Loading [MathJax]/extensions/tex2jax.js

0

0
0

文字

分享

0
0
0

物聯網與大數據時代下的個人化精準醫療

活躍星系核_96
・2016/02/20 ・1855字 ・閱讀時間約 3 分鐘 ・SR值 535 ・七年級

作者:潘人豪助理教授,元智大學大數據與數位匯流創新中心

Source: idownload blog

2014年,當致力於電子病歷(Electronic Medical Record, EMR)分析,藉以尋找癌症機轉與治療方法的大數據公司Flatiron Health獲得Google創投(Google Ventures)高達1.3億美元投資後[1],個人化精準醫療(personalized medicine)隨即成為火紅的熱門主題,這樣一股氣勢發展,讓美國總統歐巴馬(Obama)更在今年提出精準醫療計劃(Precision Medicine Initiative),並投入2016年預算高達2.15億美金之譜[2]。

在精準醫療這般的強勢展開下,不僅僅只有過去生物資訊上基因體學、轉錄體學上的資料探勘或是電子病歷醫療健康數據分析,物聯網(Internet of Thing)的發展也同時透過行動裝置與消費型穿戴式裝置大舉進入個人化健康促進與醫學上疾病研究領域。在這機電感測裝置快速發展下,各種輕巧卻具備多種感測裝置的隨身穿戴式裝置逐漸普及於消費電子商品市場,各家廠商發展出豐富的產品功能不僅能記錄活動頻率,更能偵測活動強度、睡眠狀態、作息規律,更甚至能取得穿戴者24小時的心跳狀態與壓力疲勞狀態,並利用這些生理數據進行健康促進的提醒與建議。

EHA945 Berlin, Germany. 9th Mar, 2015. Journalists test the new so-called Apple Watch of computer and software manufacturer Apple at the Apple Store in Berlin, Germany, 9 March 2015. Photo: Kay Nietfeld/dpa/Alamy Live News
Source: Nature

然而向來以創新設計為圭臬的蘋果公司,在這一波趨勢的發展下當然不會缺席,除了在2015年正式上市首款穿戴式裝置『Apple Watch』智慧手錶外,更針對醫學健康研究,大舉開放iPhone應用程序接口(Application Programming Interface, API),推出開放源碼的軟體架構ResearchKit[3,4],透過ResearchKit,研究人員與軟體開發人員得以在iOS系統中快速開發App並且直接存取iPhone具備的各項感測器。ResearchKit的精神,在於透過iPhone的普及進行大量自願者的招募參與研究實驗,藉由更多人的個人化健康、醫療大數據蒐集,進行規模更大更多元的研究。

-----廣告,請繼續往下閱讀-----
Figure 1. 知情同意書個人簽章功能
Figure 1. 知情同意書個人簽章功能

ResearchKit的功能主要分為三大類別[5],問卷調查(Surveys)、知情同意書(Consent)與活動測驗(Active Tasks)模組,研究人員可以透過問卷調查模組快速設計研究問卷並且藉由App發布與統計記錄,而知情同意書模組更貼心的讓研究人員能自訂研究知情同意條文並提供志願者進行數位簽名以確保研究的進行符合人體實驗規範的要求。此外活動測驗(Active Tasks)模組更是研究人員極佳的調查工具,透過iPhone的內建功能,便可以透過iPhone 5, iPhone 5s, iPhone 6, iPhone 6 Plus和iPod touch每天甚至每小時頻繁、規律地採集數據,記錄人們的日常作息與生活變化,並且搭配內建的GPS、加速感應器、氣壓計與陀螺儀等先進感應器甚至是Apple Watch,可以更客觀、正確與精準的將數據量化並且傳送至ResearchKit app,這是過去醫療保健、公共衛生研究人員從未有過取得如此鉅量量化數據的機會[6]。

