HIV感染者的器官移植成功率 (理性版)

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

哪些人會需要換肝呢？

需要換肝的族群年齡分佈大致上呈兩大族群，一邊是剛出生帶有先天疾病的小朋友，一邊是後天罹病的成年人^[1]。譬如說小兒科會見到的膽道閉鎖，這些小朋友天生膽道就發育不良，膽汁無法順利排到膽管，而淤積在肝臟。如果不處置，會在數個月後快速進展成肝衰竭而有生命危險。

成年人需要換肝的在在台灣以前常見的是因為 HBV 或 HCV 造成的猛爆性肝炎，現在可能就屬肝癌、酒精性肝炎、非酒精性脂肪肝炎、藥物中毒等最為大宗。依照巴賽隆納小細胞肝癌（hepatocellular carcinoma）治療指引^[2]，在肝功能還未受損太嚴重時，若腫瘤數目、大小、位置理想，肝癌病人是可以接受換肝手術，「治癒」肝癌的。這比起許多以延長幾個月的餘命為目標的癌症治療而言，是很難得的。

台灣其實是特例？國際肝臟移植的現況

據衛福部 2020 年統計數據，台灣 2005 至 2018 總計執行了 6211 例的肝臟移植，其中活體肝臟移植就佔了其中的 4915 例^[3]。所謂的「活體」移植就是在幾乎相同的時間內，兩個開刀房、兩組醫護人馬，同時開刀，一邊把受贈者有問題的肝臟取下，一邊把捐贈者的部分肝臟擷取，最後接到受贈者體內。這也常常躍升至媒體，如「捐肝救父」、「捐肝救子」的佳話。

活體移植不僅考驗主刀者的技術、也考驗醫護團隊的默契。開刀只是其中一關，開刀前的配對、開刀後的術後照顧、抗排斥治療等等，皆是重重的考驗。不過台灣日本等國家活體移植的盛行，其實是國際移植界的特例。

活體移植牽涉到的倫理議題，也讓台灣目前活體移植只限於親屬。若非親屬捐贈，則只能排隊，等意外死亡者的肝臟捐贈。所以在國際上行之有年、且更常見的其實是大體捐贈，一般上會是來自因意外或因疾病而腦死的病人。

肝臟從捐贈者體內被取出後，會在 2-5°C 的液態保存液中暫存，並且在數小時內必須移植到受贈者體內。這黃金數小時，是沒有血液灌流的，換句話說，肝臟組織無法有效率的得到生存所需的氧氣，以及排泄代謝廢物，所以一般來說會把這段黃金時間限縮在 12 小時內。如果算上捐贈肝臟組織的運輸以及兩個手術（捐贈以及受贈者）的時間，整個移植是一個跟時間賽跑的過程。如果到目前為止，這個任務還不夠艱鉅的話，我們可以看看美國的統計數字。

在美國大約有 17,000 人在等肝臟捐贈，但實際上每年只有約 6,500 個肝臟被捐贈^[4]。所以肝臟捐贈目前還是非常短缺的，而需要換肝的人在等待過程中，存活機率也一點一滴的流失。

全新的方向：瑞士的跨領域研究

在大體捐贈以及活體移植各有其限制的狀況下，一組在瑞士的人馬開始了一個全新的肝臟移植方式^[5]。這群人結合了工程、生物化學以及醫學專業，一起研發了一台機器，可以在體外模擬許多類似人體內的環境，讓肝臟在移植過程中，有最小的轉換過程。可能的環境衝擊包括溶血、血行動力學不穩、溫度控制、血糖控制、肝醣消耗、以及物理壓力造成的組織壞死。而在今年，他們發表了第一個使用此機器的人體肝臟移植案例。

肝臟組織是來自一個 29 歲的年輕病人，因為腹部硬纖維黏液瘤（desmoid fibromatosis），併發長期感染以及敗血症，為了要控制病情而必須切除部分肝臟組織。一般來說，這樣的肝臟組織是不會再捐出去的，不只因為有腫瘤病史，而且又有進行中的感染，如果腫瘤細胞在受贈者體內繼續生長，或是感染持續進行，那麼受贈者的預後一定也很慘淡。但是這組瑞士人馬，在經過捐贈、受贈者兩方同意後，決定利用手術後剩下的肝臟組織。於是這個被取下來的肝臟組織，在肝門靜脈、肝動脈、下大靜脈、以及總膽管都被恰當的接到機器上後，就開始了這個神奇的體外之旅。

