0

0
0

文字

分享

0
0
0

恆正的平均餘命,永遠活下去

賴 以威
・2014/10/01 ・3864字 ・閱讀時間約 8 分鐘 ・SR值 453 ・五年級

先前介紹完貝氏定理後,有讀者反應講太快,應該先解釋貝氏定律裡最重要的觀念——條件機率。機率量化了一件事情發生的可能性。而條件機率嘛,比如說,你家樓下住了一位每天慢跑10公里的爺爺,傍晚你們在樓梯間遇到

「爺爺明天70歲生日嗎,都看不出來哎~」

爺爺能順利切到70歲蛋糕的機率,鐵定比台灣人平均能活到70歲的機率大上許多,因為健康的他只要再活一天就可以了。

給定某個條件下某個事件發生的可能性,即稱為條件機率。如果還不清楚,請想像這樣的場景:

-----廣告,請繼續往下閱讀-----

Photo Credit:Matty Ring
Photo Credit:Matty Ring

星期五傍晚,珮穎獨自走在夕陽下。她晚上沒行程,只是單純不想加班。她討厭現在的公司文化,老闆總喜歡把員工綁在公司,綁越久越好。

又不是定存,放著也不會生利息。

她想起離開時,主管的視線越過隔板上方盯著她,心裡忍不住埋怨。

-----廣告,請繼續往下閱讀-----

從馬路轉入小巷子,單行道兩側停滿車子,前方路口有個攤販在準備營業。一位穿西裝的上班族經過攤販,彎進巷子裡。逆光的夕陽將男子剪成一片瘦高的黑影,走近點,他的臉孔從黑影中浮現,一對修長秀氣的眼睛,以男生來說算白的膚色,給人秀氣的感覺,但不是柔弱,是無論面對甚麼事情,彷彿都能從容不迫處理的氣質。

珮穎注意到他的識別證還掛在身上,正想偷瞥一眼,男子突然加快腳步閃進路旁兩台車的縫隙間,對珮穎招手。

嗯?

還沒反應過來,珮穎聽見身後引擎聲響。回頭一看,一台老舊發財車要通過。男子還在對自己招手,遲疑一會兒,珮穎也縮進兩台車的縫隙間。

-----廣告,請繼續往下閱讀-----

「我跟妳換位子吧。」

他高舉包包,與珮穎擦身而過,一陣清新的木香調香水氣味傳來。發財車捲起灰塵離去,男子揮揮手咳了幾聲。珮穎這下看清楚他的識別證了。

那年珮穎25歲,子威29歲。距離台灣男女平均壽命,各自還有57年與47年。

-----廣告,請繼續往下閱讀-----

星期五傍晚,珮穎在夕陽下踱步,落日的餘溫被玻璃隔絕在外,窗戶這側只剩冰冷的空調,醫療儀器的聲響替時間畫下一道道刻度。珮穎坐回病床旁,病房裡總是充滿消毒水的氣味,但一靠近子威,還是可以聞到那股木香調的香水氣味。

子威伸過手來握住珮穎,兩人相視微笑。只要看見夕陽,珮穎就會想起他們第一次見面的畫面,這點子威比誰都清楚。

「50年了,這一切過得真快。」

這一年,珮穎75歲,距離台灣女性平均壽命還有7年;子威79歲,超過男性平均壽命3年。

-----廣告,請繼續往下閱讀-----

巷子裡邂逅後,他們陷入熱戀。2年後的婚禮上,子威開頭第一句話是

「我要謝謝一位發財車司機——」

他們擁有標準的平凡的幸福的生活。生兒育女,儘管偶爾免不了吵架,但只要一到傍晚,總有一方會提議去散步,然後在夕陽下言歸於好。幾十年過去,小孩成家。雖然退休了,他們還得幫忙帶孫子。又過了幾年,孩子總算將孫子接回去自己帶。