Table 1. ResearchKit活動測驗模組
Table 1. ResearchKit活動測驗模組

透過與ResearchKit共同合作的研究發佈,可以看到各種醫學研究的創意,如西奈山伊坎醫學院(Icahn School of Medicine at Mount Sinai)與康乃爾大學威爾醫學院(Weill Cornell Medical College)推出的Asthma Health[7,8],透過iPhone裝置記錄個人位置、個人每日活動與志願者記錄每日氣喘觸發原因,並提供地區氣溫與空氣汙染資訊以及衛教資訊供志願者進行參考。此外約翰霍普金斯大學(Johns Hopkins University)則透過ResearchKit整合iPhone與Apple Watch所獲得的資訊,開發出應用App:EpiWatch[9],針對罹患癲癇疾病的志願者進行生理數據偵測,記錄志願者於癲癇發作時的生理、心跳數據,藉以做為未來癲癇發作的預警與預防。此外羅徹斯特大學(University of Rochester)則是與 Sage Bionetworks 共同合作,透過ResearchKit開發出 mPower app[10],量測志願者的靈活性、平衡性、記憶力與步伐等,藉以了解個人的生理資訊變化與帕金森氏症之間的關聯。

個人化精準醫療,這個過去無數研究學者憧憬期盼卻遙不可及的夢想,在現今儀器設備、網路通訊與大數據分析處理技術大躍進的時代裡,已經逐漸成為可以實現的目標,相信不久的未來也終將普及於健康促進與醫療模式中。

參考文獻:

-----廣告,請繼續往下閱讀-----
  1. Flatiron Health Raises $130 Million Series B Round Led by Google Ventures and Agrees to Acquire Leading Cloud-Based EMR Company Altos Solutions(2014-05-07)
  2. The Precision Medicine Initiative (2015)
  3. Apple ResearchKit
  4. ResearchKit open source framework
  5. ResearchKit Framework Programming Guide
  6. Apple ResearchKit launches in the UK: Here’s everything you need to know (2015-08-06)
  7. Asthma Mobile Health Study
  8. More than 75,000 People have Enrolled in Health Studies using Apple’s HealthKit (2015-07-28):
  9. Apple Brings to Light that new Research Studies have begun for Epilepsy, Autism & Melanoma using ResearchKit (2015-10-15)
  10. mPower: Mobile Parkinson Disease Study (2015)
-----廣告,請繼續往下閱讀-----
文章難易度
活躍星系核_96
778 篇文章 ・ 128 位粉絲
活躍星系核(active galactic nucleus, AGN)是一類中央核區活動性很強的河外星系。這些星系比普通星系活躍,在從無線電波到伽瑪射線的全波段裡都發出很強的電磁輻射。 本帳號發表來自各方的投稿。附有資料出處的科學好文,都歡迎你來投稿喔。 Email: contact@pansci.asia

0

0
0

文字

分享

0
0
0
拆解邊緣AI熱潮:伺服器如何提供穩固的運算基石?
鳥苷三磷酸 (PanSci Promo)_96
・2025/05/21 ・5071字 ・閱讀時間約 10 分鐘

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。

-----廣告,請繼續往下閱讀-----

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。

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。/ 圖片來源:MotionArray

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)」!

-----廣告,請繼續往下閱讀-----

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。

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。

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。/ 圖片提供:研華科技

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。

-----廣告,請繼續往下閱讀-----

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。

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。/ 圖片來源:MotionArray

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)。

-----廣告,請繼續往下閱讀-----

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。

-----廣告,請繼續往下閱讀-----

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。

-----廣告,請繼續往下閱讀-----
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。/ 圖片提供:研華科技

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

-----廣告,請繼續往下閱讀-----
-----廣告,請繼續往下閱讀-----
文章難易度

討論功能關閉中。

0

0
0

文字

分享

0
0
0
甲狀腺癌復發:次世代基因定序 NGS 協助擬定治療計畫,健保給付條件看這裡
careonline_96
・2024/07/17 ・2205字 ・閱讀時間約 4 分鐘

「那是一位 50 多歲的女士,發現甲狀腺癌後有接受治療,但是在幾年後發現甲狀腺癌復發,並轉移至肺部。」高雄榮民總醫院核子醫學科主任諶鴻遠醫師指出,「復發的腫瘤對放射碘的反應不佳,經過標靶藥物治療後一段時間,產生抗藥性、病情惡化,這位患者也漸漸出現肋膜積水,走路會喘、躺下也會喘。」