一切的變因都盡量模擬體內環境，包括溫度（37 度）、血液灌流速度、脈衝式血壓，並且持續抗生素（因為捐贈者有細菌以及真菌感染）。三天後，這個肝臟再重回人體中，是位 62 歲的受贈者。

這個嘗試特別的地方在於，雖然肝臟在體外保存了三天，卻沒有在大體捐贈常見的組織再灌流傷害（是指經過一段缺血的時間後，血管重新被打通，血液帶來充足的氧氣，但同時也產生很多自由基），這是只有活體捐贈才比較能看到的優點。而且可能因為肝臟先天免疫功能的保留，後續的排斥反應並不明顯，病人術後的抗排斥藥用量逐步地降低。與此同時，體外保存期間還可以持續治療，譬如在這個例子中的抗生素治療，讓一些本來無法使用的組織，變成可以捐贈的祝福。

肝臟移植的一線曙光

雖然在台灣大體肝臟捐贈比較不常見，反而活體肝臟移植是比較盛行的做法，但活體移植仍存有道德辯證、危害健康捐贈者健康等等的疑慮。畢竟捐贈者一般都是健康人，而捐肝的大手術也是有一定的風險的。

在這個器官需求者眾、捐贈者匱乏的社會中，這個體外保存的技術絕對是一個令人興奮的新發明。只是就像任何新的醫學發明，臨床的資料需要長期而且大量病患的累積，才能有足夠的證據支持。這個幸運的受贈者已經持續被追蹤了一年，也許再五年、十年，再百個、千個病人，而有了世代研究，體外保存技術將會變成移植醫學的顯學。

1. Kasper, D. L., Fauci, A. S., Hauser, S. L., Longo, D. L. 1., Jameson, J. L., & Loscalzo, J. (2015). Harrison’s principles of internal medicine (19th edition.). New York: McGraw Hill Education.
2. Llovet, J.M., Fuster, J. and Bruix, J. (2004), The Barcelona approach: Diagnosis, staging, and treatment of hepatocellular carcinoma. Liver Transpl, 10: S115-S120. 
3. 衛福部公布：我肝移植成功率逾八成高雄長庚雙冠王
4. https://hospital.uillinois.edu/primary-and-specialty-care/transplantation-program/liver-transplantation/your-liver-transplant-options/cadaver-liver-transplant
5. Clavien, PA., Dutkowski, P., Mueller, M. et al. Transplantation of a human liver following 3 days of ex situ normothermic preservation. Nat Biotechnol (2022).

2022/3/10 更新： 雖然本次案例中的豬心移植並未發生超級排斥反應，可謂跨過一大門檻。有了豬心，甚至讓貝內特得以回家與家人共度時光。但在進行手術兩個月後，他的病情仍舊惡化，近日報導傳出貝內特於 2022 年 3 月 8 日死亡。 目前確切的死因仍舊不明，尚待團隊發表調查結果。

新聞連結：https://www.bbc.com/news/health-60681493

2022 年 1 月，COVID-19 疫情陰影之下，器官移植的技術翻過了重大的一頁。美國馬里蘭大學宣布完成首例基改豬心移植人體的手術，至目前為止，患者尚未出現排斥現象，也創下心臟「異種移植」（Xenotransplantation）在人類身上成功的首例。

救人性命的「器官移植」面臨哪些挑戰？

細胞、組織、器官、系統，這是我們在學習人體構造的時候就耳熟能詳的層級概念。如果將動物體視作一個密切協作的機械，那麼各個器官就會像是其中的關鍵零件：心臟主要輸送血液到全身上下，肺臟從事氣體交換，腎臟將血液的雜質濾出製成尿液，肝臟則主司代謝調控身體中的各種物質。這些器官只要有一個失去功能，就會導致生物體的死亡。但既然是「零件」，現今的醫學已經可以在一定的程度上做到「更換零件」，讓生命延續下去──也就是「器官移植」。

在台灣，自從 1968 年台大醫學院李俊仁教授完成亞洲第一例活體腎臟移植手術，開啟器官移植的新頁迄今，器官的捐贈與移植已經一路擴展到心臟、肺臟、肝臟、胰臟、腸。雖然我們將器官移植比喻為換零件，然而實質上器官移植所要克服的難關，遠比機械換零件要嚴苛、複雜許多。

• 延伸閱讀：【科學簡史】那台灣呢？–雖死猶生的器官移植(終章)