-----廣告,請繼續往下閱讀-----

那年子威72歲,珮穎68歲。

正準備好好享受生活,子威卻突然診斷出罹患癌症。美好的生活像紙糊似的,輕易地被命運撞出一個大洞。

Photo Credit:skippyjon
Photo Credit:skippyjon

剛知道病情時,子威很消沉,一度想放棄治療。

「李子威,你滿腦子想死就去死好了!我告訴你,台灣男人平均壽命是76歲,你才72歲,最好你打算這麼丟臉,讓你老婆比別人多守4年寡!」

-----廣告,請繼續往下閱讀-----

說到最後,珮穎分不清自己是在罵人還是在哭泣。子威坐在客廳沙發,一整晚沒回話。隔天傍晚他們去散步,子威給珮穎看了他今天去醫院的診斷報告。一小時後,他住院接受癌症療程。

當晚,珮穎靠在病床上的子威替他削水果。

「第一次見面時,我不是走到前面幫妳擋灰塵嗎?」

珮穎點點頭。子威繼續說

「其實啊,我一直都沒講,當時我有刻意從妳的左側走過去噢。」

「啊?」

「因為心臟在左側,人通常是右撇子,身子會無意識往左傾斜。走在妳左側,妳會錯以為,怎麼自己一直往我身上靠,是不是喜歡我。」

「聽你亂說。」

珮穎嗤嗤地笑著,子威露出認真的表情

「真的,不然為什麼我們跑步都逆時針呢?就是逆時針跑時,靠左傾斜會自動產生向心力,跑起來比較順。」

珮穎半信半疑,卻看到子威似笑非笑地盯著自己,珮穎這才發現自己左半邊靠在子威身上。

「那麼老了還開這種玩笑。」

珮穎作勢打他,但她心底明白,子威是故作若無其事,想讓她安心。儘管受到影響,但他已經恢復成原本那位替她著想,總是把她擺在比自己更重要地位的男人。

Photo Credit:Free Grunge Textures
Photo Credit:Free Grunge Textures

「這幾年辛苦妳了。」

子威拿下氧氣罩,氣若游絲,距離診斷出癌症的那天到現在過了7年,前天他才剛從加護病房出來。醫生覺得子威能活到現在已經是奇蹟了。

珮穎知道這才不是奇蹟,是子威堅強意志力的展現。

「你才辛苦,已經超過平均壽命3年了,你做的很棒。」

珮穎開玩笑地說。子威搖搖頭,眼神望向床頭櫃上的筆記本,珮穎替他拿過來,裡面滿滿的數學式子

「還沒,我還沒贏過我這年紀的預期平均壽命。」

「你這年紀的平均壽命?」

子威休息了一下,一個字一個字慢慢說

「我後來才知道,平常說的是平均壽命是指『剛出生時所預期的平均壽命』,是最短的預期平均壽命。隨著年紀,我們預期能夠活的平均壽命就會慢慢變長。」

「為什麼?」

珮穎不懂,平均壽命就是平均壽命,怎麼會隨著年齡改變呢?

「舉個例子來說,4個同時出生的人,各自活到4歲、10歲、60歲、70歲。這樣平均壽命是幾歲?」

「36歲。」

「5歲時,剩下3個人,這3人的平均壽命是46.7歲。」

子威停下來喘口氣,現在他的光說話就得費上很大的力氣。

「換句話說,給定活到5歲時,平均壽命從剛出生的36歲,提升到46.7歲。增加了10.7年。」

「聽起來有點像條件機率?」

珮穎回答,他們夫妻的數學都不錯。

「年紀越大,樣本空間裡年輕早逝的人被排除在外,我們預期他們能夠活的平均壽命就會越來越長。假設y是表示壽命的隨機變數,則x歲時的壽命期望值為,」

筆記本上寫著

永遠恆正的平均餘命_Eq1

「其中,P(y|x)是指給定x歲的人,壽命為y歲的條件機率。只要活到40歲,能活到70歲的機率就會比20歲時能活到70歲的機率更大。用數學式子表示是P(y=70|x=40) > P(y=70|x=20)。」