經過討論後,患者接受次世代基因定序 NGS 檢測,發現有 RET 融合基因突變。諶鴻遠醫師建議,針對 RET 融合基因突變,患者開始接受 RET 抑制劑治療。

經過一個月的治療後,患者的症狀大幅改善、肋膜積水消退。諶鴻遠醫師發現,大概四個月後,患者再次接受放射碘治療,也能夠發揮治療成效,讓患者的狀況越來越穩定,目前持續在門診追蹤治療。

甲狀腺癌初期沒有明顯症狀,多數患者是在接受甲狀腺超音波檢查時意外發現。諶鴻遠醫師指出,隨著腫瘤變大,患者可能摸到頸部腫塊、淋巴結腫大、覺得頸部有壓迫感、頸部疼痛、或吞嚥不適。如果喉返神經遭到侵犯,患者可能出現聲音沙啞、容易嗆到等狀況。如果氣管受到壓迫,患者的呼吸也會受到影響。當甲狀腺癌轉移至骨骼、腦部、肺部等部位時,便會造成骨頭疼痛、頭痛、呼吸不適或咳嗽等各式各樣的症狀。

-----廣告,請繼續往下閱讀-----

臨床上懷疑是甲狀腺癌時,通常會在超音波導引下做穿刺,取部分細胞出來做檢查。諶鴻遠醫師說,手術是甲狀腺癌的主要治療方式,在狀況許可時,通常會安排手術,切除甲狀腺並進行頸部淋巴結廓清。

部分甲狀腺癌患者,在開完刀還要做放射碘治療,幫助降低復發風險。諶鴻遠醫師說,完成初步治療後,患者一定要定期追蹤,醫師會視狀況安排抽血檢測包括腫瘤標記、甲狀腺功能等,影像檢查包括頸部超音波檢查、電腦斷層、腫瘤掃描等。

「甲狀腺癌患者可能在術後一、二年復發,也可能在十年後復發,所以務必定期追蹤,才能在發現復發跡象時,啟動下一階段的治療。」諶鴻遠醫師說,「復發的甲狀腺癌往往會比較棘手,而需要調整治療計畫。」

次世代基因定序 NGS,幫助擬定治療計畫

針對復發的甲狀腺癌,可能會再度進行手術與放射碘治療,然後依照患者的狀況,使用傳統的標靶藥物,一般是以抗血管新生為主的標靶藥物。諶鴻遠醫師說,隨著精準醫療的發展,目前還可以在甲狀腺癌復發時,進行次世代基因定序檢測(NGS,Next Generation Sequencing)。

精準醫療的精神是分析腫瘤的基因,然後針對不同的標靶基因,選用對應的標靶藥物來抑制腫瘤生長。諶鴻遠醫師說,在甲狀腺癌復發後,精準醫療的角色就越來越重要。

-----廣告,請繼續往下閱讀-----

針對特定標靶基因的藥物,作用機轉較專一,能準確發揮效果,副作用也較少。諶鴻遠醫師說,例如利用次世代基因定序 NGS 驗出 RET 融合基因突變時,便能使用 RET 抑制劑,抑制腫瘤生長、促使腫瘤凋亡。

具有 RET 融合基因突變的甲狀腺癌往往惡性度較高,較容易復發、轉移,也較容易對放射碘產生抗性。諶鴻遠醫師說,接受次世代基因定序 NGS 檢測,有 5% 至 10% 的機會找到 RET 融合基因突變,年輕型的甲狀腺癌可能會有 25% 的機會找到RET融合基因突變。使用 RET 抑制劑可以幫助讓復發的腫瘤縮小、惡性度下降、讓放射碘治療無效的患者再恢復治療效果。RET 抑制劑的發展對甲狀腺癌復發的患者有很大的幫助。

