanin)，真黑色素的含量越多，毛色越黑；褐黑色素越多則偏紅。

黑色素除了會影響毛髮、皮膚和瞳孔的顏色，也是重要的物理防曬劑。可以幫我們吸收過多的紫外線，保護皮膚中細胞的 DNA 不會受到紫外線傷害。

造就紅髮的重要基因——MC1R

研究顯示，與紅髮關係最密切的基因是 MC1R。

MC1R 的蛋白質產物為黑素皮質素受體 1 (melanocortin 1 receptor，MC1R)，其主要表現在皮膚細胞及黑素細胞的細胞膜上。

黑素皮質素受體 1 會受黑素皮質素 (Melancortin) 的活化，黑素皮質素受體 1 活化後會改變黑素細胞產生的黑色素種類³：當黑素細胞上的黑素皮質素受體 1「未」受到黑素皮質素的活化時，是產生褐黑素為主，反之，但黑素皮質素受體 1 被活化後，就會改為產生真黑色素，讓皮膚和髮色變深。

紅髮的人因 MC1R 基因有突變，黑素細胞上的黑素皮質素受體 1 無法被正常活化，這讓黑素細胞無法產生真黑色素，而是不斷產生褐黑素，因此讓髮色呈紅黃色。

如果你天生紅髮，就不怕被曬黑？

你知道嗎？因黑素細胞無法生成真黑色素，所以紅髮的人皮膚「不會被太陽曬黑」！

雖然這聽來是很多人夢寐以求的能力，但其實一點也不好。

前面有提到，黑色素的一個重要功能，就是抵禦紫外線對皮膚細胞的傷害，因此紅髮的人若沒有做好防曬，很容易曬傷，罹患皮膚癌的比率也比常人更高⁴！

雖然造成紅髮的基因主要受 MC1R 影響，不過根據英國在 2018 年的大規模基因分析研究顯示，除了 MC1R，其他的基因變異也會影響紅髮的表現（例如影響紅色的深淺），只是對髮色的影響沒有像 MC1R 這麼有決定性⁵。

紅髮人比較難麻醉？傳聞還是真有此事？

在麻醉界有個傳聞，那就是紅髮的病患需要更多麻醉劑才能麻醉。

2005 年，美國路易斯維爾大學的研究團隊，就對這個傳聞做研究⁶，該研究分別對 30 名黑髮女性和 30 名紅髮女性，進行疼痛與麻醉測試。

結果顯示，紅髮的人對熱疼痛更敏感、對連續性疼痛刺激（如電引起的疼痛）較不敏感，而且紅髮的人確實需要更大劑量的麻醉劑才能被麻醉！

這表示髮色可能與改變人「對某些類型疼痛的敏感性」，以及「麻醉抗性」有關。

找出 MC1R 基因與疼痛的連結

有了上述研究的基礎，美國麻省總醫院的團隊決定深入了解其中的分子機制。

科學家選用一株和造成人類紅髮機制類似的小鼠，這些小鼠由於 MC1R 的突變，導致黑素皮質素受體 1 無法發揮作用，因此黑素細胞無法產生真黑色素，而讓毛色呈紅色。

跟紅髮的人類一樣，科學家也發現，這些紅毛小鼠對疼痛的耐受性比正常小鼠更高。

為甚麼紅毛小鼠也比較不怕痛？其中的原因頗複雜，讓我們一起慢慢拆解箇中奧妙！

首先，黑素皮質素受體 1 的活化除了會促使黑素細胞產生真黑素，同時也會讓黑素細胞產生前腦啡黑細胞促素皮促素 (Pro-opiomelanocortin, POMC)。

POMC 是甚麼？可以把它想成是一個「激素複合體」，也就是 POMC 會被酵素切割成不同片段，而每個片段在被細胞修飾後，都能作為一種激素使用。

目前知道 POMC 主要會分成成四種激素⁷：

1. α-黑色素細胞刺激素 (α-Melanocyte-stimulating hormone, α-MSH)
2. 促腎上腺皮質素 (adrenocorticotropic hormone, ACTH)
3. β-內啡肽 (β-Endorphin)
4. 甲硫腦素 (Met-enkephalin)