子威接過筆記本,翻頁又是一大堆算式。

永遠恆正的平均餘命_Eq2

「我們再來定義一個『x歲的平均餘命』,意思是x歲的人平均還能再活幾年。它的數學式子是,」

他指著第二個加總符號說

「取k’=k+1,可以得到結果為,」

永遠恆正的平均餘命_Eq3

「換句話說,x歲的平均餘命,就是把『給定x歲後,還會活k年的機率』,從k=1到k=∞累加起來。」

子威笑了,那笑容像在草地裏撿到彈珠的小男孩,跑回來跟朋友炫耀的表情。

「我查過了台灣官方的國民生命表。在我這年紀的男性……竟然平均餘命還有8.3年。照你的標準來要求…我還有8年要努力呢……做你的老公……真辛苦。」

子威突然一陣咳嗽,笑容還沒褪去,痛苦的表情湧上混雜在一起。珮穎眼前一陣模糊,她知道子威又在安慰她了。她吸了吸鼻子,試圖讓聲音平穩

「那就辛苦你了,請再為了我多活幾年。」

當晚半夜,子威緊急被送回加護病房。凌晨,珮穎簽下放棄急救同意書。

Photo Credit:Beverly & Pack
Photo Credit:Beverly & Pack

星期五傍晚,珮穎站在夕陽下。紙蓮花被包覆在更大的、火焰形成的蓮花中。已經過了好幾次夕陽,她卻還沒跟子威說到話。這次的冷戰好久。

應該不可能習慣身邊沒有子威吧。不,不是不可能習慣,是我不希望習慣。

「奶奶妳還好嗎?」

孫女打斷了珮穎的思緒。

「爺爺還在的。只是我們看不到而已。」

孫女安慰她。珮穎想起她們相遇時,她正是孫女這個年紀吧。

「奶奶妳搬過來跟我們住好了,這樣爺爺也不用跑太多地方,可以更常回來。」

孫女試探性地問。珮穎知道孫女擔心獨居的自己觸景生情。有很多案例,感情深厚的夫妻一個先離開,另一個走不出來,也很快離開了。

「妳放心,奶奶很堅強,可以照顧好自己,還能活很多年的。妳爺爺教過我一套觀念……」

珮穎向孫女解釋起應用到條件機率的平均餘命。

「照你爺爺的說法,我還有11年好活。太早去鐵定會挨妳爺爺罵的。」

一旁還在念高中的小孫子插嘴說道

「可是奶奶,這觀念有點奇怪,因為機率恆正,不管到幾歲,平均餘命永遠是正的,表示當下的預期平均壽命永遠會大於當下的年紀,那不就是說,人類可以永遠活下去——」

「你閉嘴啦!」

孫女出言制止她那搞不清楚狀況的弟弟。

的確,這聽起來有點像芝諾悖論:烏龜跟阿基里斯賽跑,每當阿基里斯快要追上烏龜,烏龜都會趁著阿基里斯追趕所花的時間,再往前移動一點,阿基里斯又得再追趕。不論靠多近,烏龜永遠有一小段時間可以再前進,阿基里斯永遠追不上烏龜。

小孫子沒說錯,給定現在的年齡,只要沒破人瑞紀錄,永遠有人活得更久。平均餘命永遠大於零,永遠可以活下去。

但跟芝諾悖論不一樣,芝諾悖論有數學上的問題;餘命的觀念儘管看起來不合理,但在數學上完全正確,沒有漏洞。餘命永遠恆正,但那終究只是期望值,還是會有很多人在沒活到那年紀之前就先離開。

這是體貼的子威留給她最後的禮物,一道用完美數學構成的甜言蜜語。

他的意思是,他將永遠陪在她身邊。就像第一次見面一樣,他告訴她車來了,體貼地閃到前方幫她擋灰塵。

「奶奶自己住沒關係,」

珮穎打斷了孫女與孫子的爭執

「這樣爺爺如果回家了,才有人幫他開門啊。」

她朝左望去,夕陽在腳下拉出一道長長的影子,她閉上眼睛,彷彿聞到了子威身上那股淡淡的木香調香水氣味。

註: 更多賴以威的數學故事,請參考《超展開數學教室

Photo Credit:Ruth and Dave
Photo Credit:Ruth and Dave

註:更多賴以威的數學故事,請參考《超展開數學教室》。

-----廣告,請繼續往下閱讀-----
文章難易度
賴 以威
32 篇文章 ・ 10 位粉絲
數學作家、譯者,作品散見於聯合報、未來少年、國語日報,與各家網路媒體。師大附中,台大電機畢業。 我深信數學大師約翰·馮·諾伊曼的名言「If people do not believe that mathematics is simple, it is only because they do not realize how complicated life is」。為了讓各位跟我一樣相信這句話,我們得先從數學有多簡單來說起,聊聊數學,也用數學說故事。 歡迎加入我與太太廖珮妤一起創辦的: 數感實驗室