首先第一道難關，就是「器官排斥」。人體的免疫系統會辨識外來物質。在大多數的情況下，這些外來物屬於會讓身體生病的「病原體」，而免疫系統的工作便是不管是細菌、病毒、寄生蟲，一律加以攻擊，避免進一步感染。因此，移植時放入的器官，也會被免疫系統視作「外來物」攻擊。這樣的反應，就是一般所說的「移植排斥」（transplant rejection）或是器官排斥。

一般來說，器官移植之前，會進行幾項配對檢測，包括 ABO 血型、組織抗原（major histocompatibility complex，MHC）交叉試驗，以盡可能找到合適的配對、減少免疫反應發生的機率與嚴重程度 ^[註1]。而即使經過這些配對檢測，器官的受贈者也需終身服用「抗排斥藥物」免疫抑制劑，抑制原有的免疫反應，在器官排斥與外來感染間取得平衡。

此外，器官移植的另一道難關，就是如何取得合適的器官。隨著器官移植的技術發展，肝臟與腎臟尚有機會接受活體捐贈，但如心臟等器官，卻必須來自腦死判定的捐贈者，數量稀少且不穩定。以台灣 2020 年統計，共有 79 例心臟捐贈，然而全台等待移植者接近 200 人，許多患者只能坐等時間流逝，寄望大愛的遺贈能有機會降臨，拯救自己一命。

捐贈的器官不夠，以至於許多病人在等待的過程中逐步邁向死亡，這也是為什麼人們把腦筋動到其他動物身上，尤其是豬。

使用豬作為器官來源有哪些缺優點？

事實上，異種移植完全不是什麼新概念，人類利用動物製劑作為醫療材料已經超過百年。早在 1930 年代，我們就使用豬胰島素治療糖尿病；而使用豬的心臟瓣膜來修補瓣膜出現問題的人心，也已經有幾十年的歷史。然而，如前面所述，人與人之間的器官尚且有排斥的情況，更何況來自豬或者狒狒的器官，其表面的組織抗原跟人體差異更大，排斥反應會更劇烈、更難以抑制。

可是，使用豬隻作為器官來源，仍有許多優點。靈長類動物（如黑猩猩或狒狒）與人的親緣較為接近，但其飼養與繁殖相對於豬困難許多，而且靈長類多為保育類，存在更多倫理上的限制。此外，豬在生理與解剖結構上與人類足夠接近，扣除排斥的問題，豬隻的器官相當有機會勝任維繫人體功能的角色。

因此，長久以來豬隻基因改造（genetic modification, GM）的一個重要議題，就是如何使其更「人類化」，以避免排斥 ^[註2]。隨著對基因體表現的瞭解逐年深入，加上近十年來 CRISPR 技術發展，因應器官移植需求而打造的「基因編輯豬」，從科幻構想，一躍而成為發展中的現實。

現階段，有許多團隊都在發展供器官移植的基因改造豬，除了聯合治療公司（United Therapeutics）以外，還包括 eGenesis 研發的無豬內源性反轉錄病毒（PERV）豬、紐西蘭 NZeno 的迷你豬等，或許還有更多尚未浮現檯面的團隊。

第一例豬心移植可以告訴我們的事

2022 年 1 月 7 日，57 歲的大衛．貝內特（David Bennett）在馬里蘭大學醫學中心（UMMC）成功獲移植了一顆經基因改造的豬心，這顆豬心來自聯合治療公司旗下的生技公司 Revivicor 的基因改造豬。這個系列的基因改造豬有 10 個基因位點經過改造，其中剔除了 3 個豬原有的基因，以免引發人體免疫反應，然後加入 6 個人類基因，讓身體願意接受外來器官，最後一個改造則讓豬心不會對生長激素持續反應，讓心臟可以維持在人體所需的大小。

在此之前（2021 年），紐約大學朗格尼醫學中心（NYU Langone Medical Center）曾將同系列豬隻的腎臟接到兩位已被判定腦死的病人身上，確認了豬腎可以在人身上運作，不但沒有發生排斥反應，而且代謝運作良好。相關研究人員曾進一步向美國 FDA 申請進行豬心的臨床試驗，但是遭到駁回。根據馬里蘭大學醫學中心移植小組外科醫師曼蘇爾．莫希丁（Muhammad Mohiuddin）的說法，團隊被要求先完成 10 次豬心移植到狒狒身上的實驗，才可以進一步進行人體試驗。以靈長類動物如狒狒作為移植模型，以瞭解潛在的副作用與改進之道，是這類研究常見的作法。2000 年國際心肺移植學會（ISHLT）曾提出綱要，認為接受移植的靈長類動物需有 60% 存活超過 3 個月，存活個體至少 10 隻，且顯然有機會繼續活下去，才能考慮進入臨床試驗。