這四種激素每個要細講都很有故事，建議有興趣的讀者可自行查閱（畢竟它們不是這篇文章的主角），這邊只簡單羅列一下它們的功能：

• α-黑色素細胞刺激素( α-MSH)：與調節食慾、性慾和黑色素生成有關
• 促腎上腺皮質素 (ACTH)：調控糖皮質素 (glucocorticoid) 的分泌，糖皮質素是腎上腺皮質素的一種，與人體內糖、脂肪、和蛋白質的生物合成和代謝的作用有關，還具有抗發炎、免疫抑制與中樞興奮等作用
• β-內啡肽 (β-Endorphin)和甲硫腦素 (Met-enkephalin)：前者是腦內啡，後者是腦啡肽。兩者都是內源性鴉片物質，會和中樞神經系統內的神經細胞，其細胞膜上的鴉片類受體 (Opioid receptors) 結合，達到鎮痛的效果。

當 MC1R 基因突變後，POMC 也沒了

紅毛小鼠因 MC1R 突變，使黑素細胞上的黑素皮質素受體 1 無法被活化，也就無法產生 POMC，由 POMC 分出的四種激素也不會產生。

起初研究團隊懷疑紅毛小鼠是因為 β-Endorphin 這種具有鎮痛效果的激素減少，而改變牠們的疼痛耐受性，但研究顯示，破壞正常小鼠產生 β-Endorphin 的能力，或者破壞正常小鼠神經細胞上的鴉片類受體，都不會讓小鼠的疼痛耐受性上升，只有破壞紅毛小鼠的鴉片類受體，才會降低牠們的疼痛耐受性。

因此他們排除紅毛小鼠是因 β-Endorphin 的減少，而有較高的疼痛耐受性，但鴉片類受體產生的下游訊號，會影響疼痛耐受性。

接著研究團隊把目光放在 POMC 所分出的另一個激素：α-MSH 上。

研究顯示，紅毛小鼠血液內的 α-MSH 量確實有減少。因此他們把 α-MSH 重新補充到紅毛小鼠體內，看會發生甚麼狀況，結果顯示，隨著 α-MSH 的量上升，紅毛小鼠的疼痛耐受性降低了！

這個結果讓研究團隊推測，神經細胞上 α-MSH 受體是影響紅毛小鼠疼痛耐受性的關鍵。

當「親戚」也參一腳，耐痛能力又不同！

好巧不巧，神經細胞上 α-MSH 的受體，和黑素皮質素受體 1 是親戚，那就是黑素皮質素受體 4 (melanocortin 4 receptor，MC4R)，而黑素皮質素受體 4 在人體中與食慾、性慾和食物代謝功能等有關⁸。

研究團隊發現，破壞正常小鼠的黑素皮質素受體 4 後，牠們的疼痛耐受性確實上升了，這顯示黑素皮質素受體 4 確實會影響小鼠的疼痛耐受性。另外和紅毛小鼠（黑素皮質素受體 1 異常）一樣，黑素皮質素受體 4 異常的小鼠，如果鴉片類受體的下游訊號被抑制，疼痛耐受性也會降低。

耐痛的兩個關鍵：MC4R、鴉片類受體

腦導水管周圍灰質 (Periaqueductal gray, PAG) 的細胞會分泌腦啡肽抑制疼痛，PAG 的已知功能包括對疼痛的調控、防衛行為、生殖行為和發聲等功能，科學家也在小鼠的 PAG 區域觀察到：

鴉片類受體和黑素皮質素受體 4 會同時表現在此區的神經細胞上。

根據人腦的基因表現資料庫，研究團隊指出，除了 PAG 外，大腦中還有其他區域也會同時表現鴉片類受體和黑素皮質素受體 4，也有其他研究顯示，部分同時表現鴉片類受體和黑素皮質素受體 4 的區域，與調控疼痛有關¹。