0

0
0

文字

分享

0
0
0
為什麼越累越難睡?當大腦想下班,「腸道」卻還在加班!
鳥苷三磷酸 (PanSci Promo)_96
・2026/04/30 ・2519字 ・閱讀時間約 5 分鐘

本文與  益福生醫 合作,泛科學企劃執行

昨晚,你又在床上翻來覆去、無法入眠了嗎?這或許是現代社會最普遍的深夜共鳴。儘管換了昂貴的乳膠枕、拉上百分之百遮光的窗簾,甚至在腦海中數了幾百隻羊,大腦的那個「睡眠開關」卻彷彿生鏽般卡住。這種渴望休息卻睡不著的過程,讓失眠成了一場耗損身心的極限馬拉松 。

皮質醇:你體內那位「永不熄滅」的深夜警報器

要理解失眠,我們得先認識身體的一套精密防衛系統:下視丘-垂體-腎上腺軸(HPA axis) 。這套系統原本是演化給我們的禮物,讓我們在面對劍齒虎或突如其來的危險時,能迅速進入「戰鬥或快逃」的備戰狀態。當這套系統啟動,腎上腺就會分泌皮質醇 (壓力荷爾蒙),這種荷爾蒙能調動能量、提高警覺性,讓我們在危機中保持清醒 。

然而,現代人的「劍齒虎」不再是野獸,而是無止盡的專案進度、電子郵件與職場競爭。對於長期處於高壓或高強度工作環境的人們來說,身體的警報系統可能處於一種「切換不掉」的狀態。

-----廣告,請繼續往下閱讀-----

在理想的狀態下,人類的生理時鐘像是一場精確的接力賽。入夜後,身體會進入「修復模式」,此時壓力荷爾蒙「皮質醇」的濃度應該降至最低點,讓「睡眠荷爾蒙」褪黑激素(Melatonin)接棒主導。褪黑激素不僅負責傳遞「天黑了」的訊號,它還能抑制腦中負責維持清醒的食慾素(Orexin)神經元,幫助大腦順利關閉覺醒開關。

對於長期處於高壓或高強度工作環境的人們來說,身體的警報系統可能處於一種「切換不掉」的狀態 / 圖片來源:envato

然而,當壓力介入時,這場接力賽就會變成跑不完的馬拉松賽。研究指出,長期的高壓環境會導致 HPA 軸過度活化,使得夜間皮質醇異常分泌。這不僅會抑制褪黑激素的分泌,更會讓食慾素在深夜裡持續活化,強迫大腦維持在「高覺醒狀態(Hyperarousal)」。 這種令人崩潰的狀態就是,明明你已經累到不行,但大腦卻像停不下來的發電機!

長期的睡眠不足會導致體內促發炎細胞激素上升,而發炎反應又會進一步活化 HPA 軸,分泌更多皮質醇來試圖消炎,高濃度的皮質醇會進一步干擾深層睡眠與快速動眼期(REM),導致睡眠品質變得低弱又破碎,最終形成「壓力-發炎-失眠」的惡行循環。也就是說,你不是在跟睡眠上的意志力作對,而是在跟失控的生理長期鬥爭。

從腸道重啟好眠開關:PS150 菌株如何調校你的生理時鐘

面對這種煞車失靈的失眠困局,科學家們將目光投向了人體內另一個繁榮的生態系:腸道。腸道與大腦之間存在著一條雙向通訊的高速公路,這就是「菌-腸-腦軸 (Microbiome-Gut-Brain Axis, MGBA)」,而某些特殊菌株不僅能幫助消化、排便,更能透過神經與內分泌途徑與大腦對話,直接參與調節我們的壓力調節與睡眠節律。這種菌株被科學家稱為「精神益生菌」(Psychobiotics)。

-----廣告,請繼續往下閱讀-----
腸道與大腦之間存在著一條雙向通訊的高速公路,這就是「菌-腸-腦軸 (Microbiome-Gut-Brain Axis, MGBA)」/圖片來源:益福生醫