然而，貝內特的特殊狀況讓此次的豬心移植成為可能。貝內特患有心律不整，無法外接機械式的心臟輔助裝置，加上有過不遵醫囑的醫療紀錄，使其獲准得到心臟的機會微乎極微 ^[註3]。而貝內特的心臟狀況若不移植就只能等死，因此 FDA 特別通過了本次的豬心使用。貝內特獲得的是死中求生的機會，而對研究人員來說，則是獲得了豬心在人類患者身上如何運作的臨床資料。

使用靈長類動物進行研究一舉，讓科學家獲得許多異種移植的重要資訊，比如從針對狒狒的研究中，獲得了不少異種移植的用藥資訊，更發現早期接受移植的狒狒，都由於豬心快速生長而死亡。然而，許多研究人員或許已經非常期待將動物實驗逐步轉向臨床，因為將豬心放到健康狒狒身上所得到的數據，仍與重病纏身的人類有很大的不同。無論是免疫或藥理方面，研究人員當然更希望獲得與人體有直接關聯的資訊。

豬心移植創下先河，進入臨床仍待研究

然而，要看到豬隻的器官正式被納入臨床移植使用，恐怕還有許多問題有待釐清。這些問題包括（但不限於）使用異種器官潛藏的感染風險，縱使這些基因改造豬可以被養在高規格的飼養環境，避開一般豬隻帶有的病毒與細菌，豬隻基因體內的「內源病毒」對人體的風險仍有待釐清 ^[註4]。即使豬隻經過多種基因編輯，並且順利熬過異種移植的急性排斥期後，是否還有潛在的問題需要克服，目前尚無人得以逆料。

此外，隨著醫療設備近二十年的發展，使用血液透析（替代腎臟）或機械輔助設備協助血液運行（替代心臟）的方法亦越來越常見。或許，在等待豬心獲得臨床認可，加入器官庫的行列的同時，醫學技術亦會有所發展，使得器官需求不再如今日這般迫切。由於腎臟或肝臟可由活體移植、不似心臟需求極端迫切；因此肝腎兩者的異種移植研發進展或許將較為緩慢。目前，豬隻的器官移植還處在動物實驗的階段，尚未步入臨床，在人體的研究資料尚且闕如的情況下，相關單位應如何考量患者需求、判斷移植風險，亦將成為倫理與制度需要克服之一大考驗。

醫療技術進展，本就來自於在各種未知中承擔風險、勇敢做出前人未曾做過的事。我們感念這其中的各種參與者，不管是技術研發人員、受試者或是醫師的參與，也希望未來在器官移植的領域，能有更多的好消息，讓那些苦苦等待的人們，盡早獲得救贖。

註解

1. 器官移植的排斥反應通常分成超急排斥反應（hyperacute rejection），發生在器官接上血管後的數分鐘到數小時內；急性排斥反應（acute rejection），發生在數周到一年內；慢性排斥反應（chronic rejeaction），發生在移植數月甚至數年之後。因此貝內特此案例之「成功」僅代表現階段並未發生排斥反應，且豬心基本上可在人體運作，未來是否可能發生慢性排斥反應尚未可知。
2. 異種移植的排斥反應通常更劇烈也更複雜。
3. 器官移植排序的規定各國、各州不同，有些地方的規範會考量患者遵循醫囑的程度或求生意志等。臺灣的規範可見財團法人器官捐贈移植登錄中心 – 附表(各器官分配辦法) 
4. 2017 年已有團隊培育出內源病毒去活化的豬寶寶（詳見：豬隻器官移植新突破：CRISPR技術攻破了「豬內源病毒」的瑪利亞之牆！），但本次的移植豬心應無經過相關的處理。

1. 醫學與倫理：美國首例豬心器官移植面臨的三大倫理爭議 – BBC News 中文
2. 全球首例！豬心移植人體手術完成，可望解決器官短缺問題 – INSIDE
3. First pig-to-human heart transplant: what can scientists learn? (nature.com)
4. In a First, Man Receives a Heart From a Genetically Altered Pig – The New York Times (nytimes.com)
5. 豬腎成功移植人體，異種移植會成為救命稻草嗎？ | GeneOnline News
6. 《基因編輯大革命》： 「基因編輯豬」是器官移植新希望？ The News Lens 關鍵評論網
7. 豬隻器官移植新突破：CRISPR技術攻破了「豬內源病毒」的瑪利亞之牆！ – PanSci 泛科學