取得腫瘤組織後,次世代基因定序 NGS 能夠一次檢驗多種腫瘤基因,檢測費用會隨著檢測基因的數量而有所差異,從新台幣數萬元至十萬元以上不等。諶鴻遠醫師說,如今次世代基因定序檢測 NGS 已納入健保給付,符合給付條件的患者,便能以部分負擔的方式進行次世代基因定序檢測。

由於腫瘤基因相當多,究竟要檢測哪些基因,需與臨床醫師討論後取得共識。目前健保給付甲狀腺癌患者的條件與檢測基因,也已公布如下:

-----廣告,請繼續往下閱讀-----

貼心小提醒

甲狀腺癌患者在接受初步治療後,仍有復發的風險,請務必定期追蹤。諶鴻遠醫師提醒,在甲狀腺癌復發後,次世代基因定序 NGS 能夠幫助擬定治療策略。藉由次世代基因定序 NGS,有 5% 至 10%(年輕型高達 25%)的機會驗到 RET 融合基因突變,利用 RET 抑制劑有助於讓復發的腫瘤縮小、惡性度下降、讓放射碘治療無效的患者再度恢復治療效果,達到較佳的治療成效!

-----廣告,請繼續往下閱讀-----

討論功能關閉中。

0

1
0

文字

分享

0
1
0
從販賣機到智慧設備:物聯網的發展歷程
數感實驗室_96
・2024/06/23 ・1135字 ・閱讀時間約 2 分鐘

-----廣告,請繼續往下閱讀-----

本文由 國立臺灣師範大學 委託,泛科學企劃執行。 

在這個通信技術普及的年代,我們不斷介紹各式各樣的通信技術。大多數的通信技術都是為人服務的,這似乎是理所當然的。然而,有一種通信技術並非直接為人服務,而是為物體之間的交流提供支持。這種技術不僅存在,而且在現代已經成為最主要的通信形式之一,我們稱之為——物聯網(IoT)。

物聯網,Internet of Things,簡稱 IoT,顧名思義就是物品,機器、設備連上網路。

在我們生活中,如智慧手錶和藍牙耳機這些穿戴式設備,它們各自擁有特定功能,同時又能透過藍牙技術相互連結,這就是物聯網的一種應用。

-----廣告,請繼續往下閱讀-----

你可能會問,手機也算是物聯網的設備嗎?

這取決於你如何定義和使用手機。如果是人們使用 5G 或 4G 技術彼此傳訊息和溝通,那麼這不屬於物聯網的範疇。但當手機與藍牙耳機或智慧手錶連接時,它們之間的互動更符合物聯網的概念。因此,物聯網的基本定義是,不直接涉及人跟人、或是人與設備的互動。基本上都是設備跟設備之間的溝通。

通信是人類最基本的需求,同時也帶來無限商機,就像我們不想跑到別的地方買可樂,卻發現賣光了一樣,科技為能解決這些需求,促使通信技術的持續成長。

如同手機的普及帶動了市場需求,從一家一部的電視和冰箱,到人人一支的手機,並且每隔幾年就更新換代。這種商機吸引了企業的投資,也推動了強大的研發動能。

-----廣告,請繼續往下閱讀-----

而現在,我們正生活在一個設備數量遠超人類數量的時代,從藍牙耳機、智慧手錶,到遍布全球的智慧設備,物聯網的技術已經無處不在。

不妨思考一下,還有哪些需求尚未被滿足,也許它們正是下一個物聯網應用的起點。

更多、更完整的內容,歡迎上數感實驗室 Numeracy Lab 的 YouTube 頻道觀看完整影片,並開啟訂閱獲得更多有趣的資訊!

-----廣告,請繼續往下閱讀-----

討論功能關閉中。

數感實驗室_96
76 篇文章 ・ 50 位粉絲
數感實驗室的宗旨是讓社會大眾「看見數學」。 數感實驗室於 2016 年 4 月成立 Facebook 粉絲頁,迄今超過 44,000 位粉絲追蹤。每天發布一則數學文章,內容包括介紹數學新知、生活中的數學應用、或是數學和文學、藝術等跨領域結合的議題。 詳見網站:http://numeracy.club/ 粉絲專頁:https://www.facebook.com/pg/numeracylab/