在眾多研究菌株中,發酵乳桿菌 Limosilactobacillus fermentum PS150 的表現格外引人注目。PS150菌株源於亞洲益生菌權威「蔡英傑教授」團隊的專業研發,累積多年功能性菌株研發經驗的科學成果。針對臨床常見的「初夜效應」(First Night Effect, FNE),也就是現代人因出差、換床或環境改變導致的入睡困難,俗稱認床。科學家在進行實驗時發現,補充 PS150 菌株能顯著恢復非快速動眼期(NREM)的睡眠長度,且入睡更快,起床後也更容易清醒。更重要的是,不同於常見的藥物助眠手段(如抗組織胺藥物 DIPH)容易造成快速動眼期(REM)剝奪或導致睡眠破碎化,PS150 菌株展現出一種更為「溫和且自然」的調節力,它能有效縮短入睡所需的時間,並恢復睡眠中代表深層修復的「Delta 波」能量。

科學家發現,即便將 PS150 菌株經過特殊的熱處理(Heat-treated),轉化為不具活性但保有關鍵成分的「後生元」(Postbiotics),其生物活性依然能與活菌媲美 。HT-PS150 技術解決了益生菌在儲存與攝取過程中容易失去活性的痛點,讓這些腸道通訊員能更穩定地發揮作用 。

在臨床實驗中,科學家觀察到一個耐人尋味的現象:當詢問受試者的主觀感受時,往往會遇到強大的「安慰劑效應」,無論是服用 HT-PS150 還是安慰劑的人,主觀上大多表示睡眠變好了。這種「體感上的進步」有時會掩蓋真相,讓人分不清是心理作用還是真實效益。

然而,客觀的生理數據(Biomarkers)卻揭開了關鍵的差異。在排除主觀偏誤後,實驗數據顯示 HT-PS150 組有更高比例的人(84.6%)出現了夜間褪黑激素分泌增加,且壓力荷爾蒙(皮質醇)顯著下降,這證明了菌株確實啟動了體內的睡眠調控系統,而不僅僅是心理安慰。

-----廣告,請繼續往下閱讀-----

最值得關注的是,對於那些失眠指數較高(ISI ≧ 8)的族群,這種「生理修復」與「主觀體感」終於達成了一致。這群人在補充 HT-PS150 後,不僅生理標記改善,連原本嚴重困擾的主觀睡眠效率、持續時間,以及焦慮感也出現了顯著的進步。

了解更多PS150助眠益生菌:https://lihi3.me/KQ4zi

重新定義深層睡眠:構建全方位的深夜修復計畫

睡眠從來就不只是單純的休息,而是一場生理功能的全面重整。想要重獲高品質的睡眠,關鍵在於為自己建立一個全方位的修復生態系。

這套系統的基石,始於良好的生活習慣。從減少睡前數位螢幕的干擾、優化室內環境,到作息調整。當我們透過規律作息來穩定神經系統,並輔以現代科學對於 PS150 菌株的調節力發現,身體便能更順暢地啟動睡眠開關,回歸自然的運作節律。

-----廣告,請繼續往下閱讀-----

與其將失眠視為意志力的抗爭,不如將其看作是生理機能與腸道微生態的深度溝通。透過生活作息的調整與科學實證的支持,每個人都能擁有掌控睡眠的主動權。現在就從優化生活型態開始,為自己按下那個久違的、如嬰兒般香甜的關機鍵吧。

與其將失眠視為意志力的抗爭,不如將其看作是生理機能與腸道微生態的深度溝通 / 圖片來源 : envato

-----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
247 篇文章 ・ 319 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

104
0

文字

分享

0
104
0
肺部為何會「結疤」?揭開比癌症更致命的「菜瓜布肺」,科學家如何找到破解惡性循環的新契機
鳥苷三磷酸 (PanSci Promo)_96
・2026/05/08 ・2041字 ・閱讀時間約 4 分鐘

本文由 肺纖維化(菜瓜布肺)社團衛教 合作,泛科學撰文

在現代醫學的警示清單裡,乳癌、大腸癌這些疾病大家都不陌生;但有一個「隱蔽且致命」的威脅卻常被忽視,那就是「肺纖維化」。其中最常見的類型「特發性肺纖維化」(IPF),其預後往往不太樂觀,確診後的五年存活率甚至比許多常見的癌症還低。