綜合以上結果，研究團隊提出以下的模型：中樞神經細胞中的鴉片類受體和黑素皮質素受體 4 在調節疼痛上，彼此是互相抗衡的！

也就是說，鴉片類受體的功能，是「抑制」疼痛；黑素皮質素受體 4 則相反，是「增加」疼痛。

而小鼠對疼痛的耐受性，會因這兩個受體下游訊號的平衡不同而被影響。

根據提出的模型，他們推測紅毛小鼠的疼痛耐受性較高的原因如下：

紅毛小鼠因 MC1R 異常，無法產生POMC。這會讓小鼠體內的β-Endorphin和α-MSH的量降低。這兩個激素的降低，會讓神經細胞上的鴉片類受體和MC4R的下游訊號降低。但小鼠體內除了β-Endorphin，還有其他內源性鴉片物質 (如Endomorphin)可以活化鴉片類受體，讓鴉片類受體的下游訊號不像 MC4R 減少的那麼多。因此在神經細胞中，止痛的訊號 (鴉片類受體) 強過疼痛的訊號 (MC4R)，這就讓紅毛小鼠有更強的疼痛耐受性了。

科學家尚未找出紅髮人不怕痛的細節

雖然小鼠的實驗結果顯示，黑素皮質素受體 1 異常會讓疼痛耐受性上升，但這個結果顯然跟以往的人類研究結果不太一樣，先前的研究顯示紅髮人對不同類型的疼痛，耐受性並不相同。

另外研究團隊提出的類鴉片受體／MC4R 平衡模型，是否在人體上也適用，還需要很多測試，畢竟人體產生 POMC 和內源性鴉片物質的機制，比小鼠更複雜。

而關於麻醉的問題，小鼠實驗（或者說團隊提出的模型）也無法解釋為何紅髮人比較難麻醉，畢竟疼痛耐受性的改變是否會影響麻醉抗性，目前沒有確切的證據能指出兩者的關聯。

儘管目前只有小鼠的實驗，但這篇研究不僅指出皮膚產生的訊號，會參與並調節疼痛，同時也開啟新的止痛研究方向，那就是黑素皮質素受體 4 。研究團隊也表示，未來會針對黑素皮質素受體 4 做更深入的研究，或許黑素皮質素受體 4 將是一個新的止痛標靶。

紅髮，不僅與眾不同，也不簡單！

看到這兒，不知道讀者們會不會有我看完這篇文章的感受：造就紅髮背後的機制，竟然可以延伸出這麼複雜的生理反應！

紅髮是最罕見的天然髮色，它的珍稀性不僅吸引人的目光，也開啟了新的研究道路。或許每個非主流事物的背後，都有著無限的可能，尊重並了解這些獨特，也將開啟我們的視野和思想！

1. Robinson KC, Kemény LV, Fell GL, Hermann AL, Allouche J, Ding W, Yekkirala A, Hsiao JJ, Su MY, Theodosakis N, Kozak G, Takeuchi Y, Shen S, Berenyi A, Mao J, Woolf CJ, Fisher DE. Reduced MC4R signaling alters nociceptive thresholds associated with red hair. Sci Adv. 2021 Apr 2;7(14):eabd1310
2. 毛囊
3. Melanocortin 1 receptor
4. Robles-Espinoza, C., Roberts, N., Chen, S. et al. Germline MC1R status influences somatic mutation burden in melanoma. Nat Commun 7, 12064 (2016).
5. Morgan, M. D., Pairo-Castineira, E., Rawlik, K., Canela-Xandri, O., Rees, J., Sims, D.,& Jackson, I. J. (2018). Genome-wide study of hair colour in UK Biobank explains most of the SNP heritability. Nature communications, 9(1), 5271.
6. Liem EB, Joiner TV, Tsueda K, Sessler DI. Increased sensitivity to thermal pain and reduced subcutaneous lidocaine efficacy in redheads. Anesthesiology. 2005;102(3):509-514. 
7. Proopiomelanocortin
8. Melanocortin 4 receptor
9. https://www.massgeneral.org/news/press-release/Research-reveals-why-redheads-may-have-different-pain-thresholds