首先,我們得先破解一個迷思:肺纖維化並不是單一疾病,而是許多種間質性肺病的共同表現。當我們聽到「肺纖維化」,腦中常浮現「菜瓜布肺」的形象,患者的肺部外觀充滿一個個空洞與疤痕,像極了乾燥的絲瓜。這精準描繪了肺部組織逐漸硬化、失去彈性的過程。

更重要的是,IPF 這類肺纖維化的威脅在於「不可逆」的特性,一旦形成就很難逆轉。這跟部分 COVID-19 康復者身上、仍有機會復原的肺纖維化,是兩種完全不同的概念。

-----廣告,請繼續往下閱讀-----
IPF 這類肺纖維化的威脅在於「不可逆」的特性,一旦形成就很難逆轉 / 圖示來源:shutterstock

肺部為何會變成「菜瓜布」?

為什麼好端端的肺會變成菜瓜布?這其實是一場身體修復機制失控的結果。

「纖維化」的組織,就是肺部間質組織(interstitium)的疤痕化。間質是圍繞在肺泡周圍,包含血管與支持肺部結構的結締組織。在正常情況下,肺部損傷後會啟動修復機制,並再生健康組織。但在肺纖維化的患者體內,這套修復機制卻「當機」了。

身體會不斷地發出訊號,導致負責修復工作的「纖維母細胞」(fibroblasts)被過度活化,進而失控地沉積膠原蛋白疤痕組織,最終在肺部形成永久性的纖維化。

科學家發現,這個過程之所以棘手,在於它是一個「惡性循環」,肺部同時存在著「發炎反應」與「纖維化」這兩條路徑 ,它們相互加乘,演變成難以阻斷的強大破壞力。

-----廣告,請繼續往下閱讀-----

雖然特發性肺纖維化 (IPF) 的具體成因不明 ,但已知某些特定族群的風險更高。例如抽菸,特定年齡與性別(50歲以上男性)、長期暴露於粉塵環境的工作者(農業、畜牧業、採礦業…)、胃食道逆流者。此外,患有自體免疫疾病(如類風濕性關節炎、乾燥症、硬皮症、皮肌炎/多發性肌炎,)的患者,他們併發肺纖維化的機率遠高於一般人,必須特別警覺。

雖然特發性肺纖維化 (IPF) 的具體成因不明 ,但已知某些特定族群的風險更高。/ 圖示來源:shutterstock

打斷惡性循環的挑戰,為何只對抗「纖維化」還不夠?

面對這個不可逆的疾病,醫學界長年束手無策,直到 2014 年才迎來一道曙光。美國 FDA 批准了兩種機制不同的新藥:Nintedanib 和 Pirfenidone。這兩種藥物的出現是治療史上的分水嶺,首度被證實能夠「延緩」IPF 患者肺功能的惡化速度。

然而,這場戰役尚未結束。現有的治療雖然帶來了希望,卻也凸顯了「未被滿足的醫療需求」。從機制上來看,這些藥物主要抑制的是「纖維化路徑」。

這讓科學界開始思考這個未被滿足的棘手問題:既然疾病的本質是「發炎」與「纖維化」的雙重打擊,那麼,我們是否能找到「同時抑制」這兩條路徑的全新策略,從而更有效地打斷這個惡性循環?

-----廣告,請繼續往下閱讀-----

找到同時調控「發炎」與「纖維化」的新靶點

為了解決難題,科學家將目光鎖定在一個細胞內的酵素:磷酸二酯酶 4B(PDE4B)

為什麼鎖定它?讓我們看看它的「雙重作用」機制:

  1. 關鍵位置: PDE4B 同時存在於免疫細胞(與發炎有關)與纖維母細胞(與纖維化有關)當中。
  2. 作用機制: PDE4B 的主要工作是降解細胞內一種叫 cAMP(環磷酸腺苷) 的訊號分子。cAMP 可以被視為細胞內的「穩定信號」。
  3. 雙重抑制: 當我們使用藥物抑制了 PDE4B 的活性,細胞內的 cAMP 就不會被分解,濃度會隨之升高。高濃度的 cAMP 能穩定免疫細胞和纖維母細胞,同時產生抗發炎抗纖維化的雙重效應。

簡單來說,鎖定並抑制 PDE4B,就像是同時抑制了免疫風暴與纖維化的工程,有望從雙從抑制打擊這個惡性循環。

全球臨床試驗帶來的新希望

近十年來,全球在肺纖維化領域投入了大量的臨床試驗,我們相信,在科學家逐步破解肺纖維化惡性循環的複雜難題後,期盼未來能為無數患者爭取到更安全、健康的生活與未來。

-----廣告,請繼續往下閱讀-----

最後,我們必須再次提醒,特發性肺纖維化(IPF)與漸進性肺纖維化(PPF)是極具破壞性、且不可逆的疾病。面對這個比癌症更致命的對手,雖然現有的治療手段能延緩惡化,但無法逆轉已經形成的肺部疤痕組織,因此「早期診斷、早期治療」仍是對抗肺纖維化最重要的黃金時刻。

必須再次提醒,特發性肺纖維化(IPF)與漸進性肺纖維化(PPF)是極具破壞性、且不可逆的疾病。/ 圖示來源:


-----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
247 篇文章 ・ 319 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

2
1

文字

分享

0
2
1
天氣預報到底是不是在騙人?我整個就不爽了!從生活案例看條件機率——《跟著網紅老師玩科學》
時報出版_96
・2019/08/23 ・1984字 ・閱讀時間約 4 分鐘 ・SR值 438 ・四年級

許多人說,現在科學這麼發達,為什麼天氣預報總是不準呢?

這裡涉及一個數學問題,稱為「條件機率」。

什麼是條件機率呢?例如我們要確定 6 月 15 日是不是下雨,根據往年資料,下雨的機率有 40% ,不下雨的機率為 60% ,這就稱為「機率」。如果在前一天,天氣預報說 6月15 日下雨,這就稱為「條件」, 在這種條件下, 6 月 15 日真正下雨的機率就稱為「條件概率」。

圖/《跟著網紅老師玩科學》提供

你哭著對我說,天氣預報裡都是騙人的

天氣預報根據一定的氣象參數推測是否會下雨,由於天氣捉摸不定,即便預報下雨,也有可能是晴天。假設天氣預報的準確率為 90% ,即在預報下雨的情況下,有 90% 的機率下雨,有 10% 的機率不下雨;同樣,在預報不下雨的情況下,有 10% 的機率下雨,有 90% 的機率不下雨。

-----廣告,請繼續往下閱讀-----

這樣一來, 6 月 15 日的預報和天氣就有四種可能:預報下雨且真的下雨,預報不下雨但是下雨,預報下雨但是不下雨,預報不下雨且真的不下雨。

我們把四種情況列在下面的表格中,並計算相應的機率。

下雨 不下雨
預報下雨 40% × 90% = 36% 60% × 10% = 6%
預報不下雨 40% × 10% = 4% 60% × 90% = 54%

計算方法就是兩個機率的乘積。例如下雨機率為 40% ,下雨時預報下雨的機率為 90% ,因此預報下雨且下雨這種情況出現的機率為 36% 。同理,我們可以計算出天氣預報下雨但是不下雨的機率為 6% ,二者之和為 42% ,這就是天氣預報下雨的機率。

在這 42% 的可能性中,真正下雨占 36% 的可能,比例為\( 36 \div 42=85.7 \)%,而不下雨的機率為 6% ,占 \( 6 \div 42=14.3 \) %。

也就是說,假設天氣預報的準確率為 90% ,預報下雨的條件下,真正下雨的機率只有 85.7% 。

我們會發現:

-----廣告,請繼續往下閱讀-----

預報下雨時是否真的下雨,不光與預報的準確度有關,同時也與這個地區平時下雨的機率有關

圖/《跟著網紅老師玩科學》提供

檢查報告說我中獎了,我就真的生病了嗎?

與這個問題類似的是在醫院進行重大疾病檢查時,如果醫生發現異常,一般不會直接斷定生病了,而會建議到大醫院再檢查一次,雖然這兩次檢查可能完全相同。為什麼會這樣呢?

假設有一種重大疾病,患病人群占總人群的比例為\(\frac{1}{7000} \) 。也就是說, 隨機選取一個人,有\(\frac{1}{7000} \) 的機率患有這種疾病,有\(\frac{6999}{7000} \) 的機率沒有患這種疾病。

有一種先進的檢測方法,誤診率只有萬分之一,也就是說,患病的人有\(\frac{1}{10000} \) 的可能性被誤診為健康人,健康人也有\(\frac{1}{10000} \) 的可能性被誤診為患病。

-----廣告,請繼續往下閱讀-----

我們要問:在一次檢查得到患病結果的前提下,這個人真正患病的機率有多大?

患病 健康
檢測患病 \(\frac{1}{7000} \times \frac{9999}{10000}\)\(= \frac{9999}{70000000}\)  \(\frac{6999}{7000} \times \frac{1}{10000}\)\(= \frac{6999}{70000000}\)
檢測健康 \(\frac{1}{7000} \times \frac{1}{10000}\)\(= \frac{1}{70000000}\)  \(\frac{6999}{7000} \times \frac{9999}{10000}\)\(= \frac{69983001}{70000000}\)

我們仿照剛才的計算方法,檢測出患病的總機率為:\(\frac{9999}{70000000}+\frac{6999}{70000000} \) \(=\frac{16998}{70000000}\)
患病且檢測出患病的機率為:\(\frac{9999}{70000000}\)

所以在檢測患病的條件下,真正患病的機率為:\( \frac{9999}{70000000} \div  \frac{16998}{70000000}\) \(=\frac{9999}{16998}\) \( \approx 58.8 \)%

顯而易見,即便是萬分之一誤診的情況,一次檢測也不能完全確定這個人是否患病。

-----廣告,請繼續往下閱讀-----

圖/《跟著網紅老師玩科學》提供

那麼,兩次檢測都是患病的情況又如何呢?

大家要注意,在第一次檢測結果為患病的前提下,此人患病的機率已經不再是所有人群的 \(\frac{1}{7000}\) ,而變為自己的 58.8% ,健康的機率只有 41.2% 。

此處的機率就是條件機率,所以第二次檢測的表格變為:

-----廣告,請繼續往下閱讀-----
患病 健康
檢測患病 58.8% × \(\frac{9999}{10000}\)= 58.794%  41.2% × \(\frac{1}{10000}\)= 0.004%
檢測健康  58.8% × \(\frac{1}{10000}\)= 0.006%  41.2% × \(\frac{9999}{10000}\)= 41.196%

兩次檢測都是患病的條件下,此人真正患病的機率為:\(\frac{58.794}{58.794+0.004}\)\(=99.99 \) % 基本確診了。

日常生活超有感──貝式定理

對這個問題進行詳細討論的人是英國數學家貝葉斯

圖/《跟著網紅老師玩科學》提供

貝葉斯指出:如果 A 和 B 是兩個相關的事件, A 有發生和不發生兩種可能, B 有 B1 、 B2 、……、 Bn 共 n 種可能。

-----廣告,請繼續往下閱讀-----

那麼在 A 發生的前提下, Bi 發生的機率稱為:條件機率 \( P(B_i|A) \)

要計算這個機率,首先要計算在 Bi 發生的條件下 ,A 發生的機率,公式為:\( P(B_i)P(A|B_i) \)

然後,需要計算事件A發生的總機率

方法是用每種Bi情況發生的機率與相應情況下A發生的機率相乘,再將乘積相加。
\( P(B_1)P(A_1|B_1)+P(B_2)P(A_2|B_2)+\cdots+P(B_n)P(A_n|B_n) \)

最後,用上述兩個機率相除,完整的貝式定理公式就是:

\( P(B_i|A) \) \(=\frac{P(B_i)P(A|B_i)}{P(B_1)P(A|B_1)+P(B_2)P(A|B_2)+\cdots+P(B_n)P(A|B_n)} \)

貝式定理在社會學、統計學、醫學等領域,都發揮著巨大作用。

-----廣告,請繼續往下閱讀-----

下次遇到天氣誤報、醫院誤診,不要完全怪氣象臺和醫院啦!有時候這是個數學問題。

——本文摘自《跟著網紅老師玩科學》,2019 年 4 月,時報出版

-----廣告,請繼續往下閱讀-----
時報出版_96
174 篇文章 ・ 38 位粉絲
出版品包括文學、人文社科、商業、生活、科普、漫畫、趨勢、心理勵志等,活躍於書市中,累積出版品五千多種,獲得國內外專家讀者、各種獎項的肯定,打造出無數的暢銷傳奇及和重量級作者,在台灣引爆一波波的閱讀議題及風潮。